一种基于强化学习的信号配时优化方法及系统

本发明提供了一种基于强化学习的信号配时优化方法及系统，方法包括通过雷视一体机采集交叉口多模态交通数据，对数据进行异常检验与插补修补，得到标准化交通流数据；构建以编码器‑解码器为主干、包含多尺度时空图卷积网络与双重不确定性量化模块的AI交通流预测模型，输出未来信号周期的相位级流量预测值、排队长度预测值及其置信度区间；设计多目标导向的强化学习智能体，包含场景判定模块、分层复合动作空间及动态权重调整的奖励函数，并在预设约束条件下生成最优信号配时方案。本发明实现了信号配时从被动响应到主动预见的转变，有效应对交通流突变、过饱和排队及恶劣天气等复杂场景，显著提升交叉口通行效率与运行安全。