【技術實現步驟摘要】
本申請涉及智慧交通，尤其涉及一種基于數據融合的動態交通信號控制方法、設備及介質。
技術介紹
1、隨著城市化進程的加速，交通擁堵問題愈發嚴重，給人們的日常出行、物流運輸以及城市的可持續發展帶來了諸多挑戰。交通擁堵的核心問題包括三點：信號燈配時僵化，即傳統定時策略難以適應動態車流；數據孤島，即攝像頭、gps等多源數據未充分融合：響應延遲，即控制策略更新速度慢。
2、傳統的信號燈優化方法采用定時控制策略，根據歷史交通流量統計數據，預先設定固定時長的紅綠燈周期，通過地感線圈或雷達檢測車輛到達情況，動態調整綠燈時長，或者通過交警現場指揮或手動修改信號機參數，臨時應對突發擁堵。
3、然而，傳統的信號燈優化方法依賴單一傳感器，數據覆蓋范圍有限，難以獲取全路網實時車流密度、車型分布等多維度信息，數據采集能力薄弱，部分路口因數據缺失導致信號燈配時與流量不匹配，反而加劇擁堵。另外，由于控制策略僵化，在遇到突發事故、天氣變化等情況時，難以適應交通流的時空異質性，以致交通信號控制難以做出有效反應。
技術實現思路
1、本申請實施例提供了一種基于數據融合的動態交通信號控制方法、設備及介質，用于解決如下技術問題：傳統的信號燈優化方法，數據覆蓋范圍有限，制策略僵化，在遇到突發事故的情況下，交通信號控制難以做出有效反應。
2、本申請實施例采用下述技術方案：
3、本申請實施例提供一種基于數據融合的動態交通信號控制方法。包括，在邊緣節點處，通過多頭注意力機制對道路監拍裝置
4、本申請實施例通過多頭注意力機制融合道路監拍裝置的第一交通數據與浮動車定位裝置的第二交通數據，能全面獲取全路網實時車流密度、車型分布等多維度信息，彌補傳統單一傳感器數據覆蓋不足的缺陷。其次，本申請實施例運用?ppo?算法與聯邦平均方法更新優化模型，提升交通流暢度，整合多個邊緣節點數據，使模型訓練更全面、準確，避免單一節點數據偏差影響，生成的全局交通模型更具普適性與可靠性。通過知識蒸餾壓縮全局交通模型得到邊緣交通模型并遷移至相應邊緣節點，在不損失太多性能前提下，減小模型規模，降低邊緣節點計算與存儲負擔，使模型在邊緣設備上高效運行，邊緣節點可利用本地數據與邊緣交通模型實時輸出交通信號策略，減少數據傳輸延遲，快速響應本地交通變化，提升交通管控及時性與精準性。
5、在本申請的一種實現方式中，在邊緣節點處，通過多頭注意力機制對道路監拍裝置獲取的第一交通數據，以及通過浮動車的定位裝置獲取的第二交通數據，進行權重分配，并基于分配的權重進行數據融合，得到多源交通特征數據，具體包括：在邊緣節點處，基于空間特征對第一交通數據與第二交通數據分別進行第一特征提?。灰约?，基于時間特征，對第一交通數據與第二交通數據分別進行第二特征提取；通過多頭注意力機制對第一交通數據對應的第一特征與第二特征，以及第二交通數據對應的第一特征與第二特征，進行動態權重分配；基于動態權重、第一交通數據對應的第一特征與第二特征，以及第二交通數據對應的第一特征與第二特征，進行數據融合，得到多源交通特征數據。
6、在本申請的一種實現方式中，通過將多源交通特征數據輸入預置信號優化模型之前，方法還包括：將最小化路口平均延誤時間作為核心目標，以及，將減少急剎車次數與公交車輛優先通過作為輔助目標，構建獎勵函數：
7、；
8、其中， r為獎勵函數； w1為第一權重系數； w2為第二權重系數； w3為第三權重系數，； d為路口平均延誤時間； b為急剎車次數； p為公交車輛通行優先級得分；基于邊緣節點對應的交通場景，對獎勵函數進行權重調節，以基于調節后的獎勵函數對預置信號優化模型進行優化。
9、在本申請的一種實現方式中，通過ppo算法與聯邦平均方法，對預置信號優化模型進行更新優化，生成全局交通模型，具體包括：基于ppo算法，通過優化策略，最大化長期累積獎勵；其中，ppo算法的目標函數為：
10、；
11、其中，表示新舊策略的概率比；為新優化策略；為舊優化策略；表示信號燈控制策略；表示優勢函數；表示剪切閾值；clip為剪切函數；為模型參數；為智能體在時間步 t根據狀態 st執行的動作；為智能體在時間步 t的狀態；使用聯邦平均算法，聚合多個邊緣節點分別對應的模型參數，生成全局交通模型。
12、在本申請的一種實現方式中，使用聯邦平均算法，聚合多個邊緣節點分別對應的模型參數，生成全局交通模型，具體包括：在各邊緣節點處，通過本地數據對預置信號優化模型進行微調，得到微調參數；將得到的微調參數與各邊緣節點分別對應的本地數據，上傳至云端；在云端處，對多個邊緣節點上傳的數據進行加權平均，生成全局交通模型。
