本發(fā)明公開了一種基于強化學習與動態(tài)配時的交通信號燈控制系統(tǒng)及方法，首先對十字路口進行建模，分別定義強化學習三要素state，reward，action；然后依據(jù)強化學習A2C算法構建策略網(wǎng)絡和評估網(wǎng)絡；最后收集路口實時信息，轉化為state向量后輸入到構建的策略網(wǎng)絡和評估網(wǎng)絡，輸出action概率分布，系統(tǒng)根據(jù)action概率分布選擇最合適的相位；決定相位后，接下來的一段時間就屬于該相位的綠燈時間；由自適應定時控制器構成的動態(tài)配時模塊根據(jù)實時的交通流信息，以最大化綠燈時間利用為目標，動態(tài)控制綠燈時間；當檢測到綠燈時間的損失，就終止當前相位。本發(fā)明克服了固定分配交通燈時長而導致綠燈利用率不高的缺陷，減少了車輛的平均等待時間和二氧化碳等有害氣體的排放。