基于卷积神经网络的智能交通信号控制研究

• 作者: 史二娜 王丽君
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 卷积神经网络 智能交通 信号控制 采样层
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 基金项目
• 页码范围: 56-60
• 页数: 5页
• 分类号: TP273
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2020.10.010

摘要

为提高智能交通信号在实际应用中的效率,提出一种改进的控制方法,将交通信号图像输入卷积神经网络的输入层,通过卷积层与采样层的卷积计算、残差计算以及梯度计算识别交通信号,将识别交通信号结果选取自适应跳跃式信号控制方法实现智能交通信号控制,用双层管道模型表示智能交通信号控制区域车辆流动情况,通过内外层管道路侧单元获取车辆通行信息,利用车辆权重之和及影响绿灯时间分配车辆数量实现智能交通信号控制.实验结果表明,文中方法可有效控制交通信号,不同时段车辆通过率均高于25％,获得了理想的交通信号控制结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王丽君		6	0	0.0	0.0
2	史二娜		17	7	2.0	2.0