基于ABM与深度学习模型的不同智能等级车辆车路协同的信号控制方法

本发明提供了一种基于ABM与深度学习模型的不同智能等级车辆车路协同的信号控制方法，方法包括对多源异构交通流数据进行时空单元划分，获取路段单元数据及拓扑关系；采用ABM模型处理数据，生成L3‑L4车辆的完整轨迹智能体和L1‑L2车辆的边界关联智能体，根据协同边界确定交互类型标识；针对目标智能体，基于交互标识和拓扑关系确定相邻路段单元及候选智能体，通过协同感知坐标匹配满足车流连续性阈值的关联智能体并分配协同标识符；统计完整轨迹智能体数量和协同标识符数量，基于加权和值构建密度分布矩阵，利用深度学习预测交通冲突点并优化信号控制策略。本发明可以优化信号策略，提升交通效率，减少冲突点。