一种基于多智能体强化学习的动态交通流分配方法

本发明提供一种基于多智能体强化学习的动态交通流分配方法，本发明通过云端‑边缘协同架构实现大规模车辆路径的动态优化与实时响应，包括构建多智能体交通仿真环境，根据实时交通流量分布，通过泊松分布模型生成随机起点的智能体车辆；构建包括道路拓扑编码、当前道路密度、邻域速度均值、目标距离比率、拥堵系数的多维观测向量；采用近端策略优化算法在Ray RLlib框架下对多智能体强化策略网络的并行策略优化；基于路径效率、拥堵惩罚与进度奖励设计多目标奖励机制；根据实时观测状态生成转向决策，并通过博弈论纳什均衡解动态更新车辆行驶路线；当突发拥堵时触发协同应急机制。本发明解决了传统方法路径趋同、响应延迟及次生拥堵问题。