多头注意力强化学习：车辆轨迹与交通信号分区联合优化

来源：计算机工程与应用杂志2026年第12期北京时间：

作者：蒋贤才, 付佳文

单位：东北林业大学 土木与交通学院，哈尔滨 150040；

摘要：混合交通环境中智能网联车辆与信号控制的联合优化易受人工驾驶车辆（human driven vehicles，HDVs）干扰。为此，将多车与信号协同建模为分布式部分可观测马尔可夫决策过程，结合自编码器与注意力机制处理状态特征，提出匹配式动作空间，并设计了引导编队、考虑安全、效率和舒适性的奖励体系。构建了基于深度强化学习的车辆轨迹与交通信号分区联合优化（joint optimization of vehicle trajectory and traffic signal partitioning based on deep reinforcement learning，JO-VTPR）模型，并采用集中式训练-分布式执行的多智能体柔性演员-评论家算法求解。仿真结果表明，JO-VTPR模型设计的奖励引导机制有效耦合了智能体动作；在40%、60%、80%渗透率下，与基准方案相比，其使车辆平均速度提高22.30%~26.86%，使车辆平均加速度变化率减少40.46%~57.03%；与同类方法相比，该模型更适合应对HDV干扰较大的混合交通环境，同时消融实验验证了所提改进模块的有效性。

关键词：多智能体强化学习,分区联合优化,自动驾驶,轨迹控制

基金资助：黑龙江省自然科学基金（PL2024E012）。