基于计算机视觉的交叉口信号控制策略研究
应用计算机视觉技术研究了交叉口信号控制策略的优化问题.首先搭建了硬件实验平台,解决了交叉口交通状况实时感知问题;其次将深度强化算法应用到实际交通交叉路口场景中,有效提升交叉口通行效率,最后为了验证深度强化学习算法的有效性,应用SUMO软件搭建了典型交叉口仿真模型,应用深度强化学习算法得到实时最优信号配时.研究结果表明:将深度强化学习应用于交通信号的智能控制,能够得到良好的交通信号控制策略,有效地减少车辆停留时间、车辆延误和交通拥堵.其中,车辆的平均行驶时间减少了34.1％,平均队列长度缩短了19.4％,平均等待时间减少了24.0％.
智能交通、节能减排、控制策略、计算机视觉
16
TP319(计算技术、计算机技术)
2020-04-29（万方平台首次上网日期，不代表论文的发表时间）
共3页
194-196
