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！

龙图腾网获悉大连理工大学申请的专利一种基于自适应动态规划的城市交通控制优化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：CN117456734B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202311571971.7，技术领域涉及：G08G1/01；该发明授权一种基于自适应动态规划的城市交通控制优化方法是由夏卫国;范祥;茹心锋;丁男;姜廷顺;孙希明设计研发完成，并于2023-11-22向国家知识产权局提交的专利申请。

本一种基于自适应动态规划的城市交通控制优化方法在说明书摘要公布了：本发明属于交通控制技术领域，公开了一种基于自适应动态规划的城市交通控制优化方法。该方法无需已知宏观基本图交通模型的参数，就可以计算出优化的边界控制律，并且能够保证控制输入控制量的连续稳定。建立城市宏观交通网络模型，获取各区域的车辆数；设计目标函数；采用策略迭代的方式迭代；引入神经网络求解。本发明利用采用数据驱动的方式对宏观交通流进行边界控制，充分利用宏观基本图交通系统的输入输出数据中的信息，同时由于宏观交通流的边界控制量是受限的，所以在价值函数里加入饱和器可以保证迭代求解得到的控制输入量是有界的。本发明相较于传统的非线性模型预测控制方法，对车辆总交通时间指标有了较大幅度的提升。

本发明授权一种基于自适应动态规划的城市交通控制优化方法在权利要求书中公布了：1.一种基于自适应动态规划的城市交通控制优化方法，其特征在于，具体包括步骤如下： 步骤S1：建立城市宏观交通网络模型； 根据宏观基本图理论，以现有城市宏观交通网络的经典参数建立城市宏观交通网络模型，用于获取各区域的车辆数； 将城市宏观交通网络模型改写为仿射非线性系统； 1； 其中代表控制输入，；；； 其中代表t时刻从区域i至目的区域j的交通需求量，其中代表各区域自身内部的交通需求流量，分别代表各区域外部的交通需求流量，分别代表t时刻从区域i至目的区域j的边界控制放行比例，且；代表t时刻从区域i驶向目的区域j的转移流量，的含义同理； 2； 其中即为区域i的宏观基本图，代表区域i内的完成旅行流量，完成旅行流量是指在区域i内到达目的地从而终结旅行的流量与驶出区域i的车流量之和； S2：设计目标函数； 最小化城市宏观交通网络内车辆总花费时间指标；通过饱和器使得控制输入u范围不受限； 3； 其中，代表不受限的控制输入量，A，c是保证控制输入的上下边界，即控制输入满足；a，b分别代表偏置量和坐标平移量； 目标函数中关于控制输入的部分如下 4； ，是正定对角矩阵，是中的元素，代表对不同控制输出的权重；根据最优控制理论的目标函数定义为5 5； 其中，其中是所有元素均为1的列向量； S3：在线迭代方式； 根据城市宏观交通网络模型和目标函数，以最优控制理论设计最优控制律，定义为； 6； 根据上式得哈密顿方程； 7； 通过求解，得最优控制律； 8； 采用策略迭代的方式来迭代计算，用于避免“维数灾”问题；采用策略迭代的方式迭代计算式9、10； S3.1：策略评价； 在一个固定时间段N内，对于求解 9； 其中代表第i次迭代时，对的偏导数，为上一次迭代得到的控制律； S3.2：策略评价初始化； 对于根据下式更新控制律 10； 当则退出当前迭代循环；是设定的阈值，，作为退出循环的条件，并将作为当前的时间段的控制输入，输入城市宏观交通网络模型即式1，得到系统状态； S4：引入神经网络求解； 对于城市宏观交通网络模型；其中，对于城市宏观交通网络模型的路网内车辆总花费时间指标，选择价值函数为， 11； 由于控制输入是状态反馈的形式输入系统的，所以，根据定积分的定义得； 12； 式12结合系统方程1删除，得 13； 通过评价网络、类模型网络和执行网络三个神经网络分别拟合、和； 14； 15； 16； 其中、和为评价网络、类模型网络和执行网络三个神经网络权重，；和评价网络、类模型网络和执行网络三个神经网络的基函数；和代表近似误差；得到以下等式 ； 得到和权重的更新方式； 17； 其中，， ； 得到权重的更新方式， 18。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。