一种大规模城市道路交通灯智能控制系统及方法技术方案

本发明专利技术涉及一种大规模城市道路交通灯智能控制系统及方法。所述大规模城市道路交通灯智能控制系统，在采用交通感知端获取城市交通各道路的交通负载信息后，采用搭建有融合脑胶质细胞的脉冲神经网络模型的云脑端，基于交通负载信息生成交通控制信号，然后，采用交通控制端基于交通控制信号控制各道路的交通灯，以能够降低计算功耗，进而解决大规模交通路网交通灯的自适应控制问题。通灯的自适应控制问题。通灯的自适应控制问题。

【技术实现步骤摘要】
一种大规模城市道路交通灯智能控制系统及方法


[0001]本专利技术涉及交通控制
，特别是涉及一种大规模城市道路交通灯智能控制系统及方法。

技术介绍

[0002]在城市交通领域，拥堵问题一直是城市治理的痛点与难点，虽然已有很多智能交通灯的控制方案与系统面世，但大多数都是对单路口或有限个路口的局部交通控制，且路口之间都是分开调控，忽略了道路之间的时空协同或竞争关系，难以做到全局协同最优控制。以基于DRL(深度强化学习)的智能交通灯控制方案为例，采用数据依赖的深度神经网络与强化学习方案，依赖大量的数据去训练网络。对每个路口采用固定组合形式的动作空间，不能高效调度每条道路的车流。由于动作空间是固定的组合，因此随着路网节点的数量增加呈指数级增长，难以构建大规模路网。由于其方法的本质是将外部环境作为一个“黑箱子”，不考虑每条道路之间的耦合与协同关系，路网节点之间的信息交互非常有限，难以做到全局最优控制。

技术实现思路

[0003]为解决现有技术存在的上述问题，本专利技术提供了一种大规模城市道路交通灯智能控制系统及方法。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大规模城市道路交通灯智能控制系统，其特征在于，包括：交通感知端，用于获取城市交通各道路的交通负载信息；云脑端，与所述交通感知端连接，用于基于所述交通负载信息生成交通控制信号；所述云脑端中搭建有融合脑胶质细胞的脉冲神经网络模型；所述融合脑胶质细胞的脉冲神经网络模型是以交通负载信息为输入，以交通控制信号为输出；交通控制端，与所述云脑端连接，用于基于所述交通控制信号控制各道路的交通灯。2.根据权利要求1所述的大规模城市道路交通灯智能控制系统，其特征在于，所述交通感知端包括：多个交通感知子端；每一所述交通感知子端包括：交通感知模块，用于感知各道路的交通负载模拟数据；交通感知驱动模块，与所述交通感知模块连接，用于生成所述交通感知模块的驱动信号，并用于获取所述交通负载模拟数据；交通数据预处理模块，与所述交通感知驱动模块连接，用于对所述交通负载模拟数据进行预处理得到所述交通负载信息。3.根据权利要求1所述的大规模城市道路交通灯智能控制系统，其特征在于，所述云脑端包括：云脑主机接口模块，用于采用无线通信方式分别与所述交通感知端和所述交通控制端连接；云脑主机模块，与所述云脑主机接口模块连接，搭建有融合脑胶质细胞的脉冲神经网络模型，用于获取所述交通负载信息，并采用所述融合脑胶质细胞的脉冲神经网络模型基于所述交通负载信息生成所述交通控制信号。4.根据权利要求1所述的大规模城市道路交通灯智能控制系统，其特征在于，所述交通控制端包括：多个交通控制子端；每一所述交通控制子端包括：交通信号解析模块，与所述云脑端连接，用于解析所述交通控制信号得到交通控制驱动信号；交通控制器驱动模块，与所述交通信号解析模块连接，用于基于所述交通控制驱动信息生成交通控制器信号；交通控制器模块，与所述交通控制器驱动模块连接，用于基于所述交通控制器信号控制各道路的交通灯。5.根据权利要求2所述的大规模城市道路交通灯智能控制系统，其特征在于，所述交通感知模块为摄像头或地磁传感器。6.一种大规模城市道路交通灯智能控制方法，其特征在于，应用于如权利要求1
‑<...

【专利技术属性】
技术研发人员：李盼，吴军芳，刘小壮，董吉，孟美华，范成旺，李高铭，薛欢娜，吕艾芬，谢磷海，满益耒，尚德龙，周玉梅，
申请(专利权)人：中科南京智能技术研究院，
类型：发明
国别省市：