基于Python与Tensorflow的交通信号决策系统

为改变目前我国道路信号配时方案与实际交通流不匹配的情况，提高道路交叉口的通行能力，增加绿灯的使用率，提出基于Python与Tensorflow的交通信号决策系统。介绍交通信号决策系统的整体框架及各个模块的层次关系，详细说明每部分的原理及实现方法。通过Python在互联网上实现实时交通数据自动采集，将搜集的数据分类存储。采用TensorFlow框架建立车速预测模型，通过机器学习不断调整优化模型。根据优化后的车速模型预测未来交通流状态变化趋势，交通信号决策系统能够在不同的交通流状态下自适应决策采取不同的绿波信号配时方案。通过VISSIM仿真结果表明，交通信号决策系统能够显著降低道路的拥堵程度，有效降低了道路机动车的停车次数和停车延误，极大地提高路网的运行效率，增大区域协调控制系统的自动化。