一种基于机器学习的交通流量预测与信号调节方法与流程

本发明涉及交通调控的，尤其涉及一种基于机器学习的交通流量预测与信号调节方法。

背景技术：

1、在现代城市交通管理中，随着城市化进程的加快，交通流量的激增已成为影响城市交通效率和安全的重要因素。如何有效地预测和调节交通流量，以降低拥堵、提高通行效率、确保交通安全，已成为亟待解决的技术难题。

2、传统的交通流量预测方法多依赖于历史数据和简单的统计模型，这些方法往往无法充分考虑实时交通状况及外部因素(如天气、事故等)的影响，导致预测结果的不准确性。此外，随着交通系统的复杂性增加，简单的信号控制策略也逐渐显得力不从心，往往无法及时响应变化的交通流量，进一步加剧了交通拥堵。

技术实现思路

1、本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、为解决上述技术问题，本发明提供如下技术方案：

3、第一方面，本发明实施例提供一种基于机器学习的交通流量预测与信号调节方法，包括：

4、数据采集：对实时交通数据进行采集，包括车流量、车速、车辆排队长度；通过网络信息采集交通相关数据，包括天气状况、突发事件和时间特征；

5、数据处理：对采集到的原始数据进行清洗，对交通流量数据及外部数据进行标准化处理；

6、机器学习模型训练：将处理后的多模态数据通过模型进行训练；

7、交通流量预测：利用训练好的机器学习模型，根据当前的多模态数据预测未来一段时间内的交通流量变化，预测时间窗口可根据需求动态调整；

8、信号调节：基于预测的未来交通流量，通过优化交通信号周期、绿灯时长、红灯切换时机动态调整个路口的交通信号。

9、作为本发明所述一种基于机器学习的交通流量预测与信号调节方法的一种优选方案，其中：所述多模态融合预测公式如下：

10、

11、其中表示第i个交通监测点在时间t的交通流量数据；表示第i个交通监测点在时间t的交通状况数据；表示第i个交通监测点在时间t的突发事件数据；表示第i个交通监测点在时间t的节假日特征数据；表示第i个交通监测点当前信号灯状态；αi为权重项；为时间衰减因子，表示历史数据对当前预测的影响随时间的推移逐渐衰减，β为参数，用来控制历史数据的权重。

12、作为本发明所述一种基于机器学习的交通流量预测与信号调节方法的一种优选方案，其中：所述的具体公式如下：

13、

14、作为本发明所述一种基于机器学习的交通流量预测与信号调节方法的一种优选方案，其中：基于所述多模态融合预测公式调整信号灯状态的优化公式具体如下：

15、

16、其中s(t)表示当前信号灯周期；γ为控制参数，反映信号灯的调整幅度；ythresh为交通流量的阈值。

17、作为本发明所述一种基于机器学习的交通流量预测与信号调节方法的一种优选方案，其中：所述模型训练通过损失函数进训练，对αi进行调整，所述损失函数具体如下：

18、

19、其中yi为真实交通流量，为模型预测交通流量。

20、作为本发明所述一种基于机器学习的交通流量预测与信号调节方法的一种优选方案，其中：所述模型训练通过奖励函数进行训练，对γ进行调整，所述奖励函数具体如下：

21、

22、其中为特定时间段内车辆列队长度平均值；wtotal为车队等待时间；λ为权重参数。

23、作为本发明所述一种基于机器学习的交通流量预测与信号调节方法的一种优选方案，其中：还包括系统交互界面：实时显示交通流量、预测结果以及信号灯调节状态，管理人员可通过界面查看不同路口的流量状况，并且系统提供接口与交通信号控制系统连接，管理人员可通过接口手动干预信号灯的控制。

