基于深度学习的交通信号灯实时决策研究

为有效缓解城市交通压力,提升交通信号控制的智慧化水平,提出一种基于图像识别并融合深度学习的多交叉口交通信号灯实时决策模型方法。采用图像识别的方法判别拥堵状态,搭建区域多交叉口交通信号灯实时决策模型,以总调度期内通行评分最高为目标函数构建深度学习网络;采用机器学习思想优化决策方案,通过预训练增加决策方案容量并缩短现场决策时间,达到实时决策的目的;将研究模型应用于湖北省武汉市武昌区中山路路段,并进行模型论证和结果分析。研究结果表明,所提出的模型方法能有效解决区域多交叉口交通信号灯联合调度问题,可为交通管理者提供更合理的决策方案。

自适应的智能交通信号机系统设计

针对交通信号机难以实现真正意义上交通信号动态优化的问题,提出一种基于双多点控制单元的自适应智能交通信号机系统,介绍该系统的组成和工作原理,并给出具体的软硬件设计方案。系统采用实时模糊控制方法,以交叉口平均车辆延误最小为优化目标,实现信号机自适应控制。实验结果表明,该系统集成度高、功能强、性能稳定,易于实现区域协调控制。

一种基于以太网的智能交通信号机系统实现

介绍一种基于嵌入式以太网控制器ENC28J60远程通信的智能交通信号机系统结构和工作原理,对以Cygnal C8051F020单片机为系统核心处理器的主控控制模块、通信接口电路设计进行详细说明,重点阐述系统软件中基于TCP/IP传输协议的通信程序和上位机Web发布应用程序的实现;该系统集成度高、功能强、性能稳定,能可靠实现城市区域内交通信号的远程监控和Web服务。

交通信号机PLC实现

简要介绍了交通信号机的功能及利用ＰＬＣ实现的方法，解决了长期以来交通信号机存在的可靠性差的问题，同时实现了交通信号机的智能化。使用结果表明，信号机系统功能完善，性能稳定。

微机联锁控制的铁路道口报警系统设计与应用

为提高铁路道口报警系统的稳定可靠性,将微机连锁源程序与道口控制程序融合后,设计一种微机联锁信号控制铁路道口自动报警系统。分别介绍单股道铁路道口和2条股道以上铁路道口的系统硬件电路图、工作原理和软件设计方法。系统试运行阶段没有出现任何错误和异常,现已推广使用。

结合注意力机制的多智能体深度强化学习的交通信号控制

智能交通信号控制方法被越来越多的应用在现实世界中,并且取得了不错的成果。其中,多智能体深度强化学习是一种非常有效的方法,但是,在多交叉口交通信号控制中,大规模的交通网络容易引起严重的维度灾难,而且对于道路环境的特征提取也存在不足。针对以上问题,提出了一种新的多智能体深度强化学习算法,该算法基于双决斗深度Q网络(Double Dueling Deep Q-Network,3DQN),消除了传统强化学习算法对Q值的高估问题。引入了平均场(Mean Field,MF)理论大大减少了状态和动作空间的维度,同时融合了注意力机制对道路环境全面观察,使得智能体获得更准确的环境信息。在城市交通模拟器(Simulation Of Urban Mobility,SUMO)中建模了一个交通网络,模拟真实世界中的交通流,对算法进行评估。实验结果表明,提出的算法在奖励方面相较于DQN、DDPG、MA2C分别增加了64.17%、36.40%、32.55%,证明了所提算法的正确性和优越性。