随着社会经济和城市化的发展,人们出行方式的改变导致道路车辆数量迅速增加,引发了越来越多的交通问题,如交通拥堵、安全隐患、空气质量下降等负面影响,阻碍了我国经济增长和社会发展。交叉路口在城市交通网络中是至关重要的节点,因此采取有效的管理措施来优化道路的流量可以改善道路的使用情况,研究内容主要如下:1城市场景分割与自适应交通信号控制密切相关。通过图像处理技术将交通摄像头捕捉到的图像进行分割,可以获得道路、车辆、行人等不同区域的信息。这有助于交通信号控制系统做出准确、智能的信号调控决策,提高交通流量控制效果。为了克服语义分割网络的局限性,提出了一种结合快速下采样模块和空洞卷积模块的编码器-解码器架构。该架构加强了特征捕捉效果、提高了特征表示能力,并通过多尺度注意力和特征融合来细化和学习特征。实验证明,该网络能有效处理Cam Vid城市场景数据,在单个RTX2060 GPU上达到102fps的速度,MIo U达到72.2%。2传统交通信号控制(Traffic Signal Control,TSC)方案依赖于专家的先验知识,无法适应复杂的动态交通流。而基于强化学习(Reinforcement Learning,RL)的TSC方法大多集中于RL模型的研究,忽略了交通状态(如车辆数量、队列长度、等待时间、延迟等)的有效表示。为解决这些问题,提出了一种基于交通状态表示的信号配时优化算法,即Excellent-MP(Excellent Max Pressure)。该算法考虑相位中队列车辆和行驶车辆与有效通行时间的权重关系,并通过当前相位的车辆状态和等待时间来决定是否改变当前阶段。实验结果显示,该方法比传统固定交通信号配时方案降低了50%的交通延误,同时,该方法具有很好的通用性,可以与强化学习框架有效结合,并能在基线模型的基础上降低2%~8%的交通延误。城市场景分割和自适应交通信号控制结合可实现智慧城市交通管理。通过城市场景分割获取实时交通信息,如车辆数量、行驶方向和速度,以实现自适应交通信号控制。该系统可以根据交通拥堵情况调整信号周期,减少等待时间和能源浪费。这两种技术在交通管理中起着重要作用,能够实现智慧城市交通的高效管理。
暂无评论