[发明专利]一种基于深度学习的区域化交通信号灯控制系统及方法

权利要求书

1.一种基于深度学习的区域化交通信号控制系统，其特征在于，包括单路口交通信号灯以及与交通信号灯相连的云端服务器，其中，单路口交通信号灯包括信息采集单元（010）、存储单元（020）、5G通信单元（030）以及交通信号控制单元（080）；云端服务器包括云端数据处理及数据库单元（040）、基于深度学习的交通量预测单元（050）、基于Synchro的仿真计算单元（060）以及区域化路网模型建立单元（070）；信息采集单元（010）与存储单元（020）相连，存储单元（020）与5G通信单元（030）相连，5G通信单元（030）与数据处理及数据库单元（040）相连，数据处理及数据库单元（040）与基于深度学习的交通量预测单元（050）相连，基于深度学习的交通量预测单元（050）与基于Synchro的仿真计算单元（060）相连，区域化路网模型建立单元（070）与基于Synchro的仿真计算单元（060）相连，基于Synchro的仿真计算单元（060）还经5G通信单元（030）、存储单元（020）与交通信号控制单元（080）相连；

所述信息采集单元（010）包括天气采集模块（011）、交通流量图像采集模块（012）、行人流量图像采集模块（013）、时间采集模块（014）以及特殊事件采集模块（015）；

天气采集模块（011）包括光线强度传感器（011-3）、湿度传感器（011-2）以及温度传感器（011-1），3种传感器均布置在单路口交通信号灯柱下部；光线强度传感器（011-3）、湿度传感器（011-2）以及温度传感器（011-1）均与存储单元（020）相连；

所述交通流量图像采集模块（012）包括若干用于采集单个路口各个方向的车辆图像信息的摄像头（091）；

所述行人流量图像采集模块（013）用于采集人行道行人通行图像信息；

所述时间采集模块（014）用于记录上述信息对应时间段；

所述特殊事件采集模块（015），置于云端服务器数据库模块（042）中，用于通过Internet采集当前城市、区域的重大节日、活动以及特殊车辆通行信息；

所述基于深度学习的交通量预测单元（050），包括数据库信息读入模块（051），交通量预测模型训练模块（052）以及预测结果存储模块（053），所述数据库信息读入模块（051）用于自动调用云端数据处理及数据库单元（040）中存储的各类交通量数据和行人流量数据以及对应时刻的环境信息、特殊事件数据并存储；所述交通量预测模型训练模块（052）用于建立多个基于深度学习的预测模型，并调用数据库信息读入模块（051）中的数据对建立的多个基于深度学习的预测模型进行不断训练，得到该区域路网交通量预测结果；所述预测结果存储模块（053）用于存储交通量预测模型训练模块（052）得到的区域路网交通量预测结果；

基于Synchro的仿真计算单元（060）包括存储模块（061）、主要交叉口筛选模块（062）以及交叉口信号配时优化模块（063），所述主要交叉口筛选模块（062）用于根据当前的温度、湿度、能见度以及特殊事件的有关信息，确定当前交通信号控制目标；所述交叉口信号配时优化模块（063）用于调用区域化路网模型建立单元（070）的区域化路网模型与主要交叉口筛选模块（062）的控制目标进行Synchro仿真计算，得到交通信号控制时长；所述存储模块（061）用于接收区域化路网模型建立单元（070）的路网模型文件，基于深度学习的交通量预测单元（050）预测的区域路网交通量预测结果，主要交叉口筛选模块（062）的控制目标数据以及交叉口信号配时优化模块（063）的计算结果。

2.根据权利要求1所述的一种基于深度学习的区域化交通信号控制系统，其特征在于，所述存储单元（020）包括单路口信号灯存储模块（021）与仿真计算控制结果存储模块（022）；所述的单路口信号灯存储模块（021）用于对天气采集模块（011）、交通流量图像采集模块（012）、行人流量图像采集模块（013）、时间采集模块（014）以及特殊事件采集模块（015）的所有信息进行存储和编号标记；所述仿真计算控制结果存储模块（022）用于将5G通信单元（030）下载的控制信息进行存储。