基于区域上下文增强大语言模型的全局交通信号控制方法

本发明公开了基于区域上下文增强大语言模型的全局交通信号控制方法，该方法包括：根据目标区域的交通路网结构，将目标区域划分为K个交通信号灯的控制区域；采集目标区域的全局实时交通信息，并将其转换为全局交通文本信息；将所述全局交通文本信息输入LoRA微调后的大语言模型，输出目标区域的全局交通信号灯控制策略，即每个交叉口的交通信号灯相位。在大语言模型微调过程中，使用强化学习智能体生成最优相位决策并将决策结果转为文本数据，再根据邻近区域划分策略构建区域级最优相位决策数据集，利用该数据集对模型进行微调，计算区域损失，通过该损失优化大语言模型。本发明可以实现全局交通信号灯控制的优化，减少整体交通延误，提高通行效率。