基于强化学习图神经网络的大型路网多车辆路径负载均衡方法

本发明提出了基于强化学习图神经网络的大型路网多车辆路径负载均衡方法，包括步骤：获取真实场景中的路网数据，对路网建模，表示为图结构；将图结构拆分为多个子图结构，每个子图结构对应一个子路网；构建并训练强化学习自适应图神经网络；对路网的每个子路网，调用已训练的强化学习自适应性图神经网络并行生成相应道路选择概率，将生成的子路网道路选择概率按照原路网的拓扑结构进行合并，恢复为完整的原路网中的各道路选择概率；基于完整的原路网中的各道路选择概率，实现道路负载均衡。本发明在大规模路网场景中，实现高效的路径重规划，实时降低路网负载，解决道路拥堵问题，并提高交通效率。