【技術實現步驟摘要】
本專利技術所屬人工智能算法，具體涉及圖神經網絡、強化學習和負載均衡三個。
技術介紹
1、在現實世界中，隨著城市化進程的不斷推進，道路交通擁堵問題日益嚴重。針對這一問題，已經提出了各種路網優化方法和交通管理策略。
2、然而，在大規模路網場景中，傳統的方法往往面臨著計算復雜度高、實時性差和適應性差的挑戰。
技術實現思路
1、本申請提出一種基于強化學習圖神經網絡的大規模路網多車輛負載均衡方法，旨在解決現實場景中的道路擁堵問題。
2、本專利技術基于負載均衡中數據流分散傳輸的思想，將網絡節點類比為交通路口，傳輸線類比為車道，應用于現實交通場景中的車流分散任務。通過訓練強化學習自適應性圖神經網絡，適配不同大小的路網圖結構，在應用層面通過將大型路網分割為小型子路網，同時調用已訓練的強化學習自適應性圖神經網絡并行生成相應道路選擇概率，生成的子道路選擇概率按照原圖的拓撲結構進行合并，恢復為完整的大型路網中的各道路選擇概率。車輛根據完整大型路網道路選擇概率實時調整行駛路徑，從而實現高效的路徑重規劃，最終達到負載均衡的效果，顯著縮短規劃時間。
3、技術方案：
4、基于強化學習圖神經網絡的大型路網多車輛路徑負載均衡方法，包括如下步驟：
5、步驟1：獲取真實場景中的路網數據，對路網建模，表示為圖結構；
6、步驟2：將圖結構拆分為多個子圖結構，每個子圖結構對應一個子路網；
7、步驟3：構建并訓練強化學習自適應圖神經網絡；>
8、步驟4：對路網的每個子路網，調用已訓練的強化學習自適應性圖神經網絡并行生成相應道路選擇概率，將生成的子路網道路選擇概率按照原路網的拓撲結構進行合并，恢復為完整的原路網中的各道路選擇概率；
9、步驟5：基于完整的原路網中的各道路選擇概率，實現道路負載均衡。
10、本專利技術的有益效果：
11、本專利技術在大規模路網場景中，能實現高效的路徑重規劃，實時降低路網負載，解決道路擁堵問題，并提高交通效率。
本文檔來自技高網...【技術保護點】
1.基于強化學習圖神經網絡的大型路網多車輛路徑負載均衡方法，其特征在于，包括如下步驟：
2.如權利要求1所述的基于強化學習圖神經網絡的大型路網多車輛路徑負載均衡方法，其特征在于，所述步驟1，包括：
3.如權利要求1所述的基于強化學習圖神經網絡的大型路網多車輛路徑負載均衡方法，其特征在于，所述步驟2，根據地理位置的分散程度選取每個子圖的中心節點，通過計算各節點與中心節點之間的距離，判斷當前節點是否在該中心節點的覆蓋范圍內，以確定子圖的有效范圍；
4.如權利要求1所述的基于強化學習圖神經網絡的大型路網多車輛路徑負載均衡方法，其特征在于，所述步驟3，
5.如權利要求1所述的基于強化學習圖神經網絡的大型路網多車輛路徑負載均衡方法，其特征在于，所述步驟3，
6.如權利要求5所述的基于強化學習圖神經網絡的大型路網多車輛路徑負載均衡方法，其特征在于，
7.如權利要求1所述的基于強化學習圖神經網絡的大型路網多車輛路徑負載均衡方法，其特征在于，所述步驟6，具體實施為：
【技術特征摘要】
1.基于強化學習圖神經網絡的大型路網多車輛路徑負載均衡方法，其特征在于，包括如下步驟：
2.如權利要求1所述的基于強化學習圖神經網絡的大型路網多車輛路徑負載均衡方法，其特征在于，所述步驟1，包括：
3.如權利要求1所述的基于強化學習圖神經網絡的大型路網多車輛路徑負載均衡方法，其特征在于，所述步驟2，根據地理位置的分散程度選取每個子圖的中心節點，通過計算各節點與中心節點之間的距離，判斷當前節點是否在該中心節點的覆蓋范圍內，以確定子圖的有效范圍...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。