基于深度学习的交通信号灯实时决策研究

为有效缓解城市交通压力，提升交通信号控制的智慧化水平，提出一种基于图像识别并融合深度学习的多交叉口交通信号灯实时决策模型方法。采用图像识别的方法判别拥堵状态，搭建区域多交叉口交通信号灯实时决策模型，以总调度期内通行评分最高为目标函数构建深度学习网络；采用机器学习思想优化决策方案，通过预训练增加决策方案容量并缩短现场决策时间，达到实时决策的目的；将研究模型应用于湖北省武汉市武昌区中山路路段，并进行模型论证和结果分析。研究结果表明，所提出的模型方法能有效解决区域多交叉口交通信号灯联合调度问题，可为交通管理者提供更合理的决策方案。