交通灯配时优化方法、系统及存储介质技术方案

本发明专利技术公开了交通灯配时优化方法、系统及存储介质，通过将路口的历史车辆数据输入交通灯配时优化模型中，得到历史车辆数据对应的初步调控动作；计算并根据交通灯各个相位对应方向的车道压力确定历史车辆数据对应的辅助调控动作；再根据初步调控动作和辅助调控动作确定历史车辆数据对应的最优调控动作，使用最优调控动作对历史车辆数据进行标记，使用标记后的历史车辆数据对交通灯配时优化模型进行再次训练，获取交通灯各个相位对应方向的实时车辆数据，将实时车辆数据输入再次训练好的交通灯配时优化模型中，得到交通灯实时最优控制动作。通过路口的车道压力对交通灯配时优化模型进行辅助训练，使得该模型制定动作能有效缓解路口拥堵车道压力。

【技术实现步骤摘要】
交通灯配时优化方法、系统及存储介质
本专利技术涉及交通控制领域，尤其涉及交通灯配时优化方法、系统及存储介质。
技术介绍
随着城市化进程的不断加快，人们的生活质量越来越好，车辆已早已成为人们的必备出行工具。随之而来的是源源不断的交通拥堵问题，交通拥堵所带来的成本也在不断提高。因此采取有效的技术手段来减少交通拥堵显得尤为重要。现有的交通灯控制技术大多采用定时控制和自适应控制，即把相位的持续绿灯时长均分为相等的时段来进行控制，然而真实的交通环境在实时的变化，且路口各个路道之间的车辆拥堵程度也不一样(即各个车道压力存在差异)，如果采用各个相位的持续绿灯时长相等的控制方式进行控制，必然会导致拥堵路道(即车道压力大的路道)上的车辆过路口时等待时间过长，显然，现有的交通灯控制技术已经不能满足实际的路口场景需求。因此，如何解决现有的交通灯控制方法由于并未考量各个车道压力对车辆等待时长的影响，导致拥堵路道(即车道压力大的路道)上的车辆过路口等待时间过长的问题。
技术实现思路
本专利技术提供了交通灯配时优化方法、系统及存储介质，本文档来自技高网...

【技术保护点】
1.一种交通灯配时优化方法，其特征在于，包括以下步骤：/n获取路口的交通灯各个相位对应方向的历史车辆数据，将所述历史车辆数据输入预先训练好的交通灯配时优化模型中，得到所述历史车辆数据对应的交通灯配时优化的初步调控动作；/n获取所述路口的交通灯各个相位对应方向的车道压力，并根据所述车道压力确定所述历史车辆数据对应的交通灯配时的辅助调控动作；/n根据所述初步调控动作和辅助调控动作确定所述历史车辆数据对应的交通灯配时最优调控动作，使用所述最优调控动作对所述历史车辆数据进行标记，使用标记后的历史车辆数据对所述交通灯配时优化模型进行再次训练；/n获取所述路口的交通灯各个相位对应方向的实时车辆数据，将所述...

【技术特征摘要】
1.一种交通灯配时优化方法，其特征在于，包括以下步骤：
获取路口的交通灯各个相位对应方向的历史车辆数据，将所述历史车辆数据输入预先训练好的交通灯配时优化模型中，得到所述历史车辆数据对应的交通灯配时优化的初步调控动作；
获取所述路口的交通灯各个相位对应方向的车道压力，并根据所述车道压力确定所述历史车辆数据对应的交通灯配时的辅助调控动作；
根据所述初步调控动作和辅助调控动作确定所述历史车辆数据对应的交通灯配时最优调控动作，使用所述最优调控动作对所述历史车辆数据进行标记，使用标记后的历史车辆数据对所述交通灯配时优化模型进行再次训练；
获取所述路口的交通灯各个相位对应方向的实时车辆数据，将所述实时车辆数据输入至再次训练好的交通灯配时优化模型中，得到所述路口的交通灯实时最优控制动作。


2.根据权利要求1所述的交通灯配时优化方法，其特征在于，获取所述路口的交通灯各个相位对应方向的车道压力，通过以下公式计算得到：
pt1＝northInt+northOutt+southInt+southOutt
pt2＝southInt+eastOutt+northInt+westOutt
pt3＝eastInt+eastOutt+westInt+westOutt
pt4＝eastInt+northOutt+westInt+southOutt
其中：pt1、pt2、pt3、pt4分别表示相位1、相位2、相位3和相位4对应方向的车道压力，northInt,southInt,eastInt,westInt分别表示t时刻北侧、南侧、东侧和西侧进入路口方向的车道压力，northOutt,southOutt,eastOutt,westOutt分别表示t时刻北侧、南侧、东侧和西侧方向离开路口的车道压力。


3.根据权利要求1所述的交通灯配时优化方法，其特征在于，根据所述车道压力确定所述历史车辆数据对应的交通灯配时的辅助调控动作，具体为：
对各个相位对应方向的车道压力进行排序，获取最大车道压力和最小车道压力，将最大车道压力对应相位的持续时间加N秒，将最小车道压力对应相位的持续时间减N秒。


4.根据权利要求1-3中任意一项所述的交通灯配时优化方法，其特征在于，根据所述初步调控动作和辅助调控动作确定所述历史车辆数据对应的交通灯配时最优调控动作，具体包括以下步骤：
比较所述初步调控动作和所述辅助调控动作，若所述初步调控动作和所述辅助调控动作一致，则将所述初步调控动作作为最优调控动作；若所述初步调控动作和所述辅助调控动作不一致，则将所述初步调控动作的各相位的调控动作与辅助调控动作对应相位的调控动作求并集，得到最优调控动作。


5.根据权利要求1所述的交通灯配时优化方法，其特征在于，所述交通灯配时优化模型为Q-Learn深度卷积神经网络模型，所述交通灯配时优化模型以路口的路口状态作为模型输入，以路口平均等待时间最少为优化目标，以路口的交通灯对应的各个相位持续时间为动作，所述交通灯配时优化模型的中间层包含卷积层、池化层以及全连接层，卷积层负责提取关键的信息，池化层负责过滤次要的信息，全连接层负责把卷积层和池化层提取的所有特征综合到一起并映射到输出层，输出层为每个动作打分，并输出Q值最大的动作。


6.根据权利要求5所述的交通灯配时优化方法，其特征在于，路口状态为：
st＝(Pt,Vt)



其中，Pt，Vt分别表示t时刻路口的车辆的位置矩阵和速度矩阵，xiyk表示路口内划分的第i行第k列的单元格，其中，i＝1,2,...,n，n为行数，k＝1,2,...,m，m为列...

【专利技术属性】
技术研发人员：王斌，甘海洋，盛津芳，何正坤，
申请(专利权)人：中南大学，禾麦科技开发深圳有限公司，
类型：发明
国别省市：湖南;43