24、第二方面，本发明实施例还提供一种基于机器学习的交通流量预测与信号调节系统包括：

25、数据采集模块：通过外界设备用于实时采集交通流量数据，并通过api、爬虫技术对外部交通相关数据，如天气状况、突发事件和时间特征等；

26、数据处理模块：对采集到的原始数据进行清洗并进行标准化处理；

27、机器学习模型训练模块：对处理后的多模态数据进行模型训练；

28、交通流量预测模块：使用训练好的模型进行未来交通流量的预测，将预测的结果整理和输出；

29、信号调节模块：根据预测的交通流量，优化交通信号的周期设置；

30、系统交互界面：显示交通流量、预测结果以及当前信号灯的状态，同时允许管理人员进行手动干预。

31、第三方面，本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的一种基于机器学习的交通流量预测与信号调节方法的任一步骤。

32、第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中：所述计算机程序被处理器执行时实现如本发明第一方面所述的一种基于机器学习的交通流量预测与信号调节方法的任一步骤。

33、本发明的有益效果：

34、通过对多模态数据包括交通流量、天气、突发事件等进行深度学习训练，模型能够更精准地捕捉交通流量变化的趋势和规律，显著提高预测的准确性。系统能够根据实时数据灵活调整信号周期和绿灯时长，使交通信号控制具有更好的适应性，能有效应对交通流量的瞬时波动，提升交通系统的整体效率。基于预测的交通流量信息，系统能够合理分配信号灯的绿灯时长，确保交通流畅，减少交叉路口的拥堵现象，进而提升整体道路的通行能力。

技术特征：

1.一种基于机器学习的交通流量预测与信号调节方法，其特征在于：包括：

2.根据权利要求1所述的一种基于机器学习的交通流量预测与信号调节方法，其特征在于：所述多模态融合预测公式如下：

3.根据权利要求2所述的一种基于机器学习的交通流量预测与信号调节方法，其特征在于：所述的具体公式如下：

4.根据权利要求3所述的一种基于机器学习的交通流量预测与信号调节方法，其特征在于：基于所述多模态融合预测公式调整信号灯状态的优化公式具体如下：

5.根据权利要求4所述的一种基于机器学习的交通流量预测与信号调节方法，其特征在于：所述模型训练通过损失函数进训练，对αi进行调整，所述损失函数具体如下：

6.根据权利要求5所述的一种基于机器学习的交通流量预测与信号调节方法，其特征在于：所述模型训练通过奖励函数进行训练，对γ进行调整，所述奖励函数具体如下：

7.根据权利要求6所述的一种基于机器学习的交通流量预测与信号调节方法，其特征在于：还包括系统交互界面：实时显示交通流量、预测结果以及信号灯调节状态，管理人员可通过界面查看不同路口的流量状况，并且系统提供接口与交通信号控制系统连接，管理人员可通过接口手动干预信号灯的控制。

8.一种基于机器学习的交通流量预测与信号调节系统，基于权利要求1-7任意一项所述的一种基于机器学习的交通流量预测与信号调节方法，其特征在于：具体包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的一种基于机器学习的交通流量预测与信号调节方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述的一种基于机器学习的交通流量预测与信号调节方法的步骤。

技术总结
本发明公开了一种基于机器学习的交通流量预测与信号调节方法，包括：数据采集：对实时交通数据进行采集；数据处理：对交通流量数据及外部数据进行标准化处理；机器学习模型训练：将处理后的多模态数据通过模型进行训练；交通流量预测：根据当前的多模态数据预测未来一段时间内的交通流量变化；信号调节：基于预测的未来交通流量，调整个路口的交通信号。本发明通过对多模态数据包括交通流量、天气、突发事件等进行深度学习训练，模型能够更精准地捕捉交通流量变化的趋势和规律，显著提高预测的准确性。系统能够根据实时数据灵活调整信号周期和绿灯时长，使交通信号控制具有更好的适应性，能有效应对交通流量的瞬时波动，提升交通系统的整体效率。

技术研发人员：王彤
受保护的技术使用者：南京通会联管理咨询服务有限公司
技术研发日：
技术公布日：2025/2/27