本發(fā)明涉及高校創(chuàng)業(yè)模擬交通控制，具體為一種高校創(chuàng)業(yè)模擬交通控制方法及系統(tǒng)。

背景技術(shù)：

1、在高校創(chuàng)業(yè)模擬交通控制領(lǐng)域，早期研究多聚焦于單一維度的數(shù)據(jù)反饋，例如通過車流量檢測調(diào)整信號周期或利用歷史數(shù)據(jù)預(yù)測短期交通流變化。隨著技術(shù)演進(jìn)，部分學(xué)者嘗試引入機(jī)器學(xué)習(xí)模型，但此類方法仍局限于靜態(tài)特征融合，無法有效捕捉交通參與者的動態(tài)交互關(guān)系?，F(xiàn)有虛實(shí)結(jié)合訓(xùn)練框架雖能實(shí)現(xiàn)基礎(chǔ)策略優(yōu)化，但受限于單向反饋機(jī)制與靜態(tài)場景適配規(guī)則，導(dǎo)致實(shí)際應(yīng)用中頻繁出現(xiàn)相位沖突、響應(yīng)滯后等問題。

技術(shù)實(shí)現(xiàn)思路

1、為實(shí)現(xiàn)以上目的，本發(fā)明通過以下技術(shù)方案予以實(shí)現(xiàn)：一種高校創(chuàng)業(yè)模擬交通控制系統(tǒng)，包括：

2、交通感知基座模塊，通過多維特征場融合將交通參與者動態(tài)關(guān)系、信號控制時序約束及環(huán)境突變因子編碼為三維狀態(tài)張量；

3、策略核動態(tài)重組模塊，通過跨場景策略表提取的元策略核與實(shí)時生成的動態(tài)權(quán)重矩陣進(jìn)行張量收縮融合；

4、雙環(huán)反饋優(yōu)化模塊，第一環(huán)通過虛擬環(huán)境中的策略軌跡反演生成對抗性擾動訓(xùn)練，第二環(huán)將實(shí)際路測數(shù)據(jù)與虛擬策略表進(jìn)行最優(yōu)傳輸匹配，并通過策略熵動態(tài)調(diào)節(jié)虛實(shí)知識遷移強(qiáng)度；

5、感知裂縫修補(bǔ)模塊，當(dāng)檢測到未見場景模式時，將當(dāng)前策略解構(gòu)為基本操作單元并通過交通流守恒驗(yàn)證進(jìn)行重組篩選，篩選后的操作單元注入元策略表形成記憶增強(qiáng)型策略生長體系；

6、控制執(zhí)行模塊，將操作單元轉(zhuǎn)換為相位控制指令并反饋執(zhí)行數(shù)據(jù)至三維狀態(tài)張量的更新。

7、交通感知基座作為整個系統(tǒng)的基礎(chǔ)，其構(gòu)建始于多維特征場融合；對交通參與者動態(tài)關(guān)系進(jìn)行采集，涵蓋車輛軌跡、行人移動特征及非機(jī)動車行為數(shù)據(jù)；利用時空圖卷積以交通參與者為節(jié)點(diǎn)，構(gòu)建節(jié)點(diǎn)間的交互矩陣，例如，將相鄰車輛的相對速度、距離等信息作為邊的權(quán)重，通過圖卷積操作，得到動態(tài)關(guān)系場的初步表示；同時提取交叉口信號控制參數(shù)，包括相位配時方案、周期時序及過渡態(tài)沖突點(diǎn)；將相位切換的時序依賴性量化為一組序列數(shù)據(jù)，沿時間維度壓縮為時序控制場；例如，設(shè)定一個周期內(nèi)各相位的持續(xù)時間和切換順序，形成時序控制場的向量表示。

