一种基于神经网络的交叉路口交通信号灯控制算法制造技术

本发明专利技术公开了一种基于神经网络的交叉路口交通信号灯控制算法，包括：检测车辆通过路口的行驶速度，加速度，和车流数量估算单车延误时间；根据估算的单车延误时间，得到整个路段的评价指标；根据城市道路等级定义道路评价指标；建立神经网络模型，给出针对路口交通流量的信号灯控制策略，包括：把延误时间、整个路段评价指标、道路评价指标和行人通过时间作为输入变量的输入层，构建为第一神经网络，在第一神经网络中对车辆延误时间和评价指标进行解析，获得表示信号灯控制策略的向量群，以及所述表示信号灯策略的向量群作为控制策略输出，有效解决潮汐车流现象的拥堵问题。

A traffic signal control algorithm based on neural network for intersection

The invention discloses a control algorithm for traffic signal lights at intersections based on neural networks, which includes: detecting the speed, acceleration, and the number of vehicles passing through the intersection to estimate the delay time of a single vehicle; obtaining the evaluation index of the whole section according to the estimated delay time of a single vehicle; and defining the road according to the grade of a city road. Road evaluation index; Establish neural network model, give the signal control strategy for traffic flow at intersection, including: take the delay time, the whole section evaluation index, road evaluation index and pedestrian passing time as input variables, construct the first neural network, in the first neural network for vehicle delay By analyzing the time and evaluation index, the vector group representing the signal lamp control strategy and the vector group representing the signal lamp strategy are obtained as the output of the control strategy to effectively solve the problem of tidal traffic congestion.

