根据车流密度优化控制红绿灯的方法PPT课件

1、L/O/G/O2021/3/91根据车流密度优化控根据车流密度优化控制红绿灯的方法制红绿灯的方法 负责人：汤琳负责人：汤琳 数学科学学院数学科学学院 指导老师：高存臣指导老师：高存臣2021/3/92简介目录5 心得体会心得体会3 研究方法研究方法4 成果介绍成果介绍2 研究内容研究内容1 课题背景课题背景2021/3/93课题背景车辆剧增、车辆剧增、道路负载道路负载过重过重道路改建道路改建困难、费困难、费用巨大用巨大交通管理的交通管理的智能性不高智能性不高为此我小组研究一种可以最大限度利用道路资源，解决拥堵状况的新方法2021/3/94研究内容研究步骤研究步骤为了得到优化控制红绿灯的方法，我

2、小组进行了以下的研究：优化控制红绿灯的方法研究步骤研究步骤1 数据采集数据采集2 数据分析数据分析3 模型建立模型建立4 模型应用模型应用2021/3/95研究方法采集数据分析采集数据分析（图像对比）（图像对比）模型建立模型建立（拟合仿真）（拟合仿真）模型应用模型应用（对具体数据（对具体数据进行建模）进行建模）注：在模型建立过程中，根据图像对比的结果，发现车流密度变化具有一定的随机性，传统的回归拟合并不能充分体现数据的规律性。因此，采用了一种更加智能的模型建立方法人工神经网模型，它具有很强的学习性，能根据数据的动态变化，不断改造相应的模型。2021/3/96模型介绍车流监测车流监测对数据进行对

3、数据进行简单处理简单处理人工神经网络人工神经网络模型的建立模型的建立红绿灯红绿灯时间分配时间分配道路状况预测道路状况预测5. 给出道路的预测和实时信息4. 根据模型得出带有预测性的红绿灯分配方案1. 车流数据采集2. 车流数据预处理3. 建立相应的模型上图是优化的交通控制系统新模型2021/3/97成果介绍实时红绿灯控制系统论文一篇行人及司机最大意愿等待红灯时 间的调研报告一篇根据车流密度优化控制红绿灯时间分配论文一篇相关处理程序若干优化红绿灯时间分配方法一套2021/3/98优化方法车流密度库对数据进行预处理，去除一些错误数据，并进行归一化等操作注：该方法的动态性在于车流密度库不断更新，相应

4、的模型也不断发生变化，实时反映最近日期内该路段的车流密度规律车流密度监测器根据处理好的数据建立相应的人工神经网络模型将模型预测的结果输出根据预测车流密度数据和当前监测的车流密度代入实时红绿灯控制系统模型得出红绿灯时间分配方案根据预测的结果对当前的道路状况给出预报，并给出相应的绕行提示2021/3/99创新点注：该方法的动态性在于车流密度库不断更新，相应的模型也不断发生变化，实时反映最近日期内该路段的车流密度规律车流密度库对数据进行预处理，去除一些错误数据，并进行归一化等操作车流密度监测器根据处理好的数据建立相应的人工神经网络模型将模型预测的结果输出根据预测车流密度数据和当前监测的车流密度代入实

5、时红绿灯控制系统模型得出红绿灯时间分配方案根据预测的结果对当前的道路状况给出预报，并给出相应的绕行提示1 数据库数据库实时更实时更新新2 加入预加入预测数据后实测数据后实时红绿灯分时红绿灯分配方案配方案3 给出道给出道路车流路车流信息预信息预报报2021/3/910模型应用举例人工神经网络拟合图形人工神经网络拟合图形注：1 蓝色圆圈代表拟合点，红色代表实际数据； 2 横坐标表示监测时间点，每个点为10分钟的数据，一共是15天的数据图形； 3 纵坐标为相应时刻的车辆数（十分钟内的车辆数目）2021/3/911模型应用举例2009.8.12 2009.8.12 预测和实际车流密度预测和实际车流密度的对比图的对比图注：1 蓝色圆圈代表拟合点，红色代表实际数据； 2 横坐标表示监测时间点，每个点为10分钟的数据； 3 纵坐标为相应时刻的车辆数（十分钟内的车辆数目）2021/3/912模型应用举例2009.8.15 2009.8.15 实际和预测实际和预测车流密度对比图车流密度对比图注：1 蓝色圆圈代表拟合点，红色代表实际数据； 2 横坐标表示监测时间点，每个点为10分钟的数据； 3 纵坐标为相应时刻的车辆数（十分钟内的车辆数目）返回返回2021/3/