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！

龙图腾网获悉吉林大学申请的专利基于时空卷积注意力机制的多智能体交通信号控制方法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：CN120048134B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202510259602.7，技术领域涉及：G08G1/081；该发明授权基于时空卷积注意力机制的多智能体交通信号控制方法是由胡云峰;张泰;孙耀;赵靖华;王博设计研发完成，并于2025-03-06向国家知识产权局提交的专利申请。

本基于时空卷积注意力机制的多智能体交通信号控制方法在说明书摘要公布了：本发明涉及智能交通控制技术领域，具体是基于时空卷积注意力机制的多智能体交通信号控制方法，将一个区域的多交叉口交通网络建模为多智能体系统，各个多智能体在学习策略过程中同时考虑邻近时刻的相邻多智能体动作的影响，使多个多智能体能协同地进行多交叉口的信号灯控制，建立能够反映当前区域交通网络状态的张量。并将卷积注意力机制融入到深度强化学习神经网络使得智能体能够更好的关注临近交叉口车辆的状态。最后建立基于深度强化学习算法D3QN_CBAM的多智能体交叉口信号控制模型，本发明基于时空卷积注意力机制的多智能体交通信号控制方法，将注意力机制与区域信号控制相结合，提升了区域交通信号协同控制的性能和效果。

本发明授权基于时空卷积注意力机制的多智能体交通信号控制方法在权利要求书中公布了：1.基于时空卷积注意力机制的多智能体交通信号控制方法，其特征在于，具体包括以下步骤： 步骤1、将区域内的多交叉口交通网络建模为多智能体系统，定义状态、动作和奖励； 步骤2、使用卷积注意力机制网络对状态进行预处理，通过引入通道注意力和空间注意力两个子模块，分别对状态特征图的通道维度和空间维度进行加权，突出重要特征并抑制冗余信息； 步骤3、基于时空注意力机制的深度强化学习算法设计交叉口信号灯控制神经网络模型，所述模型包括两个卷积层和CBAM模块，所述CBAM模块用于增强特征图中的重要特征； 步骤4、通过多智能体协同控制算法训练多交叉口信号协调控制模型，智能体与环境交互时考虑邻域智能体状态和奖励的影响，生成对当前全局状态的最佳动作响应； 通道注意力机制的计算公式为： ； 其中，和分别表示通道维度中的平均池化和最大池化操作数；和表示共享多层感知器的权重参数；表示Sigmoid激活函数； 而空间注意力机制的计算公式为： ； 其中，和分别表示空间维度中的平均池化和最大池化操作；表示内核大小为7×7；表示Sigmoid激活函数； 在步骤4中，多智能体交通信号协同控制方法的流程包括： 初始化状态空间、动作空间、主网络和目标网络； 智能体采用ε-greedy策略进行决策，平衡探索和利用； 智能体执行选择的动作后，环境反馈相应的信息，并将经验序列存放在Replay缓冲区中； 根据优先级经验回放策略，从经验回放池中抽取经验数据，计算损失函数并更新主网络参数； 在步骤4中，损失函数的计算公式为： ； 其中，为奖励值，为折扣因子，为主网络的动作值函数，为目标网络的参数，表示在线网络在状态下输出的最高动作值所对应的动作，表示目标网络在状态下，根据在线网络选择的动作输出的动作值。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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。