-
公开(公告)号：CN115691110A
公开(公告)日：2023-02-03
申请号：CN202211145911.4
申请日：2022-09-20
Applicant: 东南大学
Abstract: 本发明公开了一种面向动态车流的基于强化学习的交叉口信号周期稳定配时方法。首先在各交叉口采集计算各方向每车流计算周期内的车流量大小，作为离线数据供模型使用；接着根据计算得到的离线流量数据，按比例设定每个车流计算周期内的信号周期配时，得到基本信号周期配时方案；在基本信号周期配时方案的基础上，采用深度强化学习算法Soft‑Actor‑Critic在每次信号周期结束后，根据实时交通状态对各信号配时进行动态调整。本发明能够在保证交通信号周期配时稳定的条件下，使得实际的信号周期配时方案更适应动态的车流量变化，从而达到稳定提高交通通行效率的目的。
-
公开(公告)号：CN115691110B
公开(公告)日：2023-08-25
申请号：CN202211145911.4
申请日：2022-09-20
Applicant: 东南大学
Abstract: 本发明公开了一种面向动态车流的基于强化学习的交叉口信号周期稳定配时方法。首先在各交叉口采集计算各方向每车流计算周期内的车流量大小，作为离线数据供模型使用；接着根据计算得到的离线流量数据，按比例设定每个车流计算周期内的信号周期配时，得到基本信号周期配时方案；在基本信号周期配时方案的基础上，采用深度强化学习算法Soft‑Actor‑Critic在每次信号周期结束后，根据实时交通状态对各信号配时进行动态调整。本发明能够在保证交通信号周期配时稳定的条件下，使得实际的信号周期配时方案更适应动态的车流量变化，从而达到稳定提高交通通行效率的目的。
-
公开(公告)号：CN115497294B
公开(公告)日：2023-09-19
申请号：CN202211155135.6
申请日：2022-09-22
Applicant: 东南大学
Abstract: 本发明公开了一种融合深度预测网络和卡尔曼滤波算法的交通灯控制方法及系统，采用经验模态分解算法对历史控制车流量数据进行预处理，确定最优的历史信息窗口长度，得到控制周期内各个方向的车流信息，再分别用长短期记忆网络和卡尔曼滤波算法预测下一个交通灯控制周期的车流量，将两个预测值基于卡尔曼滤波算法进行信息融合后，根据预测值为下一交通灯控制周期分配相位。本方法融合传统滤波算法和深度预测网络的优势，提高预测精度，从而大幅降低车辆排队时间，提高车辆通行效率，减少交通资源浪费。
-
公开(公告)号：CN115497294A
公开(公告)日：2022-12-20
申请号：CN202211155135.6
申请日：2022-09-22
Applicant: 东南大学
Abstract: 本发明公开了一种融合深度预测网络和卡尔曼滤波算法的交通灯控制方法及系统，采用经验模态分解算法对历史控制车流量数据进行预处理，确定最优的历史信息窗口长度，得到控制周期内个方向的车流信息，再分别用长短期记忆网络和卡尔曼滤波算法预测下一个交通灯控制周期的车流量，将两个预测值基于卡尔曼滤波算法进行信息融合后，根据预测值为下一交通灯控制周期分配相位。本方法融合传统滤波算法和深度预测网络的优势，提高预测精度，从而大幅降低车辆排队时间，提高车辆通行效率，减少交通资源浪费。
-
-
-
Search Results
4
records
(took 0.016 seconds)
