基于時空流量數據的交通信號燈控制方法及系統與流程

本發明涉及數據處理，尤其涉及一種基于時空流量數據的交通信號燈控制方法及系統。

背景技術：

1、隨著城市化進程的加速和機動車輛的快速增長，城市交通擁堵問題日益嚴重，對居民出行效率和城市經濟發展造成了顯著影響。傳統的交通信號燈控制方法往往依賴于固定的信號配時方案，難以根據實時交通流量變化進行動態調整，導致在高峰時段和突發事件情況下，交通擁堵現象頻發，道路通行能力受限。

2、為了應對這一挑戰，近年來，基于大數據和人工智能技術的智能交通管理系統逐漸興起。這些系統通過收集和分析大量交通流量數據，利用機器學習模型進行交通擁堵預測，并根據預測結果動態調整交通信號燈控制策略，以期實現交通流量的有效疏導和道路通行能力的最大化。

3、然而，現有的基于數據驅動的交通擁堵預測方法仍存在一些局限性。一方面，大多數方法僅關注交通流量數據的空間特征（如車道占用率、車輛速度等），而忽視了時間特征（如交通流量的變化趨勢、周期性等）的重要性。這導致模型在預測連續交通流量數據之間的相關性時表現不佳，影響了擁堵預測的準確性。另一方面，現有的擁堵預測模型在處理大規模、高維度的交通流量數據時，往往面臨計算復雜度高、訓練時間長等問題，難以在實際應用中實現高效、實時的擁堵預測和信號燈控制。

技術實現思路

1、有鑒于此，本發明實施例至少提供一種基于時空流量數據的交通信號燈控制方法。

2、本發明實施例的技術方案是這樣實現的：

3、一方面，本發明實施例提供一種基于時空流量數據的交通信號燈控制方法，包括：在交通數據管理庫中獲取目標道路在過往監測時間段中的目標時空流量監測數據；依據所述目標時空流量監測數據，生成所述目標道路在過往監測時間段中的時空流量隱式表示序列，其中，所述時空流量隱式表示序列包括a個時空流量隱式表示，每個時空流量隱式表示與對所述目標道路采集的一次交通流量數據對應，其中，a≥1；依據所述a個時空流量隱式表示和a個時序嵌入隱式表示，獲得a個整合時空流量隱式表示，其中，所述a個時序嵌入隱式表示中的一個時序嵌入隱式表示用以表征對所述目標道路采集的一次交通流量數據在a次交通流量數據中的時間點位置特征；基于將所述a個整合時空流量隱式表示輸入目標擁堵預測神經網絡，獲得交通擁堵置信度，并在所述交通擁堵置信度不小于設定臨界值時，將所述目標道路確定為交通擁堵路段，其中，所述目標擁堵預測神經網絡包括級聯的多個旁路網絡組件，所述多個旁路網絡組件的一個旁路網絡組件的執行數據是通過處在所述一個旁路網絡組件之前的b個旁路網絡組件的執行結果確定的，b是事先設定的數值。

4、另一方面，本發明提供一種計算機系統，包括存儲器和處理器，所述存儲器存儲有可在處理器上運行的計算機程序，所述處理器執行所述程序時實現如上所述方法中的步驟。

5、本發明依據目標道路在過往監測時間段中的目標時空流量監測數據，對采集的歷史數據中的每個時間點的交通流量數據進行時序信息嵌入，同時將整合時序嵌入隱式表示之后的時空流量監測數據輸入目標擁堵預測神經網絡，令融合旁路網絡組件的目標擁堵預測神經網絡可以對連續的多個交通流量數據之間的時間信息進行學習，以增加神經網絡輸出的擁堵預測結果的精度。也即，基于將每次交通流量數據的時序信息與交通流量數據特征進行聯合，目標擁堵預測神經網絡對多次交通流量數據之間的相關性的學習效果得到提高，提高對交通擁堵路段的預估結果的精度，以便進行準確的交通信號燈控制。

6、應當理解的是，以上的一般描述和后文的細節描述僅是示例性和解釋性的，而非限制本發明的技術方案。

技術特征：

1.一種基于時空流量數據的交通信號燈控制方法，其特征在于，包括：

2.根據權利要求1所述的方法，其特征在于，所述依據所述目標時空流量監測數據，生成所述目標道路在過往監測時間段中的時空流量隱式表示序列，包括：

3.根據權利要求1所述的方法，其特征在于，所述依據所述a個時空流量隱式表示和a個時序嵌入隱式表示，獲得a個整合時空流量隱式表示，包括：

4.根據權利要求3所述的方法，其特征在于，所述依據所述a個時空流量隱式表示中的每個時空流量隱式表示在所述時空流量隱式表示序列中的分布排列順序，獲得所述a個時序嵌入隱式表示，包括：

5.根據權利要求4所述的方法，其特征在于，所述對所述當下時空流量隱式表示在所述時空流量隱式表示序列中的當下分布排列順序進行時序嵌入，獲得當下時序嵌入隱式表示，包括：

6.根據權利要求3所述的方法，其特征在于，所述對所述a個時空流量隱式表示和所述a個時序嵌入隱式表示進行整合操作，獲得所述a個整合時空流量隱式表示，包括：

7.根據權利要求1所述的方法，其特征在于，在所述基于將所述a個整合時空流量隱式表示輸入目標擁堵預測神經網絡，獲得交通擁堵置信度之前，所述方法還包括：

8.根據權利要求7所述的方法，其特征在于，所述通過所述調試學習樣例庫，對初始擁堵預測神經網絡進行調試，包括：

9.根據權利要求8所述的方法，其特征在于，所述將所述第x組樣例整合時空流量隱式表示序列加載到所述第x-1次調試獲得的擁堵預測神經網絡，獲得經過所述第x-1次調試獲得的擁堵預測神經網絡根據所述第x組整合時空流量隱式表示序列確定的第x組交通擁堵置信度，包括：

10.一種計算機系統，包括存儲器和處理器，所述存儲器存儲有可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現權利要求1至9任一項所述方法中的步驟。

技術總結
本發明提供一種基于時空流量數據的交通信號燈控制方法及系統，依據目標道路在過往監測時間段中的目標時空流量監測數據，對采集的歷史數據中的每個時間點的交通流量數據進行時序信息嵌入，同時將整合時序嵌入隱式表示之后的時空流量監測數據輸入目標擁堵預測神經網絡，令融合旁路網絡組件的目標擁堵預測神經網絡可以對連續的多個交通流量數據之間的時間信息進行學習，以增加神經網絡輸出的擁堵預測結果的精度。也即，基于將每次交通流量數據的時序信息與交通流量數據特征進行聯合，目標擁堵預測神經網絡對多次交通流量數據之間的相關性的學習效果得到提高，提高對交通擁堵路段的預估結果的精度，以便進行準確的交通信號燈控制。

技術研發人員：喻光樓,趙志剛,謝穎平
受保護的技術使用者：深圳市城銘科技有限公司
技術研發日：
技術公布日：2025/3/13