8、環(huán)境突變因子的整合則通過多模態(tài)融合實(shí)現(xiàn)，將實(shí)時天氣、突發(fā)事件及道路異常狀態(tài)量化為概率分布；結(jié)合歷史道路場景生成環(huán)境擾動向量，沿第三維度映射為突變因子場；例如，將暴雨天氣導(dǎo)致的路面濕滑程度量化為一個概率值，作為突變因子場的一個維度；在融合過程中，運(yùn)用交通流守恒定律構(gòu)造非線性融合算子；動態(tài)關(guān)系場與突變因子場經(jīng)特征對齊處理后，實(shí)現(xiàn)空間關(guān)聯(lián)；時序控制場經(jīng)相位同步約束調(diào)整后，與動態(tài)交互矩陣進(jìn)行張量積運(yùn)算；最終通過物理約束驅(qū)動的特征重組生成三維狀態(tài)張量，其維度分別為動態(tài)關(guān)系場、時序控制場和突變因子場，各維度大小根據(jù)實(shí)際交通場景的復(fù)雜程度確定，如動態(tài)關(guān)系場維度設(shè)為[10×10]，表示10個交通參與者間的交互關(guān)系，時序控制場維度為[1×20]，表示一個周期內(nèi)20個時刻的信號控制狀態(tài)，突變因子場維度為[5×1]，表示5種環(huán)境突變情況的概率。

9、策略核動態(tài)重組機(jī)制的核心在于跨場景策略表提取的元策略核與實(shí)時生成的動態(tài)權(quán)重矩陣的張量收縮融合；元策略核從歷史交通場景數(shù)據(jù)中提取，涵蓋不同場景下的有效控制策略；例如，從早高峰、晚高峰及特殊活動場景等多場景數(shù)據(jù)中，通過聚類分析等方法提取具有代表性的策略核。

10、動態(tài)權(quán)重矩陣的生成受交通流狀態(tài)差驅(qū)動的微分方程約束，首先從三維狀態(tài)張量中實(shí)時提取特征，構(gòu)建包含流量均衡偏差、密度波動方差及速度場散度的狀態(tài)差特征向量；例如，流量均衡偏差表示為：，其中，n為交通路段數(shù)量，為第i條路段的流量，為平均流量；將該特征向量輸入由交通流守恒定律構(gòu)造的微分方程，其中微分方程為：，其中，w為動態(tài)權(quán)重矩陣，k為常數(shù)，δ為狀態(tài)差特征向量；通過狀態(tài)差驅(qū)動的梯度演化實(shí)時計(jì)算權(quán)重基矩陣的更新量，微分方程的系數(shù)矩陣由三維狀態(tài)張量中時序控制場的相位同步約束動態(tài)調(diào)整，確保權(quán)重矩陣的總復(fù)雜度保持恒定；將更新后的權(quán)重基矩陣與實(shí)時交通模式識別的場景適配系數(shù)進(jìn)行張量縮并；場景適配系數(shù)通過突變因子場的擾動概率分布與跨場景策略表反演生成的對抗誤差聯(lián)合標(biāo)定，從而得到最終的融合策略。

11、雙環(huán)反饋進(jìn)化機(jī)制包含第一環(huán)和第二環(huán)，第一環(huán)在虛擬環(huán)境中基于三維狀態(tài)張量重構(gòu)交通參與者動態(tài)關(guān)系場與信號控制時序場；通過策略軌跡反演生成包含相位切換沖突、突發(fā)擁堵及異常行為的對抗性擾動序列；例如，模擬一個車輛突然違規(guī)變道導(dǎo)致的局部擁堵場景，生成相應(yīng)的擾動序列；利用時空卷積核在策略核動態(tài)重組過程中注入多尺度噪聲擾動，形成具有交通流守恒特性的對抗訓(xùn)練梯度。

