CN104933876A - 一种自适应智慧城市智能交通信号的控制方法 - Google Patents

一种自适应智慧城市智能交通信号的控制方法 Download PDF

Info

Publication number
CN104933876A
CN104933876A CN201510298976.6A CN201510298976A CN104933876A CN 104933876 A CN104933876 A CN 104933876A CN 201510298976 A CN201510298976 A CN 201510298976A CN 104933876 A CN104933876 A CN 104933876A
Authority
CN
China
Prior art keywords
traffic
control
decision
intersection
vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510298976.6A
Other languages
English (en)
Other versions
CN104933876B (zh
Inventor
朱信忠
徐慧英
赵建民
王新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Normal University CJNU
Original Assignee
Zhejiang Normal University CJNU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Normal University CJNU filed Critical Zhejiang Normal University CJNU
Priority to CN201510298976.6A priority Critical patent/CN104933876B/zh
Publication of CN104933876A publication Critical patent/CN104933876A/zh
Application granted granted Critical
Publication of CN104933876B publication Critical patent/CN104933876B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/07Controlling traffic signals
    • G08G1/081Plural intersections under common control

Abstract

一种自适应智慧城市智能交通信号的控制方法,包括以下步骤:1)道路传感器对采集的车辆交通流信息进行处理,生成对应的交通状态集和决策集;2)设置奖惩函数、学习率和折扣因子;3)将处理的交通流信息送到Q学习器生成交通决策;4)交通决策序列通过交通信号控制器作用于交通路口;5)反馈奖惩函数值,评估决策的好坏;6)继续感应环境的下一个状态。本发明提供一种控制效果良好、控制算法对环境的影响较小、稳定性良好及控制效果良好的自适应智慧城市智能交通信号的控制方法。

