【技术实现步骤摘要】
本专利技术涉及道路信号灯控制技术，特别是涉及一种基于脉冲神经网络的交通信号灯控制方法。
技术介绍
1、信号灯控制技术是指通过传感器收集交通网络负载状态信息，如指定车道上车辆数量、等待时间、平均速度等，并依据此信息调整交通信号灯周期、相位，以达到提高路网吞吐率，降低延迟时间的技术。
2、既有信号灯控制技术主要包括三类：第一类是以混合整数规划、动态规划为主的运筹学方法，这类方法根据交通路网拓扑结构、交通流量统计特征构建较为精确的系统动力学模型，构造优化问题，求解最优信号灯周期及相位持续时间，但此类方法模型依赖型较强，且对于大规模信号灯控制可扩展性较低；第二类是以线性二次型调节器、最大压力控制、模型预测控制为主的控制方法，这类方法通过实时反馈、预测等手段，使信号灯配时对交通流实时变化具有自适应能力，但这类方法强调系统的平衡性和稳定性，而非全局最优性；第三类方法是以强化学习为主的人工智能方法，包括q网络、策略梯度、演员评论家算法等，这类算法基于第二代神经网络，对于大规模强化学习模型，第二代神经网络消耗的计算资源和存储资源较高。
3、申请人此前还提出了一种基于分布式强化学习的交通信号灯控制方法，将大规模交通网络划分为若干小规模子网络，并且基于q网络构建子网络信号灯控制模型，最后采用极大加算法协调所有q网络输出决策，以实现路网整体通行质量优化。采用深度q网络对进行路网子单元控制，在此基础上构建的大规模交通网络信号灯控制方法，消耗的计算和存储资源较多。
4、需要说明的是，在上述
技术介绍
部分公开的信息仅用于对
技术实现思路
1、本专利技术的主要目的在于解决上述
技术介绍
中存在的问题，提供一种基于脉冲神经网络的交通信号灯控制方法。
2、为实现上述目的，本专利技术采用以下技术方案：
3、在本专利技术的第一方面，一种基于脉冲神经网络的交通信号灯控制方法，包括如下步骤：
4、步骤一、构造城市交通网络负载状态的数学模型，定义车道等待车辆数与队列停止时间的加权和作为车道现有负载的评价指标；
5、步骤二、将交通网络负载状态转化为脉冲时间序列，通过非线性函数转换器和积分转换器实现状态的脉冲编码；
6、步骤三、构建单信号灯控制的脉冲神经网络模型，包括输入脉冲信号的积分转换和脉冲输出，以及相位切换机制；
7、步骤四、针对多信号灯控制场景，进行脉冲神经网络参数的二进制编码，采用距离度量方式确定二进制特征的排序，为遗传算法寻优准备；
8、步骤五、利用遗传算法协调多个脉冲神经网络参数，优化交通网络的整体通行效率，通过适应度函数评价指标，实现全局通行效率的最大化。
9、在本专利技术的第二方面，一种基于脉冲神经网络的城市交通网络信号灯联合控制方法，包括如下步骤：
10、实时交通状态监测与评估：实时监测城市多交叉口的交通状态，并将监测数据用于评估，为信号灯控制提供实时决策支持；
11、状态向量脉冲编码：将监测到的实际交通状态信息通过非线性函数转换器和积分转换器转化为脉冲时间序列，作为脉冲神经网络的输入；
12、脉冲神经网络控制模型构建与执行：构建单信号灯控制的脉冲神经网络模型，实现输入脉冲信号的积分转换和脉冲输出，以及相位切换机制；
13、参数优化与遗传算法协调：对多信号灯控制场景进行参数优化，通过脉冲神经网络参数的二进制编码和遗传算法协调，准备实现路网通行效率的优化；
14、全局通行效率优化：利用遗传算法协调多个脉冲神经网络参数，通过适应度函数评价指标，实现交通网络整体通行效率的最大化。
15、在本专利技术的第三方面，一种计算机可读存储介质，存储有计算机程序，所述计算机程序由处理器执行时实现所述的基于脉冲神经网络的城市交通网络信号灯联合控制方法。
16、在本专利技术的第四方面，一种计算机程序产品，包括计算机程序，所述计算机程序由处理器执行时实现所述的基于脉冲神经网络的城市交通网络信号灯联合控制方法。
17、本专利技术具有如下有益效果：
18、本专利技术提出一种创新的基于脉冲神经网络的城市交通网络信号灯联合控制方法，通过构建单交叉口信号灯相位切换的脉冲神经网络模型，并利用遗传算法优化多个脉冲神经网络参数，实现了对交通信号灯的高效控制。与基于q网络的信号灯控制方法相比，本专利技术设计的脉冲神经网络模型具有事件驱动和低能耗的特点，显著减少了计算和存储资源的消耗。此外，本专利技术采用分布式优化思想，通过无线通信技术实现车辆与道路设施之间的实时通信，使得中央控制器能够根据实时交通网络动态信息进行中心式、自适应的信号灯相位调整，有效提升了路网的吞吐率和降低了延迟时间。本专利技术构建的低功耗人工智能模型不仅提高了交通管理的智能化水平，还优化了城市交通网络的整体通行效率，展现了在城市交通控制领域的显著技术进步和应用潜力。
19、本专利技术实施例中的其他有益效果将在下文中进一步述及。
本文档来自技高网...【技术保护点】
1.一种基于脉冲神经网络的交通信号灯控制方法，其特征在于，包括如下步骤：
2.如权利要求1所述基于脉冲神经网络的交通信号灯控制方法，其特征在于，步骤一具体包括：
3.如权利要求1或2所述基于脉冲神经网络的交通信号灯控制方法，其特征在于，步骤二具体包括：
4.如权利要求1至3任一项所述基于脉冲神经网络的交通信号灯控制方法，其特征在于，步骤三具体包括：
5.如权利要求1至4任一项所述基于脉冲神经网络的交通信号灯控制方法，其特征在于，步骤四具体包括：
6.如权利要求1至5任一项所述基于脉冲神经网络的交通信号灯控制方法，其特征在于，步骤五具体包括：
7.如权利要求6所述基于脉冲神经网络的交通信号灯控制方法，其特征在于，所述遗传算法具体包括：
8.一种基于脉冲神经网络的城市交通网络信号灯联合控制方法，其特征在于，包括：
9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序由处理器执行时实现如权利要求1-8任一项所述的基于脉冲神经网络的城市交通网络信号灯联合控制方法。
<...【技术特征摘要】
1.一种基于脉冲神经网络的交通信号灯控制方法，其特征在于，包括如下步骤：
2.如权利要求1所述基于脉冲神经网络的交通信号灯控制方法，其特征在于，步骤一具体包括：
3.如权利要求1或2所述基于脉冲神经网络的交通信号灯控制方法，其特征在于，步骤二具体包括：
4.如权利要求1至3任一项所述基于脉冲神经网络的交通信号灯控制方法，其特征在于，步骤三具体包括：
5.如权利要求1至4任一项所述基于脉冲神经网络的交通信号灯控制方法，其特征在于，步骤四具体包括：
6.如权利要求1至5任一项所述基于脉冲神经网络的交通信号灯控制方法，其特...
【专利技术属性】
技术研发人员：汤辉玥，张立贤，杨占魁，
申请(专利权)人：国家超级计算深圳中心深圳云计算中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。