-
公开(公告)号：CN111260937A
公开(公告)日：2020-06-09
申请号：CN202010111549.3
申请日：2020-02-24
Applicant: 武汉大学深圳研究院
Abstract: 本发明公开了一种基于强化学习的十字路口交通信号灯控制方法，首先，将当前时刻十字路口的通行状态表示成Position和Speed矩阵；其次，在传统强化学习算法Deep Q-network的基础上根据State的特征构建基于空间注意力机制的框架，其中主干网络为卷积神经网络；然后，根据贪婪策略随机选取或者从模型预测一个Action执行。如果当前时刻的Action和前一时刻的相同，那么就直接执行绿灯相位时间，并在此过程中不断训练网络；否则，首先执行黄灯相位时间，然后，再执行绿灯相位时间，同样在此过程中同样不断地训练网络；最后，所有训练回合结束后保存模型，然后测试并评估模型效果。本发明改进了现有的交通信号灯控制方法，使得车辆能够更快的通过十字路口，一定程度上缓解了交通拥堵。
-
公开(公告)号：CN111445696B
公开(公告)日：2022-05-20
申请号：CN202010165750.X
申请日：2020-03-11
Applicant: 武汉大学深圳研究院
IPC: G08G1/01 , G08G1/07 , H04L9/40 , H04L67/06 , H04L67/12 , H04L67/55 , G06F16/23 , G06F16/2458 , G06F16/27
Abstract: 本发明公开了一种基于商滤波器边缘计算的信号灯路口交通数据检测方法，该方法包括：首先，上游交叉路口的信号灯边缘节点上传需要通过下游交叉路口的车辆的可靠数据到云服务器C，并将这些在上存储的数据清除；其次，下游交叉路口的信号灯边缘节点从云服务器C下载数据并与来自其它方向的可靠车辆数据进行合并更新至然后，建立车辆Vk与边缘节点之间的连接，并查询是否有攻击者冒充已注册车辆，更新QFSA；最后，将更新后的QFSA上传到云服务器C中，并向其它边缘节点发送警告。本发明使用商滤波器大幅度提升了查询的有效性，降低了空间占用；具有较高的速度和良好的哈希效果，使得商滤波器的插入与查询操作更加高效。
-
公开(公告)号：CN111445696A
公开(公告)日：2020-07-24
申请号：CN202010165750.X
申请日：2020-03-11
Applicant: 武汉大学深圳研究院
Abstract: 本发明公开了一种基于商滤波器边缘计算的信号灯路口交通数据检测方法，该方法包括：首先，上游交叉路口的信号灯边缘节点上传需要通过下游交叉路口的车辆的可靠数据到云服务器C，并将这些在 上存储的数据清除；其次，下游交叉路口的信号灯边缘节点从云服务器C下载数据 并与来自其它方向的可靠车辆数据进行合并更新至 然后，建立车辆Vk与边缘节点 之间的连接，并查询是否有攻击者冒充已注册车辆，更新QFSA；最后，将更新后的QFSA上传到云服务器C中，并向其它边缘节点发送警告。本发明使用商滤波器大幅度提升了查询的有效性，降低了空间占用；具有较高的速度和良好的哈希效果，使得商滤波器的插入与查询操作更加高效。
-
公开(公告)号：CN111260937B
公开(公告)日：2021-09-14
申请号：CN202010111549.3
申请日：2020-02-24
Applicant: 武汉大学深圳研究院
Abstract: 本发明公开了一种基于强化学习的十字路口交通信号灯控制方法，首先，将当前时刻十字路口的通行状态表示成Position和Speed矩阵；其次，在传统强化学习算法Deep Q‑network的基础上根据State的特征构建基于空间注意力机制的框架，其中主干网络为卷积神经网络；然后，根据贪婪策略随机选取或者从模型预测一个Action执行。如果当前时刻的Action和前一时刻的相同，那么就直接执行绿灯相位时间，并在此过程中不断训练网络；否则，首先执行黄灯相位时间，然后，再执行绿灯相位时间，同样在此过程中同样不断地训练网络；最后，所有训练回合结束后保存模型，然后测试并评估模型效果。本发明改进了现有的交通信号灯控制方法，使得车辆能够更快的通过十字路口，一定程度上缓解了交通拥堵。
-
-
-
Search Results
4
records
(took 0.024 seconds)
