[发明专利]一种基于神经网络的交通信号智能调节方法

权利要求书

1.一种基于神经网络的交通信号智能调节方法，其特征在于，该方法具体包括下述步骤：

步骤一：训练机器学习模型，具体包括：

S1：以路口的四个卡口点位为基础，分别再选取四条支路距离路口最近的非路口卡口；

S2：设置时间窗口大小为10秒，滑动间隔时间Δt＝10秒聚合选取点位的过车数据；

S3：选取多层神经网络为训练模型；

S4：选取Adam为随机梯度下降优化算法，选取Mse为损失函数编译网络；

S5：使用Xavier初始化权值，ReLU函数作为激活函数训练网络；

S6：调整中间层层数和中间层网络节点的数量，使用评价网络评价预测结果，选择效果最佳的层数和节点数量为最终模型的参数；

步骤二：动态调整，具体包括：

K1：根据实际的过车数量动态调整滑动窗口的时间间隔；

K2：两套预测模型同时运行，主模型参数保持不变，辅助预测模型每次参数动态调整，使用评价网络对主辅预测模型进行预测结果评价，选取最优解更新主模型。

2.根据权利要求1所述的一种基于神经网络的交通信号智能调节方法，其特征在于，S1中所述以路口的四个方向的实地卡口点位为基础，分别再选取四条支路距离路口最近的非路口实地卡口，若没有非路口的实地卡口，则使用虚拟卡口，或者路边普通摄像头接入视频结构化算法代替。

3.根据权利要求1所述的一种基于神经网络的交通信号智能调节方法，其特征在于，统计过车数据采用的是流处理框架的滑动窗口。

4.根据权利要求1所述的一种基于神经网络的交通信号智能调节方法，其特征在于，S2中的选取多层神经网络为训练模型，选择五层神经网络为初始化训练模型，第一层输入12个节点，第二层10个节点，第三层8个节点，第四层10个节点，第五层输出4个节点。

5.根据权利要求1所述的一种基于神经网络的交通信号智能调节方法，其特征在于，S6中的具体调节为：设定节点数不变，调整中间层数，记录运行效率和准确性；然后层数不变，调整中间层节点个数，每一层的节点上下浮动五个，记录运行效率和准确性，其中，调整中间层数具体为：增加1-2个节点。