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！

龙图腾网获悉广东工业大学申请的专利基于双层参数化深度强化学习的混合交通流协同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：CN119479295B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202411633391.0，技术领域涉及：G08G1/01；该发明授权基于双层参数化深度强化学习的混合交通流协同控制方法是由辜泽茂;曾伟良设计研发完成，并于2024-11-15向国家知识产权局提交的专利申请。

本基于双层参数化深度强化学习的混合交通流协同控制方法在说明书摘要公布了：为了解决现有技术的不足，本发明公开了一种基于双层参数化深度强化学习的混合交通流协同控制方法。该方法通过卷积神经网络从交叉口环境中提取交通高维空间特征，并结合多通道参数化深度Q网络算法构建第一层模型CNN‑MPDQN，其主要任务是选择一条通行优先车道并确定通行持续时间。接着，在第一层算法的基础上，采用第二层DQN算法优化协调车道上车辆的通行顺序，解决车辆轨迹冲突问题。通过两层深度强化学习算法模型的不断循环训练与迭代，逐步优化模型参数，最终获得最优收敛模型；该模型能够有效应对各种交通状况和车辆行为，提升交叉口的通行效率和安全性，特别适用于无信号控制的混合流交叉口。

本发明授权基于双层参数化深度强化学习的混合交通流协同控制方法在权利要求书中公布了：1.一种基于双层参数化深度强化学习的混合交通流协同控制方法，其特征在于，包括以下步骤： 构建无信号混合流交叉口的道路模型，并对交叉口区域进行功能划分； 在原有多通道参数化深度Q网络MPDQN算法的基础上，结合卷积神经网络CNN构建第一层深度强化学习算法模型CNN-MPDQN，通过CNN有效提取交叉口的交通高维空间特征；CNN-MPDQN算法的核心任务是从多个车道中选择一条通行优先级最高的车道，并确定该车道的通行持续时间； 根据第一层强化学习选择的通行优先级最高的车道，确定协调车道和冲突车道；在通行持续时间内，协调车道上的车辆可以协调通过交叉口，而冲突车道的车辆则需停车，待下一轮优化； 根据各协调车道的车流量，分别分配通行持续时间的比例，最大化利用通行持续时间，以优化交通流动效率； 构建第二层深度强化学习算法模型，采用深度Q网络DQN算法，在第一层通行持续时间内，强化学习确定协调车道上车辆的通行顺序，旨在解决协调车道上车辆的轨迹冲突问题； 在两层强化学习的通行顺序高级决策下，优先通行车辆以最大安全速度通过交叉口，而冲突车辆则需减速并在冲突位置前停车等待； 通过两层深度强化学习算法模型的不断循环训练与迭代，逐步优化模型参数，最终获得最优收敛模型；该模型能够有效应对各种交通状况和车辆行为，提升交叉口的通行效率和安全性。

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广东工业大学，其通讯地址为：510006 广东省广州市番禺区大学城外环西路100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”。