江西通慧科技集团股份有限公司

本发明提供一种基于雷视一体机与AI算法的交通优化评估方法及系统，该方法包括：对多源异构感知数据进行数据预处理生成高精度融合轨迹集；根据路网文件、流量文件与仿真配置文件构建SUMO仿真环境；将高精度融合轨迹集导入SUMO仿真环境；在每个控制决策时，从雷视一体机或SUMO仿真环境中读取并构建状态向量，根据不同场景与时段的交通需求选择信控方案，生成信控策略；构建待评估方案集合，针对每个待评估方案，在相同路网、相同交通需求与相同评估区间条件下运行SUMO仿真，采集仿真输出结果，计算交通效率指标、交通安全与排放评估指标，以获得不同方案间的对比分析结果。本发明提供比单一视觉或雷达更完整的交通流数据。

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。