基于深度学习网络的智能交通信号控制研究

摘要

本文设计了基于深度学习网络的智能交通信号控制系统。使用数据平滑方法消除交通流数据的趋势,利用由多个限制玻尔兹曼机模型构成的深度信念网络模型学习交通流特征,并结合支持向量回归预测短时交通流,根据预测结果和排队消散时间实时判断车流放行方向以及进口放行绿灯时间,实现智能交通信号控制。实验结果表明,分别将延迟时间和节点数设置为10 ms和45个,可获得更优异的短时交通流预测效果。