Description

一种自适应智慧城市智能交通信号的控制方法
技术领域
[0001] 本发明属于交通智慧管理系统领域,尤其涉及一种智能交通信号的控制方法。
背景技术
[0002] 城市道路不断兴建和扩宽,基础设施建设投入也越来越大,然而城市交通拥堵问 题却越来越严重,主要原因是现有的城市交通信号控制TSC(TrafficSignalControl)系 统不能充分做到对交通流量的最优控制和管理。因此,如何通过交通信号的最优控制来设 计优化城市TSC系统,成为保障交通安全和畅通、增加道路通行效率及其缓解交通拥塞问 题的关键所在。
[0003] 随着人民生活水平的不断提高和城市化进程的加快,我国汽车人均保有量急剧攀 升。由此引发国内一些大中城市相继出现了交通超负荷的情况,再加上各地政府大力发展 的公交、城际巴士和出租车,使得道路上的车辆越来越多。过多的车辆意味着道路拥塞的概 率大大增加,导致行车效率大大降低。此外,车辆缓慢行驶甚至过多停车等待意味着更多的 废气被排放到空气中,导致城市中重度雾霾的天数激增,人民的生活质量大幅度下降。城市 交通拥堵带来了一系列的问题,成为影响城市发展的关键因素。
[0004] 解决城市拥堵最直接的办法就是不断的修建和扩宽道路,或者限制城市车辆的出 行,显然这是非常不合理和不现实的方法。城市交通信号控制(TrafficSignalControl, TSC)系统主要是通过对城市交叉口的车辆和行人进行指挥控制,使车辆和行人安全有序通 过且不发生相互干扰。交通信号灯是城市TSC系统的关键组成部分,交通信号灯主要使用 在车流较大、通行干扰较多地方,特别是分流的交叉口,在保障城市道路交通安全和畅通, 提高了城市道路通行效率上发挥着重要作用。浙江省宁波市和金华市在城市TSC系统的研 宄上,对城市新建道路运用了 "城市交通绿波带"技术,主要通过对相邻路口交通信号相位 差的合理设置,在车速限制范围内,使得车辆在道路通行的过程中遇到最少的红灯,减少了 车辆等红灯的次数。综合以上所述,对自适应城市TSC系统的优化研宄主要落在对交通信 号灯配时方案的优化上,自适应城市TSC系统给城市道路交通流分配通行权,减少道路交 通拥堵和交通事故,实现城市交通安全有序行驶。
发明内容
[0005] 为了克服已有城市交通信号控制方式的控制效果差、控制算法对环境的影响较 大、控制不稳定及控制效果不佳的不足,本发明提供一种控制效果良好、控制算法对环境的 影响较小、稳定性良好及控制效果良好的自适应智慧城市智能交通信号的控制方法。
[0006] 本发明解决其技术问题所采用的技术方案是: 一种自适应智慧城市智能交通信号的控制方法,所述控制方法包括以下步骤: 1)道路传感器对采集的车辆交通流信息进行处理,生成对应的交通状态集和决策集; 交通状态集包括单路口的信号周期C,单路口相位的绿信比X和各相位对应车辆的排队长 度L,决策集包括交通信号灯实时采取的动作,包括红灯、黄灯、绿灯; 2) 设置奖惩函数、学习率和折扣因子; 奖惩函数的设置;
Figure CN104933876AD00041
其中,V:s,3):状态<5时,米取策略a后获得的处罚; s:交通环境当前状态; a:环境状态为s时Agent采取的动作 rf,:时刻t采取策略q后产生车辆排队长度; 6 :预设排队长度临界值; 学习率为a,aG[0, 1],折扣因子为y,yG[0, 1]; 3) 将处理的交通流信息送到Q学习器生成交通决策,基于以上变化的量全都满足 Q-learning算法对交通信号状态空间的要求,所以对于交通状态空间的选择用Q值估计的 形式表示,交通状态Q值的估计值近似表示为: Q=f((C,A,L,P),a(t)) (2) 式(2)中,a(t)是交通信号控制选择的策略,P为交通流量趋势预测概率; 4) 交通决策序列通过交通信号控制器作用于交通路口; 5) 反馈奖惩函数值,评估决策的好坏; 6) 继续感应环境的下一个状态。
[0007] 本发明的技术构思为:Q-learning算法优化交通信号最开始是需要得到环境的 状态信息的,所以需要Agent来控制路口,传感器获得环境的状态信息,通信系统来实现信 息传递、控制系统来实现信息处理和控制。研宄中需要使用不同的车辆传感器、检测系统、 通信系统、处理系统、控制系统来获得实时的交通流信息。
[0008] 在基于Q-learning的TSC单路口Agent控制体系结构框架图中,整个过程主要包 括以下几个部分:检测器收集车流信息,输入到交通分析/处理器中分析处理;处理得到的 路口状态信息输入在Q-learning优化控制决策器中;Q-learning优化控制决策器会得到 该策略下的Q值;策略决策器会得到一个较优策略作用于交通口;通过不断循环,Agent能 寻优找到最优的控制方案;在交通事故、天气因素以及道路变更等的影响下,该Agent框架 能继续准确检测和处理交通流信息。实际上,Agent对路口的控制是具有实时反馈的学习 过程。
