[發明專利]一種將深度神經網絡應用于智慧交通的交通管理系統

有效

• 申請號: 202110502513.2
• 申請日: 2021-05-08
• 公開（公告）號: CN113240917B
• 公開（公告）日: 2022-11-08
• 發明（設計）人: 林興葉
• 申請（專利權）人: 廣州隧華智慧交通科技有限公司
• 主分類號: G08G1/08
• 分類號: G08G1/08;G08G1/081;G08G1/0968;G08G1/0969;G08G1/01;G08G1/065;G06N3/04
• 代理公司: 北京華仁聯合知識產權代理有限公司 11588
• 代理人: 王海霞

1.一種將深度神經網絡應用于智慧交通的交通管理系統，其特征在于，其包括：數據分析處理系統和車輛終端，數據分析處理系統與車輛終端具有通信連接；所述數據分析處理系統包括：數據分析子系統、數據處理子系統和數據庫，數據庫分別與數據分析子系統和數據處理子系統具有通信連接；數據分析子系統與數據處理子系統間具有通信連接；

數據分析子系統周期性地獲取城市區域的城市區域圖像和車輛出入數據，并對所述城市區域圖像和車輛出入數據進行數據分析得到城市區域的車輛分布數據，然后對車輛分布數據和從數據庫獲取的城市區域的道路分布數據進行數據融合以生成城市區域的擁堵分析數據；

數據分析子系統將所述擁堵分析數據通過交通擁堵預測模型的輸入層輸入交通擁堵預測模型；所述交通擁堵預測模型包括：輸入層、第一子模型、第二子模型和輸出層；所述第一子模型包括：反卷積層和激勵層；所述第二子模型包括：特征模型和判別模型；所述特征模型包括：卷積層、激勵層、歸一化層和池化層；

第二子模型的特征模型對擁堵分析數據進行特征提取以輸出第二高維特征向量；第一子模型的反卷積層對隨機生成的高斯白噪聲進行上采樣以將所述高斯白噪聲映射到低維空間從而生成第一低維特征向量；第一子模型的激勵層將所述第一低維特征向量轉化為與所述第二高維特征向量維度相同的向量以輸出第一高維特征向量；第二子模型的判別模型根據第一高維特征向量和第二高維特征向量判斷相應城市區域是否擁堵，并通過交通擁堵預測模型的輸出層輸出判斷結果；判別模型根據第一高維特征向量和第二高維特征向量判斷相應城市區域是否擁堵包括：判別模型根據第一高維特征向量和第二高維特征向量計算相應城市區域的擁堵判斷值并將所述擁堵判斷值與擁堵判斷閾值進行比較；在所述擁堵判斷值大于擁堵判斷閾值時，判別模型判斷相應城市區域擁堵；在所述擁堵判斷值小于或等于擁堵判斷閾值時，判別模型判斷相應城市區域不擁堵；

數據處理子系統將擁堵的城市區域作為第一城市區域，并根據第一城市區域內各第一車輛終端發送的車輛疏導數據和第一城市區域的擁堵分析數據為第一城市區域內的每個車輛初始化一條初始車輛疏導路徑；

數據處理子系統根據第一城市區域的擁堵分析數據和第一城市區域內各第一車輛終端發送的車輛疏導數據計算第一城市區域內每條道路的擁堵值和第一城市區域內每條初始車輛疏導路徑的路徑長度，并分別將第一城市區域內每條道路的擁堵值和第一城市區域內每條初始車輛疏導路徑的路徑長度進行歸一化處理得到第一參考系數和第二參考系數；

數據處理子系統從數據庫獲取第一調整系數、第二調整系數和第一路徑優化函數，并根據第一參考系數、第二參考系數、第一調整系數和第二調整系數和第一路徑優化函數建立第二路徑優化函數，然后根據第二路徑優化函數對每個車輛的初始車輛疏導路徑進行優化更新以得到每個車輛的最優車輛疏導路徑并將其發送到相應的車輛終端。

2.根據權利要求1所述的系統，其特征在于，所述車輛終端為駕駛員使用的具有通信功能和數據傳輸功能的設備，其包括：智能手機、車載導航、平板電腦和智能手表。

3.根據權利要求2所述的系統，其特征在于，特征模型對擁堵分析數據進行特征提取輸出第二高維特征向量包括：

特征模型的卷積層對所述擁堵分析數據進行特征提取，特征模型的激勵層對卷積層輸出的數據進行非線性映射；

特征模型的歸一化層對激勵層輸出的數據進行歸一化處理，特征模型的池化層對歸一化層輸出的數據進行池化處理輸出第二高維特征向量。