买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京航空航天大学申请的专利一种基于安全强化学习的交通信号控制方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119252047B 。

龙图腾网通过国家知识产权局官网在2026-03-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411538432.8，技术领域涉及：G08G1/07；该发明授权一种基于安全强化学习的交通信号控制方法及系统是由任毅龙;付翔;于海洋;姜涵设计研发完成，并于2024-10-31向国家知识产权局提交的专利申请。

本一种基于安全强化学习的交通信号控制方法及系统在说明书摘要公布了：本发明公开了一种基于安全强化学习的交通信号控制方法及系统，所述方法包括：获取多个历史状态信息，并利用注意力网络、行动者网络、奖励批评者网络和代价批评者网络处理得到第一概率值、第一奖励价值、第二奖励价值、第一代价价值和第二代价价值，然后通过奖励优势评估函数和代价优势评估函数得到优势评估值和代价评估值；基于优势评估值、代价评估值、第一概率值、奖励值、第一奖励价值、代价值和第一代价价值优化行动者网络、奖励批评者网络和代价批评者网络，重复上述过程，直至超过预设次数，得到训练后的行动者网络；获取当前时刻的观测信息，并输入至训练后的行动者网络得到当前动作以控制交通信号。本发明在保证效率下确保路口的安全性。

本发明授权一种基于安全强化学习的交通信号控制方法及系统在权利要求书中公布了：1.一种基于安全强化学习的交通信号控制方法，其特征在于，包括： 步骤一：获取多个历史状态信息，每个历史状态信息包括第一观测信息、第二观测信息、动作、溢流奖励值和溢流代价值；所述第一观测信息和所述第二观测信息对应的时刻为相邻的先后时刻；所述溢流奖励值由溢流奖励函数计算得到，所述溢流奖励函数基于各车道密度和对应车道的排队长度构建；所述溢流代价值由溢流代价函数计算得到，所述溢流代价函数通过车道密度与预设最大溢流比例构建； 步骤二：将每个历史状态信息的第一观测信息和第二观测信息分别输入至注意力网络中，得到第一特征和第二特征；将第一特征输入至行动者策略网络中，得到第一概率值；将第一特征和第二特征分别输入至奖励批评者网络中，得到第一奖励价值和第二奖励价值；将第一特征和第二特征分别输入至代价批评者网络中，得到第一代价价值和第二代价价值；将溢流奖励值、第一奖励价值和第二奖励价值输入至奖励优势评估函数中，得到优势评估值；将溢流代价值、第一代价价值和第二代价价值输入至代价优势评估函数中，得到代价评估值； 步骤三：将优势评估值、代价评估值和第一概率值输入至目标函数中并优化得到优化后的行动者策略网络；将溢流奖励值和第一奖励价值输入至奖励批评者网络的损失函数中并优化得到优化后的奖励批评者网络；将溢流代价值和第一代价价值输入至代价批评者网络的损失函数中并优化得到优化后的代价批评者网络； 步骤四：基于优化后的行动者策略网络、奖励批评者网络和代价批评者网络，重复步骤一至步骤三，直至超过预设次数，得到训练后的行动者策略网络； 步骤五：获取当前时刻的观测信息，并输入至训练后的行动者策略网络得到当前动作以控制交通信号。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京航空航天大学，其通讯地址为：100083 北京市海淀区学院路37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。