[0009] 城市交通信号控制TSC(TrafficSignalControl)系统是一个大规模复杂非线 性随机系统。城市TSC是指城市多个相邻路口之间实现协调控制,单个路口的交通信息和 决策是影响周围相邻路口的交通流的。城市区域交通信号控制UATSC(UrbanAreaTraffic SignalControl)系统的研宄是建立在单路口信号优化控制的基础上的。UATSC的目标是 均衡城市交通流的道路使用权,使整个交通区域类的交通流实现整体路口等待时间最短, 资源浪费最少,事故发生最低为标准。为了实现UATSC的协作最优控制,以整个交通网络 的车辆平均等待时间最小为目标,设计了相邻路口多Agent协调的控制体系结构,多路口 Multi-Agent系统控制系统结构如图3所示。
[0010] 如图3所示,路口Agent主要实现控制功能,分布式Agent主要是处理实现多个路 口Agent的协作控制,中心控制Agent主要实现全局协作的功能。将整个城市交通网络看 成一个整体,每个路口表示一个Agent,组成一个Multi-Agent系统。
[0011] 路口信号通过Agent控制,路口Agent之间可以相互共享信息,智能Agent根据本 地观察的交通信息和从相邻路口获取的信息,制定协作控制策略,使得本区域信号控制最 优。
[0012] 对于多路口的TSC问题,研宄中选择多路口协作控制的Multi-Agent系统。研宄 中首先以A和B这两个相邻路口作为研宄对象,如图4所示。路口A和路口B之间的协作 通过交通流信息的交换,以B路口为参考,通过交叉口A通向交叉口B的道路上传感器检测 到的输出交通流信息,和B路口其他相邻的交叉口也会把输出到B路口的交通流信息传给 单路口B,B路口根据相邻交叉口传入的交通流信息制定控制策略。
[0013] 本发明的有益效果主要表现在:控制效果良好、控制算法对环境的影响较小、稳定 性良好及控制效果良好。
附图说明
[0014] 图1是基于Q-learning的TSC单路口Agent体系结构框架图。。
[0015] 图2是路口智能体Agent反馈控制结构图。
[0016] 图3是多路口Multi-Agent系统体系结构图。
[0017] 图4是交通路口之间的交通流信息交换示意图。
[0018] 图5是四相位TSC系统的控制方案图,其中,(a)是第一相位;(b)是第二相位;(c) 是第三相位;(d)是第四相位。
具体实施方式
[0019] 下面结合附图对本发明作进一步描述。
[0020] 参照图1~图5,一种自适应智慧城市智能交通信号的控制方法,适用于大型交通 流量背景、单路口和中小型区域路口; 各模块的基本功能为:(1)感知模块:采集路口交通流环境的当前信息;(2)学习 模块:对接收到的路况信息进行学习或者依据有关的经验知识得到定量信息,为决策模块 提供决策依据;(3)决策模块:根据学习模块提供的信息,制定相应的控制策略;(4)执 行模块:执行决策模块所制定的控制策略;(5)知识库:存储对应于不同路况的控制信息; (6)通信模块:为Multi-agent控制预留的接口,其功能主要是负责与相邻路口Agent间 信息的交互;(7)协调模块:为Multi-agent控制预留的接口,其功能主要是负责与相邻路 口Agent间进行控制任务的协调。
[0021] 该控制方法包括以下步骤: 1) 道路传感器对采集的车辆交通流信息进行处理,生成对应的交通状态集和决策集; 交通状态集包括单路口的信号周期C,单路口相位的绿信比X和各相位对应车辆的排队长 度L,决策集包括交通信号灯实时采取的动作,包括红灯、黄灯、绿灯; 2) 设置奖惩函数、学习率和折扣因子; 奖惩函数的设置;
Figure CN104933876AD00061
其中,rf.i:s,2):状态5•时,米取策略a后获得的处罚; s:交通环境当前状态; a:环境状态为s时Agent采取的动作 rf,:时刻t采取策略c,后产生车辆排队长度; e:预设排队长度临界值; 学习率为a,aG[0, 1],折扣因子为y,yG[0, 1]; 3) 将处理的交通流信息送到Q学习器生成交通决策,基于以上变化的量全都满足 Q-learning算法对交通信号状态空间的要求,所以对于交通状态空间的选择用Q值估计的 形式表示,交通状态Q值的估计值近似表示为: Q=f((C,A,L,P),a(t)) (2) 式(2)中,a(t)是交通信号控制选择的策略,P为交通流量趋势预测概率; 4) 交通决策序列通过交通信号控制器作用于交通路口; 5) 反馈奖惩函数值,评估决策的好坏; 6) 继续感应环境的下一个状态。
[0022] 交通状态控制集包括:单路口的信号周期C,单路口相位的绿信比X,各相位对应 车辆的排队长度L。基于以上变化的量全都满足Q-learning算法对交通信号状态空间的要 求,所以对于交通状态空间的选择可以用Q值估计的形式表示,交通状态Q值的估计值可以 近似表示为: Q=f((C,A,L,P),a(t)) (2) 式(2)中,a(t)是交通信号控制选择的策略,P为交通流量趋势预测概率,属于交通 流量短期预测研宄方向,本文不做研宄。式(1)中这些量能充分反映交叉口的交通状况, 符合采用Q-learning算法优化交通时对交通状态空间的要求。研宄中选择以上变量作为 Q-learning算法的状态空间。