12、第二環(huán)同步采集實(shí)際路測中動態(tài)關(guān)系場的節(jié)點(diǎn)交互強(qiáng)度分布及信號控制時序場的執(zhí)行誤差向量，將其映射為最優(yōu)傳輸中的源域與目標(biāo)域概率分布；通過策略熵加權(quán)計(jì)算跨場景策略表與實(shí)際路測數(shù)據(jù)間的耦合矩陣，其中策略熵根據(jù)突變因子場的擾動概率動態(tài)調(diào)節(jié)虛實(shí)知識遷移的帶寬閾值；第一環(huán)第二環(huán)通過策略核的物理約束實(shí)現(xiàn)雙向耦合，第一環(huán)將對抗訓(xùn)練產(chǎn)生的策略擾動梯度嵌入第二環(huán)的最優(yōu)傳輸距離度量空間，第二環(huán)將實(shí)際場景中相位同步約束條件反向傳播至虛擬策略軌跡反演過程，實(shí)現(xiàn)虛實(shí)場景的校準(zhǔn)。

13、當(dāng)檢測到未見場景模式時，將當(dāng)前控制策略沿三維狀態(tài)張量的物理約束維度解構(gòu)為基本操作單元，包括動態(tài)關(guān)系場的節(jié)點(diǎn)交互參數(shù)、時序控制場的相位同步函數(shù)及突變因子場的擾動響應(yīng)閾值；通過交通流守恒驗(yàn)證篩選操作單元，構(gòu)建流量均衡偏差與密度波動方差的守恒驗(yàn)證矩陣，計(jì)算各操作單元在突變因子場擾動概率下的執(zhí)行誤差，篩選出滿足交通流守恒定律且相位同步誤差低于設(shè)定閾值的有效單元；例如，對于一個未見的交通事故場景，解構(gòu)當(dāng)前策略，篩選出在該場景下仍能有效維持交通流守恒的操作單元。

14、將驗(yàn)證通過的單元注入元策略表時，基于動態(tài)認(rèn)知拓?fù)溥M(jìn)行重組優(yōu)化；依據(jù)三維狀態(tài)張量中時序控制場的周期時序約束與突變因子場的環(huán)境擾動向量，建立操作單元間的參數(shù)共享關(guān)聯(lián)度，并通過相位同步約束調(diào)整操作單元間的耦合強(qiáng)度；最終在策略重構(gòu)過程中強(qiáng)制約束動態(tài)關(guān)系場的拓?fù)溥B接與時序控制場的沖突點(diǎn)消除條件，利用動態(tài)權(quán)重矩陣評估重組策略的場景適配度，選取符合交通流守恒邊界的最優(yōu)策略組合注入記憶增強(qiáng)型策略生長體系，實(shí)現(xiàn)修補(bǔ)后策略在參數(shù)共享與場景適配間的自平衡，其中交通流守恒邊界是基于交通流守恒定律所確定的一個約束邊界或參考標(biāo)準(zhǔn)。

15、本發(fā)明提供了一種高校創(chuàng)業(yè)模擬交通控制方法及系統(tǒng)，具備以下有益效果：

16、本發(fā)明通過交通參與者動態(tài)關(guān)系、信號時序控制及環(huán)境突變因子的統(tǒng)一建模，解決了異構(gòu)數(shù)據(jù)時空關(guān)聯(lián)性缺失的問題，提高了復(fù)雜交通場景的全局狀態(tài)表征精度與控制策略的物理一致性。

17、本發(fā)明通過第一環(huán)虛擬對抗訓(xùn)練與第二環(huán)虛實(shí)最優(yōu)傳輸匹配，實(shí)現(xiàn)了策略在動態(tài)擾動下的梯度演化和跨場景知識遷移，使其控制策略在突發(fā)擁堵、相位沖突等異常場景中的自適應(yīng)能力與泛化性能得到優(yōu)化。

18、本發(fā)明通過感知裂縫修補(bǔ)模塊的策略解構(gòu)與動態(tài)認(rèn)知拓?fù)渲亟M，實(shí)現(xiàn)了未見場景下策略單元的快速篩選與記憶增強(qiáng)型策略生長，解決了依賴預(yù)定義規(guī)則導(dǎo)致的響應(yīng)滯后問題，提高了復(fù)雜天氣、道路異常等突發(fā)擾動下的策略決策效率與系統(tǒng)容錯性。