文献类型：专利

中文题名：一种基于神经符号系统与强化学习的交通信号灯控制方法

作者：戴铭[1];洪思婷[1];符婷[1];刘鹏基[1];黄晨[1];杨斯淇[1];黄绮婷[1];

机构：[1]广东海洋大学;

专利类型：发明专利

申请号：CN202510495235.0

申请日：20250421

申请人地址：524088 广东省湛江市麻章区海大路1号广东海洋大学

公开日：20250516

代理人：王小蓓

代理机构：苏州和氏璧知识产权代理事务所(普通合伙) 32390

语种：中文

中文关键词：神经;符号系统;强化学习;交通信号灯控制;摄像头;地磁传感器;GPS;实时获取;车辆数据;气象传感器;采集;天气信息;服务器;工作日;周末;高峰时段;信号灯控制器;信号灯信息;卷积;神经网络处理;摄像头视频;输出;车道;实时车辆;密度;速度分布;数据构建;交通流;特征向量;映射

中文摘要：本发明公开了一种基于神经符号系统与强化学习的交通信号灯控制方法，包括：步骤S1，通过摄像头、地磁传感器和GPS实时获取车辆数据，通过气象传感器采集天气信息，通过服务器获得工作日、周末及高峰时段标识，同时通过信号灯控制器获得信号灯信息；步骤S2，采用卷积神经网络处理摄像头视频流，输出各车道的实时车辆密度、速度分布，并利用传感器数据构建交通流特征向量；步骤S3，采用神经符号系统将深度学习特征映射为可解释的交通规则，结合交通法规生成约束条件。本发明通过融合深度学习的感知能力、符号逻辑的可解释性和强化学习的动态优化能力，提升了交通信号灯控制的透明性和实时适应性。