[0023] 决策集包括交通信号灯实时采取的动作,包括红灯、黄灯、绿灯,策略集A(s)采用 三种策略方式:增加当前相位时间As;保持当前相位时间不变;减少当前相位时间As。
[0024] 奖惩函数的设置;
Figure CN104933876AD00062
其中,2):状态&时,米取策略(^后获得的处罚(消极回报); 4 :时刻t采取策略~后产生车辆排队长度; :预设排队长度临界值。
[0025] 本实施例中,定义如下: 第一相位:在第一相位时间片段上,向东的交通流1和向西的交通流2均直行,此时向 南方向交通流和向北方向交通流被禁止通行。
[0026] 第二相位:在第二相位时间片段上,向东的交通流3和向西的交通流4均可右转和 左转,此时向南方向交通流和向北方向交通流被禁止通行。
[0027] 第三相位:在第三相位时间片段上,向南的交通流5和向北的交通流6均直行,此 时向东方向交通流和向西方向交通流被禁止通行。
[0028] 第四相位:在第四相位时间片段上,向南的交通流7和向北的交通流8均可右转和 左转,此时向东方向交通流和向西方向交通流被禁止通行。
[0029] 信号灯变换原则:信号灯变换按时间顺序进行控制,可以通过设置来改变信号变 换的时间。在保证时序控制的基础上,当通行方向已经无车则信号灯立即变为左转通行。当 左转方向无车时,信号灯变为另一方向通行。
[0030] 实施例:参照图1~图5,一种自适应智慧城市智能交通信号的控制方法,该方法 包括以下步骤: (1) 默认南北方向通行,东西方向禁止通行; (2) 若南北方向车辆已经走空或达到最大放行时间Tmax,则南北方向左转通行; (3) 若南北方向左转车辆已经走空或达到最大放行时间Tmax,则东西方向通行; (4) 若东西方向车辆已经走空或达到最大放行时间Tmax,则东西左转通行; (5) 若东西左转车辆已经走空或达到最大放行时间Tmax,则南北方向通行。
[0031] (6)作为一种优选方案,本发明所述最大放行时间30秒<Tmax< 60秒。
[0032](7)本发明系统可达到全面图形监视,实现组态容易、简单、可扩展性好,兼容性 好,操作简捷,实时性强,系统稳定,可靠性高。
[0033] 智能交通信号灯管理系统的出现,使交通路口的信号灯不再是按一天24小时固 定的周期变化,而是根据交通路口各方向车流量和行人的多少及有无,实时变化指挥交通。 通过采用视频检测技术,本发明可对交叉路口车辆通行、行人过街,以及环路出入口道路上 的交通流量进行实时检测,快速准确地了解控制区域内的道路交通状况,并根据实际情况 迅速调整信号灯的变化,凭借技术手段指挥交通,减少交通拥堵情况的发生。依靠视频图象 分析技术,通过分析交通路口的实际情况,控制交通信号灯指挥交通,本发明实现了有车的 方向是绿灯,无车的方向是红灯;交通路口通行量提高40~60 %,车辆的等待时间平均 缩短了 40%左右。
[0034] 下面以一个四个路口的交通岗为例进行说明: 1、首先要在四个路口安放摄像机和车流量感应器,并设置车辆警戒阈值区域。当车辆 排队长度超过警戒阈值区域时系统会接到一条车辆驶入的告警信息。当绿灯放行30秒钟 通行方向无车辆驶入告警时系统认为车辆已经走空。
[0035] 2、程序初始运行时,会先默认南北通行。东西方向禁止通行。
[0036] 3、当南北通行时车辆已经走空时,左转方向有车等待则提前转入左转信号。
[0037] 4、当南北通行时车辆已经走空时,左转方向没有车等待,东西方向有车等待,信号 灯直接变为东西能行,南北等待。
[0038] 5、当南北通行时,左转车辆已经走空,东西方向有车等待时。信号灯变为东西通 行,南北等待。
[0039] 6、当南北通行时,已经到达最大等待时间,车还没走完,东西方向或者左转方向有 车等待时同样改变信号。
[0040] 7、当南北通行时,左转和东西方都无车等待。则南北方向一直保持通行状态不变。
[0041] 8、东西方向通行时的逻辑,可以参照南北方向的。
[0042] 本发明紧贴我国道路交通及城市交通发展实际情况,设计了一套完整的自适应智 慧城市智能交通控制流程,对地磁感应器和摄像头实时捕获的交通信息进行分析处理,适 用于控制复杂交通环境背景下交通流合理分配等问题;通过合理地对单路口交通和井字形 区域交通进行一系列处理,利用Q-learning算法的特征;在设计Q-learning算法时,结合 了实际对实际交通环境背景。实验结果证明,本发明快速高效,有效提高城市自适应交通信 号的控制。
[0043] 最后,应当指出,以上实施例仅是本发明较有代表性的例子。显然,本发明不限于 上述实施例,还可以有许多变形。凡是依据本发明的技术实质对以上实施例所作的任何简 单修改、等同变化与修饰,均应认为属于本发明的保护范围。

