基于DT-TCN-Attention的交叉路口交通流量预测研究
Yulin Zhang1, Ke Shang1, Zhiwei Cui1
1School of Earth and Space Sciences, Peking University, Beijing 100871, China.
Sensors (Basel, Switzerland)
|August 12, 2023
概括
本研究介绍了一种使用时间卷积网络和注意力机制的智能交通信号控制系统. 新战略提高了十字路口的交通流量效率,特别是在高峰时段.
科学领域:
- 智能运输系统 智能运输系统
- 交通工程是交通工程.
- 交通运输中的人工智能
背景情况:
- 传统的道路交通信号系统由于其非智能性而缺乏效率,特别是在高峰时段.
- 现有的系统难以提供最佳的交通指导,导致交叉路口的拥堵和延误.
研究的目的:
- 为了提高交叉路口的效率,制定一个动态的交通信号阶段时间优化策略.
- 利用先进的AI技术来准确预测交通流量和信号控制.
主要方法:
- 利用时间卷积网络 (TCN) 来从十字路口交通数据中提取复杂的非线性时间特征.
- 集成了一个注意力机制,通过分析历史时间序列的重要性和持续时间来提高交通流量的预测.
- 采用数字生来模拟和预测各种场景下的交通状况,以告知优化.
主要成果:
- 拟议的模型表现出强大的学习时间流量特征的能力.
- 实现了高预测准确度和有效优化交通信号定时.
- 数字生技术促进了基于场景的优化,改善了整体的交通管理.
结论:
- 开发的AI驱动的交通信号控制策略显著提高了十字路口交通效率.
- 该模型显示了高精度,强大的优化能力和在不同的交通场景中广泛的适用性.
- 这种方法为智能交通管理和减少拥堵提供了一个有希望的解决方案.


