本發(fā)明涉及智能交通領域，具體涉及基于深度學習的交通信號控制方法及系統(tǒng)。

背景技術：

1、交通信號控制是城市交通管理的重要組成部分，對于提高城市交通運行效率、減少擁堵和事故具有關鍵作用。在過去的幾十年中，隨著城市化進程的不斷加速，交通擁堵和事故頻發(fā)成為全球范圍內的重要問題，這促使人們不斷研究和改進交通信號控制技術?，F有的交通信號控制方法往往只能對道路上的交通流量進行局部感知和預測，難以全面掌握道路交通的實際情況，從而導致信號控制的不準確和效率低下。而基于深度學習的交通信號控制方法可以通過學習大量的交通數據，全面感知和預測道路交通流量，提高信號控制的精度和效率。

技術實現思路

1、本申請實施例提供了基于深度學習的交通信號控制方法及系統(tǒng)，解決了現有技術中難以對交通流量全面感知和預測的技術問題。

2、鑒于上述問題，本申請實施例提供了基于圖像識別的斑馬線檢測方法及系統(tǒng)。

3、本申請實施例的第一個方面，提供了基于深度學習的交通信號控制方法，所述方法包括：

4、建立通行數據集，所述通行數據集通過采集道路歷史通行數據獲取，其中，所述通行數據集為預處理后的數據集，預處理方式包括降噪處理和時序補償處理；

5、構建獨立日期特征和常態(tài)日期特征，通過所述獨立日期特征和所述常態(tài)日期特征進行所述通行數據集數據分割，并通過數據分割結果完成深度學習的多時段聚類，生成路口的通行比例特征；

6、獲取當前日期的日期數據和時間節(jié)點數據，以所述日期數據和節(jié)點數據作為基礎特征，執(zhí)行所述通行比例特征的特征匹配，生成比例匹配結果；

7、通過監(jiān)控攝像頭進行實時車流采集，基于采集結果生成補償反饋數據；

8、基于所述比例匹配結果確定基礎交通信號控制數據，并確定極限調整空間；

9、依據所述補償反饋數據優(yōu)化所述基礎交通信號控制數據，并通過所述極限調整空間進行優(yōu)化結果約束，完成交通信號控制。

10、本申請實施例的第二個方面，提供了基于深度學習的交通信號控制系統(tǒng)，所述系統(tǒng)包括：

11、數據集模塊，所述數據集模塊用于建立通行數據集，所述通行數據集通過采集道路歷史通行數據獲取，其中，所述通行數據集為預處理后的數據集，預處理方式包括降噪處理和時序補償處理；

12、特征模塊，所述特征模塊用于構建獨立日期特征和常態(tài)日期特征，通過所述獨立日期特征和所述常態(tài)日期特征進行所述通行數據集數據分割，并通過數據分割結果完成深度學習的多時段聚類，生成路口的通行比例特征；

13、匹配模塊，所述匹配模塊用于獲取當前日期的日期數據和時間節(jié)點數據，以所述日期數據和節(jié)點數據作為基礎特征，執(zhí)行所述通行比例特征的特征匹配，生成比例匹配結果；

14、補償反饋模塊，所述補償反饋模塊用于通過監(jiān)控攝像頭進行實時車流采集，基于采集結果生成補償反饋數據；

15、確定模塊，所述確定模塊用于基于所述比例匹配結果確定基礎交通信號控制數據，并確定極限調整空間；

16、優(yōu)化模塊，所述優(yōu)化模塊用于依據所述補償反饋數據優(yōu)化所述基礎交通信號控制數據，并通過所述極限調整空間進行優(yōu)化結果約束，完成交通信號控制。

17、本申請中提供的一個或多個技術方案，至少具有如下技術效果或優(yōu)點：

18、首先，采集道路歷史通行數據，并進行降噪處理和時序補償處理，得到通行數據集。然后，構建獨立日期特征和常態(tài)日期特征，利用獨立日期特征和常態(tài)日期特征將通行數據集進行數據分割，并通過數據分割結果進行深度學習的多時段聚類，生成通行的比例特征。接下來，獲取當前日期的日期數據和時間節(jié)點數據，以日期數據和節(jié)點數據作為基礎特征，執(zhí)行特征匹配，生成比例匹配結果。再通過監(jiān)控攝像頭采集實時車流采集，基于采集結果生成補償反饋數據。然后，基于比例匹配結果確定基礎交通信號控制數據，并確定極限調整空間。最后，依據補償反饋數據優(yōu)化基礎交通信號控制數據，并通過極限調整空間進行優(yōu)化結果約束，完成交通信號控制。采用上述方法，解決了現有技術中難以對交通流量全面感知和預測的技術問題，達成了基于深度學習進行精準控制，提高交通信號控制的精度和效率的技術效果。

技術特征：

1.基于深度學習的交通信號控制方法，其特征在于，所述方法包括：

2.如權利要求1所述的方法，其特征在于，所述方法還包括：

3.如權利要求1所述的方法，其特征在于，所述方法還包括：

4.如權利要求3所述的方法，其特征在于，所述方法還包括：

5.如權利要求1所述的方法，其特征在于，所述方法還包括：

6.如權利要求1所述的方法，其特征在于，所述方法還包括：

7.基于深度學習的交通信號控制系統(tǒng)，其特征在于，所述系統(tǒng)包括：

技術總結
本發(fā)明公開了基于深度學習的交通信號控制方法及系統(tǒng)，涉及智能交通領域。所述方法包括建立通行數據集；通過獨立日期特征和常態(tài)日期特征進行通行數據集數據分割，并完成深度學習的多時段聚類，生成通行比例特征；以日期數據和節(jié)點數據作為基礎特征，執(zhí)行特征匹配，生成比例匹配結果；通過監(jiān)控攝像頭進行實時車流采集，基于采集結果生成補償反饋數據；基于比例匹配結果確定基礎交通信號控制數據，并確定極限調整空間；依據補償反饋數據優(yōu)化基礎交通信號控制數據，并進行優(yōu)化結果約束，完成交通信號控制。解決了現有技術中難以對交通流量全面感知和預測的技術問題，達成了基于深度學習進行精準控制，提高交通信號控制的精度和效率的技術效果。

技術研發(fā)人員：閆軍,項炎平
受保護的技術使用者：智能路網（唐山）人工智能科技研究院有限公司
技術研發(fā)日：
技術公布日：2024/12/5