Claims (1)

1. 一种自适应智慧城市智能交通信号的控制方法,其特征在于:所述控制方法包括w 下步骤: 1) 道路传感器对采集的车辆交通流信息进行处理,生成对应的交通状态集和决策集; 交通状态集包括单路口的信号周期C,单路口相位的绿信比A和各相位对应车辆的排队长 度以决策集包括交通信号灯实时采取的动作,包括红灯、黄灯、绿灯; 2) 设置奖惩函数、学习率和折扣因子; 奖惩函数的设置;
Figure CN104933876AC00021
(1) 其中,;状态油寸,采取策略a后获得的处罚; S;交通环境当前状态; <3;环境状态为S时Agent采取的动作 兩;时刻t采取策略C,后产生车辆排队长度; C;预设排队长度临界值; 学习率为a,aG[0, 1],折扣因子为丫,丫G[0, 1]; 3) 将处理的交通流信息送到Q学习器生成交通决策,基于W上变化的量全都满足 Q-learning算法对交通信号状态空间的要求,所W对于交通状态空间的选择用Q值估计的 形式表示,交通状态Q值的估计值近似表示为: Q=f(佑入,心P),a(t)) (2) 式(2)中,a(t)是交通信号控制选择的策略,P为交通流量趋势预测概率; 4) 交通决策序列通过交通信号控制器作用于交通路口; 5) 反馈奖惩函数值,评估决策的好坏; 6) 继续感应环境的下一个状态。
CN201510298976.6A 2015-06-03 2015-06-03 一种自适应智慧城市智能交通信号的控制方法 Expired - Fee Related CN104933876B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510298976.6A CN104933876B (zh) 2015-06-03 2015-06-03 一种自适应智慧城市智能交通信号的控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510298976.6A CN104933876B (zh) 2015-06-03 2015-06-03 一种自适应智慧城市智能交通信号的控制方法

Publications (2)

Publication Number Publication Date
CN104933876A true CN104933876A (zh) 2015-09-23
CN104933876B CN104933876B (zh) 2018-03-13

Family

ID=54121024

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510298976.6A Expired - Fee Related CN104933876B (zh) 2015-06-03 2015-06-03 一种自适应智慧城市智能交通信号的控制方法

