【技术实现步骤摘要】
一种智慧交通管理方法及系统
[0001]本专利技术涉及交通管理
,特别是涉及一种智慧交通管理方法及系统。
技术介绍
[0002]随着经济的快速发展,城市化建设的不断加快,各个方面都面对着较大的压力,尤其是城市交通,随着城市人口及车辆的增多,交通拥堵成为常见现象,交通拥堵带来的影响则如下所示:
[0003]1)增加了通勤的时间,使得可用于工作(生产)的时间减少,而造成驾驶人及该区域经济上的损失。
[0004]2)导致驾驶人感到愤怒及烦躁,增加了他们的压力,而进一步对其健康造成不良影响。
[0005]3)浪费燃料及污染:引擎在塞车时仍不断运转,持续消耗燃料,并且在堵塞的时候,车辆必须不断加速、刹车,增加燃料的耗费,因此交通堵塞不仅浪费能源,也造成空气污染。
[0006]4)造成都会区的生活品质降低,而导致居民大量迁至郊区(即所谓的郊区化)。
[0007]5)难以应变紧急状态:当有紧急需要时,可能因为交通堵塞而难以达到目的地。
[0008]目前,对于城市道路路口红绿灯的控制有2种方式:定时控制和不定时控制,其中,定时控制是指在任何时间都相同的信号周期来控制红绿灯,没有考虑该路口交通流量的实时变化情况,很容易发生拥堵,不定时控制是指在不同的时间段选设定好的不同信号周期来控制红绿灯,如高峰期或非高峰期,这种方式在一定程度上提高道路的通行效率,但道路路况本身比较复杂多变的,这种调控方式还是不够灵活,效果仍然不是很明显,因此如何灵活智能地调控道理红绿灯以提高道路的通行效率成为亟 ...
【技术保护点】
【技术特征摘要】
1.一种智慧交通管理方法,其特征在于,包括:获取历史数据集,并对所述历史数据集按照设定采集周期进行分割,得到若干个分割数据集;基于各所述分割数据集对交通路口分级模型进行训练,得到训练好的所述交通路口分级模型;按照所述设定采集周期获取每个交通路口的实时数据,并基于所述实时数据得到交通数据;基于各所述交通数据和训练好的所述交通路口分级模型对各交通路口进行分级,得到每个交通路口的实时分级结果;基于各所述实时分级结果对每个交通路口进行分类,得到局部最优集和全局最优集;基于所述局部最优集中每个交通路口对应的交通数据和局部神经网络模型,得到所述局部最优集中每个交通路口对应的局部最优控制集;基于各所述局部最优控制集对所述局部最优集中每个交通路口的信号灯进行控制;基于所述全局最优集中每个交通路口对应的交通数据和全局神经网络模型,得到所述全局最优集中每个交通路口对应的全局最优控制集;基于各所述全局最优控制集对所述全局最优集中每个交通路口的信号灯进行控制。2.根据权利要求1所述的智慧交通管理方法,其特征在于,所述获取历史数据集,并对所述历史数据集按照设定采集周期进行分割,得到若干个分割数据集,包括:获取初始历史数据集;所述初始历史数据集包括历史视频数据、历史重要建筑物数据和历史交通路口等级数据;基于所述历史视频数据得到历史交通数据;所述历史数据集包括所述历史交通数据、所述历史重要建筑物数据和所述历史交通路口等级数据;所述历史交通路口等级数据中的交通路口等级包括快速路口、主干路口、次干路口和支路口;对所述历史数据集按照设定采集周期进行分割,得到若干个分割数据集;所述分割数据集包括每个交通路口对应的分割数据。3.根据权利要求2所述的智慧交通管理方法,其特征在于,所述基于各所述分割数据集对交通路口分级模型进行训练,得到训练好的所述交通路口分级模型,包括:将任一所述分割数据集输入所述交通路口分级模型,得到训练每个交通路口的训练分级结果;基于所述训练分级结果对每个交通路口进行分类,得到训练局部最优集和训练全局最优集;基于所述训练局部最优集中每个交通路口对应的分割数据和局部神经网络模型,得到所述训练局部最优集中每个交通路口对应的训练局部最优控制集;基于所述训练全局最优集中每个交通路口对应的分割数据和全局神经网络模型,得到所述训练全局最优集中交通路口对应的训练全局最优控制集;基于各所述训练局部最优控制集和所述训练全局最优控制集进行交通虚拟仿真实验,得到虚拟仿真实验结果;基于所述虚拟仿真实验结果对交通拥挤解决程度进行评价,得到评价结果;基于所述评价结果对所述交通路口分级模型的参数进行调整;
重复执行上述过程对所述交通路口分级模型进行迭代优化,直至达到设定迭代次数或所述评价结果大于设定阈值,得到训练好的所述交通路口分级模型。4.根据权利要求1所述的智慧交通管理方法,其特征在于,所述交通数据包括车流量和滞留量。5.一种智慧交通管理系统,其特征在于,包括:数据获取模块、模型训练模块、若干个边缘...
【专利技术属性】
技术研发人员:叶福平,王磊,
申请(专利权)人:天都卫星应用长春有限公司,
类型:发明
国别省市:
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。