智能信号优化系统在交通领域的技术应用

（厦门福路通智慧城市科技有限公司，福建厦门 361000）

公安交管局颁布了《推动城市道路交通信号灯配备智能化任务方案》后，各个地区的交管单位都实施了相应的学习与实践，提出以创新技术根源为着力点，主动推进信号优化体系革新，探究人工智能和信号优化的跨范畴融合，发挥智能信号优化体系在城市交通信号监控中的应用价值。城市道路交通信号灯的智能控制，能够有效实现交通合理性管理的控制。现代化信息技术的应用实现了交通信号灯的智能化控制，同时也提高了交通信号灯的管理效率和管理质量。

1 传统信号优化系统的缺点

以往传统的信号优化系统主要利用相关人员的经验阅历，通过对历史资料整理、探讨、总结，进一步实施信号计划方案，针对干线、位置等改善规模，传统的改善方式主要利用干线绿波、地区网状绿波等计算方式总结干线、地区改善控制任务。这类体系在交通环境或车辆不充足的状况下提出的改善措施效果更好，尤其是在单层控制方面效果更佳。随着社会的不断发展进步，城市机动车拥有数量随之增加，交通运行环境变得更为复杂化，针对干线绿波、地区网状绿波的改善方式所提出的干线、地区改善措施，因其受干线与地区的结构特点、复杂难度、计算体量等重要因素的影响，改善效果普遍已经不能满足当地区域交通运行环境要求。传统信号改善体系所运用的数据较为简单，一般采取路口过车数据安排理论测算，不易协调整合路网结构、互联网路况数据等多项数据资料，改善算法只可以获得交通状况普通信息，不能够深入开掘感知干线、地区之间交通流的内部深层联系及彼此影响作用因素。

2 我国主流智能交通信号控制系统应用现状

尽管当前国内智能信号监控体系种类多样，除价格要素外难以选择，但经过分析发现，国内各个市场力荐的智能信控体系多数都是在吸收国外先进成熟的体系的基础上加以本土化设计，并补充了一些独特功能优化市区智能信号监控体系。本研究联网智能信号控制机数量已扩增至280台，已建设完成包含八一南街、双龙南街在内的37条交互绿波带，其包括了金华主区域全部的主干道。十字交互以及多条交互绿波带将传统意义上的双向协作监控提升至地区协作监控的新境界。在此基础上，试点分别在2016年与2017年实现了交互绿波因素下的BRT信号领先以及慢进快出不匀速交互绿波等多项全国先进的技术创新任务。

3 智能信号优化系统的技术实现

3.1 交通仿真环境搭建

客户选取待改善地区领域范畴，系统运营主要按照客户自我选取的区域，探求区域内交互口位置信息、路段长短信息、道路渠道信息，按照地区网络展开结构产生仿真路网；按通对过车数据资料计算地区内车辆在各个交互口的行驶路径，产生仿真交通流；按照地区内各交互口最初信号灯监控计划完成仿真信号控制任务。仿真信号控制方案是交通仿真及地区信号改善的理论安全保障体系，无论是交通仿真环节，还是在具体操作路口信号灯放行环节中，均应该履行安全第一、畅顺第二的准则，如何规划安排信号灯相位合并方案及相位保持时长计策是确保信号改善体系实际操作安全运行的基础。科学安排相位，确保一体及多体交通流同时赢得稳定通行权；科学安排相位最短维持时长，保证交通流与行人可以顺利驶离路口及安全过道；科学安排相位承接灯色时长，保证驱除路口停留车辆。在仿真网线、仿真交通流、信号监控计策都筹备完成后，就可开启交通仿真环节，模拟实际交通环境下地区内交通运作状况。

3.2 加强规划之间衔接配合

与用地有关的各级计划需完成2项工作：①策略引导，通过计划确定发展倾向、发展宗旨及发展途径；②硬性监管，确定在本层内计划需要严格监管的主要内容，并为下一层级计划和安排留出空间。针对城市设计环节，共同设定编排城市轨道交通章程。城市各项计划之间应兼备，轨道交通章程和市政管廊策划、生态环境保护协议、历史文物保护谋划等实现不抵触、无摩擦。轨道交通谋划需具有可操作性，避免发生计划、建设不相符的情况。

3.3 面向非饱和交通状态的信号控制

对于非充足的交通问题的管控主要是根据绿波带的交通信号区域位置协作管控。绿波带法派生自干线绿波管控，其关键内容是通过改善路网中的大量的主干道，减少车辆的停车耽搁时长及停车次数，提升整体路网的实际效率。驾驶在主干道上的车辆少遇或不遇红灯，经过调和管控的交互口是绿波调和管控的目标。绿波带法起始于1964年由Little初次倡议，其规划是干线双向最大绿波带宽调和管控算法，车辆不断通过绿波带的带宽越宽表明车辆拖延时间越短，路网控制的效果也越佳。

