基于深度学习的交通信号灯调控方法、设备及介质技术

本申请提供了一种基于深度学习的交通信号灯调控方法、设备及介质，涉及交通控制技术领域。该交通信号灯调控方法包括：确定交通信号灯的相位信息，利用预设算法和雷达获取所述相位信息对应的车辆信息，相位信息包括用于指示车辆通行的当前相位和下一相位，预设算法包括基于深度学习算法的目标检测算法和目标追踪算法，车辆信息包括车辆数量、车辆类型；根据车辆信息满足的条件确定当前相位对应的相位时长，条件包括相位优化条件、交通流不均匀条件中的任一种。本申请实施例能够获取车流量的实际数据，根据该实际数据灵活调整相位时长，有效避免交通拥堵，提升交通流畅度和提高通行效率。

【技术实现步骤摘要】

本申请涉及交通控制，具体而言，本申请涉及一种基于深度学习的交通信号灯调控方法、设备及介质。

技术介绍

1、目前，随着人们生活水平的提高，汽车成为人们主要的代步工具，由于汽车的使用越来越多，很多车流量大的路口容易造成堵塞。经常会看到红灯一边的道路上汽车排着长长的队，绿灯一边无汽车通行，虽然这种路口安装有信号灯，但是由于这种信号灯的相位时长固定，难以有效适应路口的实际车流量，所以容易出现车流量大的车道严重堵塞，其他车道无车通行，导致交通拥堵，降低交通流畅度和通行效率。

技术实现思路

1、本申请实施例提供了一种基于深度学习的交通信号灯调控方法、设备及介质，可以解决现有交通信号灯的相位时长固定，不能适应实际车流量，容易出现交通拥堵，交通流畅差，通行效率低的问题。为了实现该目的，本申请实施例提供了如下几个方案。

2、根据本申请实施例的一个方面，提供了一种基于深度学习的交通信号灯调控方法，所述方法，包括：

3、确定交通信号灯的相位信息，利用预设算法和雷达获取所述相位信息对应的车辆信息，所述相位信息本文档来自技高网...

【技术保护点】

1.一种基于深度学习的交通信号灯调控方法，其特征在于，所述方法，包括：

2.根据权利要求1所述的基于深度学习的交通信号灯调控方法，其特征在于，所述深度学习算法包括YOLOv5算法、DeepSORT算法，所述预设算法的获取，包括：

3.根据权利要求1所述的基于深度学习的交通信号灯调控方法，其特征在于，所述利用预设算法和雷达获取所述相位信息对应的车辆信息，包括：

4.根据权利要求1所述的基于深度学习的交通信号灯调控方法，其特征在于，所述条件为相位优化条件，所述根据所述车辆信息满足的条件确定当前相位对应的相位时长，包括：

5.根据权利要求1所述的...

【技术特征摘要】

1.一种基于深度学习的交通信号灯调控方法，其特征在于，所述方法，包括：

2.根据权利要求1所述的基于深度学习的交通信号灯调控方法，其特征在于，所述深度学习算法包括yolov5算法、deepsort算法，所述预设算法的获取，包括：

3.根据权利要求1所述的基于深度学习的交通信号灯调控方法，其特征在于，所述利用预设算法和雷达获取所述相位信息对应的车辆信息，包括：

4.根据权利要求1所述的基于深度学习的交通信号灯调控方法，其特征在于，所述条件为相位优化条件，所述根据所述车辆信息满足的条件确定当前相位对应的相位时长，包括：

5.根据权利要求1所述的基于深度学习的交通信号灯调控方法，其特征在于，所述条件为交通流不均匀条件，所述...

【专利技术属性】
技术研发人员：张凯龙，丘钰霞，
申请(专利权)人：广州元沣智能科技有限公司，
类型：发明
国别省市：