[发明专利]一种基于历史误差反向传播的自适应交通信号控制方法

说明书

本发明公开了一种基于历史误差反向传播的自适应交通信号控制方法，包括以下步骤：收集数据；数据预处理，包括数据清理、数据简化以及数据归一化；构建自适应的误差反向学习模型，添加CNN神经网络用于捕获未注意到的特征，并进行分类处理；模型训练，将预处理后的数据集作为自适应的误差反向学习模型的输入进行误差方向学习；对自适应的误差反向学习模型进行评价，若达到期望误差则停止训练并用于实际交通信号控制，否则继续训练。本发明通过交通部门现有充足的数据集，对数据进行预处理，构建自适应控制模型，反复训练数据集从而得到相对应的阈值和权值，达到在任何交通路口都能自适应调整信号灯时长。

技术领域

本发明属于智能交通技术领域，具体涉及一种基于历史误差反向传播的自适应交通信号控制方法。

背景技术

现有的交通信号灯控制系统已普遍智能化，但较少文献研究红绿灯配置的数学模型，无线传感器网络和排队论都建立了系统数学模型，无线传感器自适应控制，主要采取接收信号强度指示测距算法测试交通灯与等待车辆的排行距离，根据排行距离自动调整交通信号灯指示通行的时间，系统提高了交叉路口车辆通行能力，但因其采用了ZigBee无线传感器网络，ZigBee具有短距离传输的特点，将ZigBee技术应用在传输车流数据传输上，适用范围较小，急剧消耗成本；基于排队论智能控制，该研究是基于排队论并用VISSIM进行仿真所提出的一种新的交通信号灯智能控制方案，主要通过车辆检测器检测车流量，可编程逻辑控制器处理信息，再将处理后的信息传送给指挥中心计算机，进而调整路口相对应的绿灯时间，该模型在假设的条件下对交通流状况有较好的反馈，但所训练的数据不足会导致模型的参数难以及时修改，自适应能力薄弱，适用路况有限。另外也存在通过实时数据来实现自适应交通信号控制的，车用无线通信技术控制，利用了车联网通讯协议，实现汽车与交通信号灯之间数据的传输，通过分析车速信息和交通信号灯当前状态，实时地控制红绿灯的显示。但这两种方式都无法适应于多样化的交通网络，同时还增加了巨额成本。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提出一种基于历史误差反向传播的自适应交通信号控制方法，通过交通部门现有充足的数据集，对数据进行预处理，减少了其他设备的使用，误差小，成本低，构建自适应控制模型，通过反复训练数据集从而得到相对应的阈值和权值，达到在任何交通路口都能自适应调整信号灯时长，适应范围广。

为了达到上述目的，本发明采用以下技术方案：

一种基于历史误差反向传播的自适应交通信号控制方法，包括以下步骤：

收集数据；

数据预处理，包括数据清理、数据简化以及数据归一化；

构建自适应的误差反向学习模型，添加CNN神经网络用于捕获未注意到的特征，并进行分类处理；

模型训练，将预处理后的数据集作为自适应的误差反向学习模型的输入进行误差方向学习；

对自适应的误差反向学习模型进行评价，若达到期望误差则停止训练并用于实际交通信号控制，否则继续训练。

进一步的，收集数据具体为采集环境数据、历史数据以及实时数据并作为神经网络模型训练的数据集，用集合D＝{X|X⁰,X¹,X²}表示；

其中，X⁰表示环境数据集，X¹表示实时数据集，X²表示历史数据集。

进一步的，环境数据集具体包括以下数据因素：

某时间段内天气情况；相邻红绿灯间隔距离；机动车道数量；非机动车流动方向；行人流动方向；

实时数据集具体包括以下数据因素：

机动车车型及两车之间的距离；机动车车流量机器平均行驶速度；非机动车车流量；行人人流量；