3.4 方案优化与下发

运用智能信号优化系统可以帮助交通领域实现新型的发展，国家对智能信号的系统应用主要集中在方案的优化以及工作的执行，完善的交通仿真系统能够有效提升交通的合理布置。在道路交叉口区域设置信号优化系统可以搜集目前现有的交通状态数据，并将这些数据进行分析整合，搭建区域信号优化模型。计算模型生成后可以对后续的交通运输形成系统的控制方案，计算机网络可以借助感知系统对区域内部的交通态势进行优化配置，与优化策略相关的各项信号激发数据可以借助通信接口协议逐步发送，整体交通系统可以有效地执行方案流程。

3.5 计算机技术智能识别射频设备在信号灯智能控制系统设计中的应用

计算机科技智能识别无线电频率装备在交通信号灯智能管控体系规划中，可以实现利用无线电频率装备对所要识别的车辆通行数及各个路口具体交通现象安排信号灯状况的管控。依据计算机技术性能上对交通信息等问题识别所安排的实时情况，智能识别体系是完成城市交通信息问题实时性采集的有效方式。利用在路口信号灯内安置的卫星红外设备或是摄像头设备，对车辆行驶及停驻状况安排整理和收集，将这些信息递交给计算机终端体系加以探讨，再把数据资料结果发送到信号灯智能管控体系，根据收集状况的具体信息来安排实施信号灯的智能管控。

3.6 强化学习网络构建与训练

针对交通的强化学习网络构建与训练，相关部门可以从以下几个方面帮助卷积神经网络辅助强化学习智能体的改善与优化。第一，三层卷积神经网络对交通运行具有数据控制作用，交通运行的各项参数需要借助三张卷积神经网络实现高维特征提取。第二，卷积层输出的高维特征与区内部交叉口的特征要建立全面的联系。第三，在保证连接过程时，负责人员需要明确交通运行状态，辅助理想信号控制策略输出，确保智能体在原有的交通状态下完成对各项系统的控制。针对整体的学习体系，目前的强化学习是机械学习方法论的一项内容，与传统的学习方法不同，强化学习具有以下学习特点：学习的整体训练过程依赖于训练数据，特别是无标签数据可以帮助网络进行误差计算，反向误差迭代可以修正网络参数。目前，强化学习措施是联系智能体与环境的有效方法，在误差计算与误差传递迭代的过程中，网络参数实现了更新和优化。计算机网络有不同的结构算法，在应对不同的学习网络过程中，采用的网络参数也具有明显差异。Target-net和Eval-net两项网络的区别在于，前者的网络参数一般进行更新时会发生延迟，而后一项的网络参数可以进行实时的更新拓展。不同的网络在运行交通参数的过程中采用的计算方法和计算数据也存在较大的差异，动作收益是误差计算的相应数据，交通运行的当前状态与下一状态需要借助不同的参数分析。交通运输的各项系统中，启动仿真过程可以让智能体联系仿真环境的交通运行状态、信号控制装置，让三者实现密切交互，并生成网络训练所需要的基础数据组合，可以用公式进行表示。字母s作为目前的交通运行状态矩阵，可以将不同的交叉路口的车辆位置，车辆速度，车辆时间等划分为矩阵内部的详细数据信息；字母a表示只能提在各项交叉口信号控制策略的矩阵；r表示根据当前的交通动作所获得的各项收益数字；r表示区域信号控制策略执行之后的交通运行状态矩阵。公式在达到一定的数量后就会启动强化学习的训练过程，两项网络措施在整体的系统中扮演不同的角色，并发挥自身的有效作用，确保交通运行状态可以得到精准的计算结果。

4 未来发展趋势

随着交通信号管控运用智能化的不断发展，致使交通监管面临新的挑战，比如大量异构数据的储备、多类别数据的整体管理、实时有效的数据信息获取和解决方式、多住户的数据分享和传送。实际面临的挑战如下：（1）在智能交通配置和运行期间，从卡门电警、视频监视、操控信息、路况问题、GPS定位体系、运营状况、RFID识别信息等每天所产生的数据能够达到PB等级，而且是数级的递增，当前绝大多数的数据处于“熟睡”状态，但依然需要对收集的数据实施储备，必然给智能交通体系的存储装备带来很大压力。（2）智能交通信号管控综合措施，一般会涉及多体系多业务的相关合并，主要涵盖交通监管终端、治安操控体系、平台检测、指挥派遣、控制中心、资源共享、机房配置、安全操控体系、视频云摘要、人脸辨别、云储备、车辆大数据分析、四台整合、社会视频资源综合探究、公安网络IP电话、无线传输及聚集对讲体系扩增等，所以对数据解决平台的要求非常高。

5 结语

基于平行仿真结合强化学习的信号优化系统，突出强调深度强化学习技术在区域信号优化中的对区域整体交通运行状态的综合分析与感知，该系统突破传统基于单一交通流计算模式的瓶颈，借鉴卷图像处理优势，运用卷积神经网络对区域内交通运行状态进行高维特征提取，挖掘区域交通流网络拓扑关系，从联合控制角度出具区域优化策略。