[发明专利]一种基于车流量感知的交通信号灯优化方法

说明书

本发明涉及交通信号灯优化，具体涉及一种基于车流量感知的交通信号灯优化方法，建立生成式对抗网络模型，并将目标路口检测到的真实车流量数据输入生成式对抗网络模型，得到虚拟车流量数据；基于真实车流量数据和虚拟车流量数据，通过Q学习算法输出动作形成Q值表，得到路口交通信号灯方案；根据路口交通信号灯方案和奖赏函数得到优化路口交通信号灯方案；获取目标路口的点云数据，基于点云数据获取目标路口在各方向上各车道内的车辆排队长度和车流量；根据车辆排队长度、车流量和预设灯时优化模型，对当前灯时配置方案进行调整；本发明提供的技术方案能够有效克服现有技术所存在的对于复杂环境的路口难以对交通信号灯进行准确、合理优化的缺陷。

技术领域

本发明涉及交通信号灯优化，具体涉及一种基于车流量感知的交通信号灯优化方法。

背景技术

车辆给人们的日常生活带来了极大的便利，然而随着道路上的车辆越来越多，增加了城市道路的交通负担，加上交通信号灯不能合理、有效地调控各方向的车流，导致城市的交通拥堵现象越来越严重。通过路口时间的增长还会加剧大气污染，影响人们的出行心情，提高交通事故率。因此，合理控制交通信号灯绿灯时长能够有效提高车辆的通行效率，减少车辆油耗及尾气排放，改善空气质量，在经济和生态方面都有着重要的意义。

目前，一些数学模型，如Webster模型用于信号灯配时策略设计，虽然模型简单易用，但是适应性较差，难以适用于不同环境的交通路口。随着人工神经网络算法的发展，以其为基础的信号灯配时算法相继出现，如基于BP神经网络的信号灯配时方法虽然有着非常强的自适应和学习能力，然而由于需要大量数据进行学习，因此难以适用于城市交通信号灯的实时控制。由此可见，对于交通信号灯配时需要建立一种准确、合理的优化方法，使得信号灯能够实现智能调控车流量的功能，提高车辆的通行效率。

发明内容

(一)解决的技术问题

针对现有技术所存在的上述缺点，本发明提供了一种基于车流量感知的交通信号灯优化方法，能够有效克服现有技术所存在的对于复杂环境的路口难以对交通信号灯进行准确、合理优化的缺陷。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种基于车流量感知的交通信号灯优化方法，包括以下步骤：

S1、建立生成式对抗网络模型，并将目标路口检测到的真实车流量数据输入生成式对抗网络模型，得到虚拟车流量数据；

S2、基于真实车流量数据和虚拟车流量数据，通过Q学习算法输出动作形成Q值表，得到路口交通信号灯方案；

S3、根据路口交通信号灯方案和奖赏函数得到优化路口交通信号灯方案；

S4、获取目标路口的点云数据，基于点云数据获取目标路口在各方向上各车道内的车辆排队长度和车流量；

S5、根据车辆排队长度、车流量和预设灯时优化模型，对当前灯时配置方案进行调整；

S6、结合优化路口交通信号灯方案和调整后的灯时配置方案控制目标路口的信号灯。

优选地，S1中建立生成式对抗网络模型，并将目标路口检测到的真实车流量数据输入生成式对抗网络模型，得到虚拟车流量数据，包括：

建立生成式对抗网络模型，初始化生成式对抗网络模型中的生成模型和判别模型；

生成式对抗网络模型在模型训练的过程中固定一方，更新另一个模型的参数，交替迭代使得对方的错误最大化，最后生成与真实车流量数据分布相同的虚拟车流量数据。

优选地，所述建立生成式对抗网络模型，初始化生成式对抗网络模型中的生成模型和判别模型，包括：

在生成式对抗网络模型的模型训练过程中固定一方为生成模型。