13、在本申請的一種實現方式中，對多個邊緣節點上傳的數據進行加權平均，具體包括：基于函數：
14、；
15、；
16、基于各邊緣節點分別對應的數據量，對多個邊緣節點上傳的數據進行加權平均；其中，為全局交通模型；表示參與聯邦學習的邊緣節點數量；表示節點的本地數量； n為數據總量；為邊緣節點 k對應的模型參數。
17、在本申請的一種實現方式中，通過知識蒸餾，對全局交通模型進行壓縮，并將壓縮后得到的邊緣交通模型遷移至相應邊緣節點，具體包括：基于函數：
18、；
19、；
20、將壓縮后得到的邊緣交通模型遷移至相應邊緣節點；其中， l為損失函數；為交叉熵損失，對齊邊緣交通模型預測數據與真實標簽；為散度損失，對齊邊緣交通模型的輸出概率與全局交通模型概率；為權重系數；為全局交通模型的logits輸出；為邊緣交通模型的logits輸出；表示溫度參數。
21、在本申請的一種實現方式中，通過邊緣交通模型對相應路段進行交通信號策略輸出本文檔來自技高網...
【技術保護點】
1.一種基于數據融合的動態交通信號控制方法，其特征在于，所述方法包括：
2.根據權利要求1所述的一種基于數據融合的動態交通信號控制方法，其特征在于，所述在邊緣節點處，通過多頭注意力機制對道路監拍裝置獲取的第一交通數據，以及通過浮動車的定位裝置獲取的第二交通數據，進行權重分配，并基于分配的權重進行數據融合，得到多源交通特征數據，具體包括：
3.根據權利要求1所述的一種基于數據融合的動態交通信號控制方法，其特征在于，所述通過將所述多源交通特征數據輸入預置信號優化模型之前，所述方法還包括：
4.根據權利要求1所述的一種基于數據融合的動態交通信號控制方法，其特征在于，所述通過PPO算法與聯邦平均方法，對所述預置信號優化模型進行更新優化，生成全局交通模型，具體包括：
5.根據權利要求4所述的一種基于數據融合的動態交通信號控制方法，其特征在于，所述使用聯邦平均算法，聚合多個所述邊緣節點分別對應的所述模型參數，生成所述全局交通模型，具體包括：
6.根據權利要求5所述的一種基于數據融合的動態交通信號控制方法，其特征在于，所述對多個所述邊
7.根據權利要求1所述的一種基于數據融合的動態交通信號控制方法，其特征在于，所述通過知識蒸餾，對所述全局交通模型進行壓縮，并將壓縮后得到的邊緣交通模型遷移至相應邊緣節點，具體包括：
8.根據權利要求1所述的一種基于數據融合的動態交通信號控制方法，其特征在于，所述通過所述邊緣交通模型對相應路段進行交通信號策略輸出，具體包括：
9.一種基于數據融合的動態交通信號控制設備，其特征在于，該設備包括用于存儲計算機程序指令的存儲器和用于執行程序指令的處理器，其中，當該計算機程序指令被該處理器執行時，觸發該設備執行權利要求1-8中的任一項所述的方法。
10.一種非易失性計算機存儲介質，存儲有計算機可執行指令，其特征在于，所述計算機可執行指令能夠執行權利要求1-8任一項所述的方法。
...【技術特征摘要】
1.一種基于數據融合的動態交通信號控制方法，其特征在于，所述方法包括：
2.根據權利要求1所述的一種基于數據融合的動態交通信號控制方法，其特征在于，所述在邊緣節點處，通過多頭注意力機制對道路監拍裝置獲取的第一交通數據，以及通過浮動車的定位裝置獲取的第二交通數據，進行權重分配，并基于分配的權重進行數據融合，得到多源交通特征數據，具體包括：
3.根據權利要求1所述的一種基于數據融合的動態交通信號控制方法，其特征在于，所述通過將所述多源交通特征數據輸入預置信號優化模型之前，所述方法還包括：
4.根據權利要求1所述的一種基于數據融合的動態交通信號控制方法，其特征在于，所述通過ppo算法與聯邦平均方法，對所述預置信號優化模型進行更新優化，生成全局交通模型，具體包括：
5.根據權利要求4所述的一種基于數據融合的動態交通信號控制方法，其特征在于，所述使用聯邦平均算法，聚合多個所述邊緣節點分別對應的所述模型參數，生成所述全局交通模型，具...
【專利技術屬性】
技術研發人員：孫彥明，陳寶中，高文勝，劉開信，劉嘉樂，陳家碩，肖琪，
申請(專利權)人：山東科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。