Country Status (1)

Country Link
CN (1) CN104933876B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105654744A (zh) * 2016-03-10 2016-06-08 同济大学 一种基于q学习的改进交通信号控制方法
CN105803969A (zh) * 2016-04-13 2016-07-27 安徽拓力工程材料科技有限公司 一种自发光型交通标线
CN106846836A (zh) * 2017-02-28 2017-06-13 许昌学院 一种单交叉口信号灯时间控制方法及系统
CN108335497A (zh) * 2018-02-08 2018-07-27 南京邮电大学 一种交通信号自适应控制系统及方法
CN109003460A (zh) * 2018-08-10 2018-12-14 中国科学技术大学 红绿灯优化调度方法及系统
CN109035812A (zh) * 2018-09-05 2018-12-18 平安科技(深圳)有限公司 交通信号灯的控制方法、装置、计算机设备及存储介质
CN109544913A (zh) * 2018-11-07 2019-03-29 南京邮电大学 一种基于深度q网络学习的交通灯动态配时算法
CN109859475A (zh) * 2019-03-14 2019-06-07 江苏中设集团股份有限公司 一种基于dbscan密度聚类的交叉口信号控制方法、装置及系统
CN109887284A (zh) * 2019-03-13 2019-06-14 银江股份有限公司 一种智慧城市交通信号控制推荐方法、系统及装置
CN110111592A (zh) * 2019-06-25 2019-08-09 浪潮软件集团有限公司 基于交通信号控制机动态匹配最优信号配时方案的方法
CN111047884A (zh) * 2019-12-30 2020-04-21 西安理工大学 一种基于雾计算和强化学习的交通灯控制方法
CN111243299A (zh) * 2020-01-20 2020-06-05 浙江工业大学 一种基于3dqn_pser算法的单交叉口信号控制方法
CN111243271A (zh) * 2020-01-11 2020-06-05 多伦科技股份有限公司 一种基于深度循环q学习的单点交叉口信号控制方法
CN112216129A (zh) * 2020-10-13 2021-01-12 大连海事大学 一种基于多智能体强化学习的自适应交通信号控制方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103077615A (zh) * 2012-12-20 2013-05-01 长沙理工大学 一种优化信号交叉口排队长度的在线学习方法
CN103761883A (zh) * 2014-01-29 2014-04-30 中国科学技术大学 一种交通信号控制的自学习方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103077615A (zh) * 2012-12-20 2013-05-01 长沙理工大学 一种优化信号交叉口排队长度的在线学习方法
CN103761883A (zh) * 2014-01-29 2014-04-30 中国科学技术大学 一种交通信号控制的自学习方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
沈文等: "基于车均延误最小的Q学习交通信号控制方法", 《交通科学与工程》 *
赵晓华等: "基于Q-learning和BP神经元网络的交叉口信号灯控制", 《公路交通科技》 *
陈阳舟等: "基于Q学习的Agent在单路口交通控制中的应用", 《公路交通科技》 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105654744A (zh) * 2016-03-10 2016-06-08 同济大学 一种基于q学习的改进交通信号控制方法
CN105654744B (zh) * 2016-03-10 2018-07-06 同济大学 一种基于q学习的改进交通信号控制方法
CN105803969A (zh) * 2016-04-13 2016-07-27 安徽拓力工程材料科技有限公司 一种自发光型交通标线
CN106846836B (zh) * 2017-02-28 2019-05-24 许昌学院 一种单交叉口信号灯时间控制方法及系统
CN106846836A (zh) * 2017-02-28 2017-06-13 许昌学院 一种单交叉口信号灯时间控制方法及系统
CN108335497A (zh) * 2018-02-08 2018-07-27 南京邮电大学 一种交通信号自适应控制系统及方法
CN109003460A (zh) * 2018-08-10 2018-12-14 中国科学技术大学 红绿灯优化调度方法及系统
CN109035812A (zh) * 2018-09-05 2018-12-18 平安科技(深圳)有限公司 交通信号灯的控制方法、装置、计算机设备及存储介质
CN109035812B (zh) * 2018-09-05 2021-07-27 平安科技(深圳)有限公司 交通信号灯的控制方法、装置、计算机设备及存储介质
CN109544913A (zh) * 2018-11-07 2019-03-29 南京邮电大学 一种基于深度q网络学习的交通灯动态配时算法
CN109887284A (zh) * 2019-03-13 2019-06-14 银江股份有限公司 一种智慧城市交通信号控制推荐方法、系统及装置
CN109887284B (zh) * 2019-03-13 2020-08-21 银江股份有限公司 一种智慧城市交通信号控制推荐方法、系统及装置
CN109859475A (zh) * 2019-03-14 2019-06-07 江苏中设集团股份有限公司 一种基于dbscan密度聚类的交叉口信号控制方法、装置及系统
CN110111592A (zh) * 2019-06-25 2019-08-09 浪潮软件集团有限公司 基于交通信号控制机动态匹配最优信号配时方案的方法
CN111047884A (zh) * 2019-12-30 2020-04-21 西安理工大学 一种基于雾计算和强化学习的交通灯控制方法
CN111243271A (zh) * 2020-01-11 2020-06-05 多伦科技股份有限公司 一种基于深度循环q学习的单点交叉口信号控制方法
CN111243299A (zh) * 2020-01-20 2020-06-05 浙江工业大学 一种基于3dqn_pser算法的单交叉口信号控制方法
CN111243299B (zh) * 2020-01-20 2020-12-15 浙江工业大学 一种基于3dqn_pser算法的单交叉口信号控制方法
CN112216129A (zh) * 2020-10-13 2021-01-12 大连海事大学 一种基于多智能体强化学习的自适应交通信号控制方法

