[發明專利]一種基于神經網絡的交通信號智能調節方法

有效

• 申請號: 202011296678.0
• 申請日: 2020-11-18
• 公開（公告）號: CN112489453B
• 公開（公告）日: 2022-03-29
• 發明（設計）人: 謝偉;張躍;胡興;宋冕冕;武永濤;何焜;許鵬;劉云龍;高軍;聞號;李航;洪汛;孫雪永
• 申請（專利權）人: 安徽四創電子股份有限公司
• 主分類號: G08G1/07
• 分類號: G08G1/07;G06N3/08;G06N3/04
• 代理公司: 北京和信華成知識產權代理事務所(普通合伙) 11390
• 代理人: 胡闊雷

1.一種基于神經網絡的交通信號智能調節方法，其特征在于，該方法具體包括下述步驟：

步驟一：訓練機器學習模型，具體包括：

S1：以路口的四個卡口點位為基礎，分別再選取四條支路距離路口最近的非路口卡口；

S2：設置時間窗口大小為10秒，滑動間隔時間Δt＝10秒聚合選取點位的過車數據；

S3：選取多層神經網絡為訓練模型；

S4：選取Adam為隨機梯度下降優化算法，選取Mse為損失函數編譯網絡；

S5：使用Xavier初始化權值，ReLU函數作為激活函數訓練網絡；

S6：調整中間層層數和中間層網絡節點的數量，使用評價網絡評價預測結果，選擇效果最佳的層數和節點數量為最終模型的參數；

步驟二：動態調整，具體包括：

K1：根據實際的過車數量動態調整滑動窗口的時間間隔；

K2：兩套預測模型同時運行，主模型參數保持不變，輔助預測模型每次參數動態調整，使用評價網絡對主輔預測模型進行預測結果評價，選取最優解更新主模型。

2.根據權利要求1所述的一種基于神經網絡的交通信號智能調節方法，其特征在于，S1中所述以路口的四個方向的實地卡口點位為基礎，分別再選取四條支路距離路口最近的非路口實地卡口，若沒有非路口的實地卡口，則使用虛擬卡口，或者路邊普通攝像頭接入視頻結構化算法代替。

3.根據權利要求1所述的一種基于神經網絡的交通信號智能調節方法，其特征在于，統計過車數據采用的是流處理框架的滑動窗口。

4.根據權利要求1所述的一種基于神經網絡的交通信號智能調節方法，其特征在于，S2中的選取多層神經網絡為訓練模型，選擇五層神經網絡為初始化訓練模型，第一層輸入12個節點，第二層10個節點，第三層8個節點，第四層10個節點，第五層輸出4個節點。

5.根據權利要求1所述的一種基于神經網絡的交通信號智能調節方法，其特征在于，S6中的具體調節為：設定節點數不變，調整中間層數，記錄運行效率和準確性；然后層數不變，調整中間層節點個數，每一層的節點上下浮動五個，記錄運行效率和準確性，其中，調整中間層數具體為：增加1-2個節點。