【技术实现步骤摘要】
一种基于神经网络的交叉路口交通信号灯控制算法
本专利技术涉及交通信号仿真控制领域，尤其涉及一种基于神经网络的交叉路口信号灯控制算法。
技术介绍
随着城市化进程的不断推进，机动车保有量迅速上升，城市道路拥堵情况日益严重。为保障车辆在城市道路间的正常运行，道路路口的交通信号控制尤其重要。路口的交通信号控制主要通过交通信号控制器来实现。因此，交通信号控制器在日常生活中扮演的角色越来越重要。现有技术中，对路口的交通信号灯的控制通常是按照预设的时间进行控制，并且路口的每一个方向的绿灯通行时间一经设定在运行中是不改变的。这种情况下，道路路口的交通状况千变万化，当某一个方向拥堵或者多个方向拥堵时，该道路路口仍然按照预定的方式进行交通信号灯的控制，不但没有缓解交通状况，反而常常会到导致拥堵越来越严重。尤其在一些城市潮汐车流现象严重，往往存在着一个方向拥堵严重，另一个方向却没什么车子经过，如果依然采用那种定时控制的方法只会使拥堵更加严重。
技术实现思路
本专利技术设计开发了一种基于神经网络的交叉路口交通信号灯控制算法，采用神经网络算法实时控制交通信号灯，有效解决潮汐车流现象的拥堵问题。本专利技术提供的技术方案为：一种基于神经网络的交叉路口交通信号灯控制算法，包括：检测车辆通过路口的行驶速度，加速度，和车流数量估算单车延误时间；根据估算的单车延误时间，得到整个路段的评价指标；根据城市道路等级定义道路评价指标；建立神经网络模型，给出针对路口交通流量的信号灯控制策略，包括：把延误时间、整个路段评价指标、道路评价指标和行人通过时间作为输入变量的输入层，构建为第一神经网络，在第一神经网络中对车辆延误时间和评价指标进行解析，获得表示信号灯控制策略的向量群，以及所述表示信号灯策略的向量群作为控制策略输出。优选的是，所述第一神经网络为三层BP神经网络模型，依次对输入层变量进行规格化，确定三层神经网络的输入层向量X＝{x1,x2,x3}；其中，x1为单车延误时间系数，x2为整个路段评价指标系数，x3为道路评价指标系数；所述输入层向量映射到中间层，所述中间层向量为Y＝{y1,y2,y3,y4…ym}，m为节点个数；输出层向量O＝{o1,o2,o3}，其中，o1为绿灯时长系数，o2为红灯时长系数，o3为左转灯时长系数。优选的是，利用如下公式对输入层变量进行格式化其中，xj为输入层向量中的参数，Yj分别为测量参数T、d、Qa，j＝1,2,3；T为单车延误时间；d为整个路段的评价指标；Qa为道路评价指标；Yjmax和Yjmin分别为相应测量参数中的最大值和最小值。优选的是，所述中间层节点个数计算公式为：其中，m为中间层节点个数，n为输入层节点个数。优选的是，所述信号灯控制时长满足公式：Mlv＝o1·MlvoMred＝o2·MlredoMle＝o3·Mleo其中，Mlv为绿灯调整时长，Mlvo为常规绿灯时长，Mred为红灯调整时长，Mredo为常规红灯时长，Mle为左转灯调整时长，Mleo为常规左转灯时长。优选的是，所述延误时间的计算公式为：其中，T为延误时间，di,j表示第i车辆在第j个路段上的延误时间，lj为第j个路段上的长度，vi,j为车辆实际行驶速度，表示自由流交通状态时车辆期望行驶速度，ai,j为第i个车辆通过路口的加速度，m为通过路口的车流数量。优选的是，所述整个路段评价指标的计算公式为：其中，d为评价指标，βj为影响因子，lj为第j个路段上的长度。本专利技术所述的有益效果本专利技术设计开发了一种基于神经网络的交叉路口交通信号灯控制算法，采用神经网络算法控制交通信号灯，具有自学习和预测功能，使其具有良好的实用性和调整的准确性，有效解决潮汐车流现象的拥堵问题。具体实施方式下面对本专利技术做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。本专利技术提供的基于神经网络的交叉路口交通信号灯控制算法，包括：检测车辆通过路口的行驶速度，加速度，和车流数量估算单车延误时间；延误时间的计算公式为：所述延误时间的计算公式为：其中，T为延误时间，其中，di,j表示第i车辆在第j个路段上的延误时间，lj为第j个路段上的长度，vi,j为车辆实际行驶速度，表示自由流交通状态时车辆期望行驶速度，ai,j为第i个车辆通过路口的加速度，m为通过路口的车流数量。根据估算的单车延误时间，得到整个路段的评价指标；整个路段评价指标的计算公式为：其中，d为评价指标，βj为影响因子，lj为第j个路段上的长度。根据城市道路等级定义道路评价指标；建立神经网络模型，给出针对路口交通流量的信号灯控制策略，包括：把延误时间、整个路段评价指标、道路评价指标和行人通过时间作为输入变量的输入层，构建为第一神经网络，在第一神经网络中对车辆延误时间和评价指标进行解析，获得表示信号灯控制策略的向量群，以及第一神经网络为三层BP神经网络模型，依次对输入层变量进行规格化，确定三层神经网络的输入层向量X＝{x1,x2,x3}；其中，x1为单车延误时间系数，x2为整个路段评价指标系数，x3为道路评价指标系数；所述输入层向量映射到中间层，所述中间层向量为Y＝{y1,y2,y3,y4…ym}，m为节点个数；输出层向量O＝{o1,o2,o3}，其中，o1为绿灯时长系数，o2为红灯时长系数，o3为左转灯时长系数。利用如下公式对单车延误时间格式化其中，tmax为最大单车延误时间，tmin为最小延误时间。中间层节点个数计算公式为：其中，m为中间层节点个数，n为输入层节点个数。表示信号灯策略的向量群作为控制策略输出，信号灯控制时长满足公式：Mlv＝o1·MlvoMred＝o2·MlredoMle＝o3·Mleo其中，Mlv为绿灯调整时长，Mlvo为常规绿灯时长，Mred为红灯调整时长，Mredo为常规红灯时长，Mle为左转灯调整时长，Mleo为常规左转灯时长。实施以于神经网络的交叉路口交通信号灯控制算法的具体工作过程为例，作进一步说明。步骤一、建立BP神经网络模型：本专利技术采用的BP网络体系结构由三层组成，第一层为输入层，共n个节点，对应了表示设备工作状态的n个检测信号，这些信号参数由数据预处理模块给出；第二层为隐层，共m个节点，其中，m为中间层节点个数，n为输入层节点个数，p为输出层节点个数；第三层为输出层，共p个节点，由系统实际需要输出的响应确定。该网络的数学模型为：输入层向量：x＝(x1,x2,…,xn)T中间层向量：y＝(y1,y2,…,ym)T输出层向量：z＝(z1,z2,…,zp)T本专利技术中，输入层节点数为n＝3，输出层节点数为p＝3；隐藏层节点数m由下式估算得出：按照采样周期，输入的3个参数为，x1为单车延误时间系数，x2为整个路段评价指标系数，x3为道路评价指标系数；由于传感器获取的数据属于不同的物理量，其量纲各不相同。因此，在数据输入神经网络之前，需要将数据规格化为0-1之间的数。具体而言，对于单车延误时间T，进行规格化后，得到单车延误时间系数x1：其中，Tmin和Tmax分别为采样周期内的最短时间和最长时间。同样的，对于整个路段评价指标d，进行规格化后，得到整个路段评价指标系数x2：其中，dmin和dmax分别为整个路段评价指标的最小值和最大值。同样的，对于道路评价指标Qa，进行规格化后，得到道路评价指标本文档来自技高网...

