【技术实现步骤摘要】
基于深度学习的行人流量动态控制系统及方法
本专利技术涉及城市交通信号控制
，具体是基于深度学习的行人流量动态控制系统及方法。
技术介绍
随着我国交通体系的发展与进步，行人出行的便捷与安全日益受到关注；控制人口密集区域的人流流动对于公安等相关部门保障人民安全起着不可忽视的作用；同时，为了在城市道路交通中有效减少闯红灯等违法违规行为导致的交通隐患；我们必须合理调整道路信号灯的通行时间，控制道路行人流速，减少隐患产生；现有交通信号控制方法中存在以下问题：一是控制方式固定单一，时间利用率低下；二是行人主动切换信号不定时不规律的切换，可能会导致车辆的拥堵现象的产生。
技术实现思路
本专利技术提供基于深度学习的行人流量动态控制系统及方法，可以有效解决上述
技术介绍
中提出的问题。本专利技术所采取的技术方案是：基于深度学习的行人流量动态控制系统，包括LSTM模型、目标检测模型以及决策模型，其特征在于，所述LSTM模型、目标检测模型分别与决策模型数据传输连接；所述LSTM模型包括遗忘门、输入门、状态存储单元、输...
【技术保护点】
1.基于深度学习的行人流量动态控制系统，包括LSTM模型、目标检测模型以及决策模型，其特征在于，所述LSTM模型、目标检测模型分别与决策模型数据传输连接；所述LSTM模型包括遗忘门、输入门、状态存储单元、输出门，且遗忘门、输入门、状态存储单元、输出门依次处理并传输数据；所述LSTM模型、目标检测模型与数据输入组件并联传输连接；所述决策模型汇总连接LSTM模型、目标检测模型；所述决策模型与信号输出组件数据传输连接，且信号输出组件与信号灯电性连接。/n
【技术特征摘要】
1.基于深度学习的行人流量动态控制系统，包括LSTM模型、目标检测模型以及决策模型，其特征在于，所述LSTM模型、目标检测模型分别与决策模型数据传输连接；所述LSTM模型包括遗忘门、输入门、状态存储单元、输出门，且遗忘门、输入门、状态存储单元、输出门依次处理并传输数据；所述LSTM模型、目标检测模型与数据输入组件并联传输连接；所述决策模型汇总连接LSTM模型、目标检测模型；所述决策模型与信号输出组件数据传输连接，且信号输出组件与信号灯电性连接。
2.根据权利要求1所述的基于深度学习的行人流量动态控制系统及方法，其方法于，目标检测算法模型采用基于在MobileNet和SSD的基础上改进的MobileNet-SSD模型。
3.根据权利要求1所述的基于深度学习的行人流量动态控制系统，其特征在于，所述遗忘门从细胞状态中丢弃掉无用信息数据：
。
4.根据权利要求1所述的基于深度学习的行人流量动态控制系统，其特征在于，所述输入门在单元状态中存储有效的新信息数据:
。
5.根据权利要求1所述的基于深度学习的行人流量动态控制系统，其特征在于，所述状态存储单元将过去与现在记录的信息数据进行合并：
。
6.根据权利要求1所述的基于深度学习的行人流量动态控制系统，其特征在于，所述输出门选择要输出的结果：
。
7.根据权利要求3-6所述的基于深度学习的行人流量动态控制系统，其特征在于，表示sigmoid激活函数函数，*表示元素对应相乘；为t时刻的输入值，分别为权值矩阵，分别为偏值；为输入门，用来控制当前输入的信息哪些要...
【专利技术属性】
技术研发人员：赵庶旭，韦萍，门士尧，曹沈阳，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：甘肃;62
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。