基于TensorFlow框架下的神经网络算法实现绿波效果巡检与预测的方法.pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 111462476 A (43)申请公布日 2020.07.28 (21)申请号 201910059529.3 (22)申请日 2019.01.22 (71)申请人 上海宝康电子控制工程有限公司 地址 201901 上海市宝山区杨行工业园区 锦富路298号 (72)发明人 刁志刚　黄智定　 (74)专利代理机构 上海智信专利代理有限公司 31002 代理人 王洁 (51)Int.Cl. G08G 1/01(2006.01) G08G 1/07(2006.01) 权利要求书2页 说明书10页 附图4页 (54)发明名称 基于TensorFlow框架下的神经网络算法实 现绿波效果巡检与预测的方法 (57)摘要 本发明涉及一种基于TensorFlow框架下的 神经网络算法实现绿波效果巡检与预测的方法， 包括以下步骤：(1)实时计算绿波带车辆通行时 间；(2)匹配信号灯放行方案，并计算通行效率； (3)根据路口的拥堵状态优化路网的通行时间； (4)通过未来3个时间段的平均数据计算该绿波 段未来3个时间段的预测运行效果。采用了该方 法，融合了道路规划等级，实时的路口的信号放 行方式和实时路口流量数据，基于TensorFlow框 架的人工智能神经网络算法实现了道路绿波方 案的评估和短期的方案预测。大幅的减少了人工 A 干预及主观的判断逻辑，快速有效准确的反应绿 6 波的运行效果，是一种科学有效的实用技术。 7 4 2 6 4 1 1 1 N C CN 111462476 A 权　利　要　求　书 1/2页 1.一种基于TensorFlow框架下的神经网络算法实现绿波效果巡检与预测的方法，其特 征在于，所述的方法包括以下步骤： (1)实时计算绿波带车辆通行时间； (2)匹配信号灯放行方案，并计算通行效率； (3)根据路口的拥堵状态优化路网的通行时间； (4)通过未来3个时间段的平均数据计算该绿波段未来3个时间段的预测运行效果。 2.根据权利要求1所述的基于TensorFlow框架下的神经网络算法实现绿波效果巡检与 预测的方法，其特征在于，所述的步骤(1)具体包括以下步骤： (1.1)获取短时间内的过车数据； (1.2)计算单辆车的绿波段平均通行时间； (1.3)过滤异常通行时间，获取绿波段放行车辆信息。 3.根据权利要求2所述的基于TensorFlow框架下的神经网络算法实现绿波效果巡检与 预测的方法，其特征在于，所述的步骤(1.1)中的短时间为15分钟。 4.根据权利要求2所述的基于TensorFlow框架下的神经网络算法实现绿波效果巡检与 预测的方法，其特征在于，所述的步骤(1.1)中的过车数据包括号牌号码、号牌种类、经过设 备、经过车道和经过时间字段。 5.根据权利要求2所述的基于TensorFlow框架下的神经网络算法实现绿波效果巡检与 预测的方法，其特征在于，所述的步骤(1.2)中计算单辆车的绿波段平均通行时间，具体为： 根据以下公式计算单辆车的绿波段平均通行时间： 其中，T 、Te 分别表示同一辆车通过绿波开始设备和绿波结束设备的时间参数， start nd Tdeadline为单条绿波的最长通行时间。 6.根据权利要求2所述的基于TensorFlow框架下的神经网络算法实现绿波效果巡检与 预测的方法，其特征在于，所述的步骤(1.3)中的绿波段放行车辆信息为每