【技术保护点】
1.一种基于神经网络的交叉路口交通信号灯控制算法，其特征于，包括：检测车辆通过路口的行驶速度，加速度，和车流数量估算单车延误时间；根据估算的单车延误时间，得到整个路段的评价指标；根据城市道路等级定义道路评价指标；建立神经网络模型，给出针对路口交通流量的信号灯控制策略，包括：把延误时间、整个路段评价指标、道路评价指标和行人通过时间作为输入变量的输入层，构建为第一神经网络，在第一神经网络中对车辆延误时间和评价指标进行解析，获得表示信号灯控制策略的向量群，以及所述表示信号灯策略的向量群作为控制策略输出。

【技术特征摘要】
1.一种基于神经网络的交叉路口交通信号灯控制算法，其特征于，包括：检测车辆通过路口的行驶速度，加速度，和车流数量估算单车延误时间；根据估算的单车延误时间，得到整个路段的评价指标；根据城市道路等级定义道路评价指标；建立神经网络模型，给出针对路口交通流量的信号灯控制策略，包括：把延误时间、整个路段评价指标、道路评价指标和行人通过时间作为输入变量的输入层，构建为第一神经网络，在第一神经网络中对车辆延误时间和评价指标进行解析，获得表示信号灯控制策略的向量群，以及所述表示信号灯策略的向量群作为控制策略输出。2.根据权利要求1所述的基于神经网络的交叉路口交通信号灯控制算法，其特征于，所述第一神经网络为三层BP神经网络模型，依次对输入层变量进行规格化，确定三层神经网络的输入层向量X＝{x1,x2,x3}；其中，x1为单车延误时间系数，x2为整个路段评价指标系数，x3为道路评价指标系数；所述输入层向量映射到中间层，所述中间层向量为Y＝{y1,y2,y3,y4···ym}，m为节点个数；输出层向量O＝{o1,o2,o3}，其中，o1为绿灯时长系数，o2为红灯时长系数，o3为左转灯时长系数。3.根据权利要求2所述的基于神经网络的交叉路口交通信号灯控制算法，其特征在于，利用如下公式对输入层变量进行格式化其中，xj为输入层向量中的参数，Yj分别为测量参数T...

【专利技术属性】
技术研发人员：魏丹，张忠洋，唐阳山，张兆飞，
申请(专利权)人：辽宁工业大学，
类型：发明
国别省市：辽宁,21