Also Published As

Publication number Publication date
CN104933876B (zh) 2018-03-13

Similar Documents

Publication Publication Date Title
CN104933876A (zh) 一种自适应智慧城市智能交通信号的控制方法
Zhou et al. Adaptive traffic light control in wireless sensor network-based intelligent transportation system
Hamilton et al. The evolution of urban traffic control: changing policy and technology
CN105046987A (zh) 一种基于强化学习的路面交通信号灯协调控制方法
CN106297326A (zh) 基于全息路网潮汐交通流可变车道控制方法
CN101308604B (zh) 大范围战略交通协调控制方法
CN202677620U (zh) 智能交通灯管理系统
CN104332058A (zh) 一种智能交通灯控制方法和系统
CN204680208U (zh) 根据各路口待通过车辆比例而智能切换的红绿灯
CN105894831B (zh) 智能交通控制装置
CN101727752A (zh) 交叉路口交通信号灯控管方法
CN104157148B (zh) 利用视频跟踪技术的人行横道信号灯自适应控制方法及系统
CN107610488A (zh) 一种交通信号灯自动控制系统及基于该系统的交通信号灯自动控制方法
Greengard Smart transportation networks drive gains
CN201698590U (zh) 智能交通信号灯控制系统
CN103366583A (zh) 数字信号处理(dsp)智能红绿灯控制系统
CN103164968A (zh) 一种基于交通流量的智能交通信号灯控制系统
CN105006158A (zh) 一种基于实时交通信息的单交叉口交通信号控制方法
CN103198679A (zh) 一种城市灯控路口智能防溢出系统
CN109754617A (zh) 一种高通行效率交通信号灯控制方法、装置及系统
Chen et al. Influence of pedestrian traffic on capacity of right-turning movements at signalized intersections
CN205670385U (zh) 基于手机无线网的城市交通控制装置
Zaatouri et al. A Self-Adaptive Traffic Light Control System Based on YOLO
CN203573495U (zh) 一种城市灯控路口智能防溢出系统
CN104103178B (zh) 一种能够满足行人需求的过街信号控制方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180313

Termination date: 20180603