[发明专利]基于深度学习的行人流量动态控制系统及方法

说明书

基于深度学习的行人流量动态控制系统及方法，包括LSTM模型、目标检测模型以及决策模型，其特征在于，所述LSTM模型、目标检测模型分别与决策模型数据传输连接；所述LSTM模型、目标检测模型与数据输入组件并联传输连接；所述决策模型汇总连接LSTM模型、目标检测模型；所述决策模型与信号输出组件数据传输连接，且信号输出组件与信号灯电性连接。其方法在于通过LSTM模型进行对历史数据的分析，并通过目标检测MobileNet‑SSD模型对实时情况进行获取。本发明的积极进步效果在于：我们将二者的结果结合起来，并通过决策模型对当前信号切换区间进行相应调整，从而优化道路人流拥堵现象的发生。

技术领域

本发明涉及城市交通信号控制技术领域，具体是基于深度学习的行人流量动态控制系统及方法。

背景技术

随着我国交通体系的发展与进步，行人出行的便捷与安全日益受到关注；控制人口密集区域的人流流动对于公安等相关部门保障人民安全起着不可忽视的作用；同时，为了在城市道路交通中有效减少闯红灯等违法违规行为导致的交通隐患；我们必须合理调整道路信号灯的通行时间，控制道路行人流速，减少隐患产生；现有交通信号控制方法中存在以下问题：一是控制方式固定单一，时间利用率低下；二是行人主动切换信号不定时不规律的切换，可能会导致车辆的拥堵现象的产生。

发明内容

本发明提供基于深度学习的行人流量动态控制系统及方法，可以有效解决上述背景技术中提出的问题。

本发明所采取的技术方案是：基于深度学习的行人流量动态控制系统，包括LSTM模型、目标检测模型以及决策模型，其特征在于，所述LSTM模型、目标检测模型分别与决策模型数据传输连接；所述LSTM模型包括遗忘门、输入门、状态存储单元、输出门，且遗忘门、输入门、状态存储单元、输出门依次处理并传输数据；所述LSTM模型、目标检测模型与数据输入组件并联传输连接；所述决策模型汇总连接LSTM模型、目标检测模型；所述决策模型与信号输出组件数据传输连接，且信号输出组件与信号灯电性连接。

作为本发明的进一步优选方案，目标检测算法模型采用基于在MobileNet和SSD的基础上改进的MobileNet-SSD模型。

作为本发明的进一步优选方案，遗忘门从细胞状态中丢弃掉无用信息数据：

f_t＝σ(W_f·[h_t-1,x_t]+b_f)。

作为本发明的进一步优选方案，输入门在单元状态中存储有效的新信息数据:

i_t＝σ(W_i·[h_t-1,x_t]+b_i)，

作为本发明的进一步优选方案，状态存储单元将过去与现在记录的信息数据进行合并：

作为本发明的进一步优选方案，输出门选择要输出的结果：

O_t＝σ(W_o[h_t-1,x_t]+b_o)，

h_t＝O_t*tanh(C_t)。