基于视频监控数据和蛇优化算法的交通信号时间优化模型
Ruixiang Cheng1, Zhihao Qiao1, Jiarui Li1
1School of Resources and Environmental Engineering, Wuhan University of Technology, Wuhan 430070, China.
Sensors (Basel, Switzerland)
|June 10, 2023
概括
本研究介绍了一种新的交通信号时间优化模型,使用人工智能来预测交通流量并改善城市交通管理. 该模型显著减少了交通拥堵,为更智能的城市规划提供了切实可行的解决方案.
科学领域:
- 智能运输系统 智能运输系统
- 城市规划 城市规划
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 城市的快速增长加剧了交通拥堵和环境污染.
- 有效的城市交通管理在很大程度上依赖于信号定时优化.
- 现有的方法可能无法充分应对动态的交通条件.
研究的目的:
- 提出一个基于VISSIM模拟的交通信号定时优化模型.
- 为解决由动态交通流动引起的城市交通拥堵问题.
- 提高城市交通管理系统的效率.
主要方法:
- 使用YOLO-X从视频监控中提取道路信息.
- 使用长期短期内存 (LSTM) 来预测未来的流量.
- 使用蛇优化 (SO) 算法优化模型.
- 通过使用VISSIM模拟的实证示例验证了模型.
主要成果:
- 与固定时间相比,拟议的模型提供了一个改进的信号定时方案.
- 在观察期间,交通拥堵明显减少了23.34%.
- 维西姆模拟证实了模型在现实场景中的有效性.
结论:
- 开发的模型提供了一种可行和有效的交通信号时间优化的方法.
- 人工智能模型的整合增强了对流量流动的预测能力.
- 这项研究有助于缓解城市交通拥堵和改善交通管理.
