[发明专利]基于SVM和计算机网络的交通信号控制方法及控制系统

说明书

本发明提出一种基于SVM和计算机网络的交通信号控制方法及控制系统，首先，利用摄像头和电磁传感器采集的总车流量及各车道直行、左转、右转的车流量分别作为数据集，利用SVM分别对各数据集的95%进行训练得到直行、左转、右转的SVM模型；其次，利用各数据集的5%分别计算SVM模型的拟合误差，根据拟合误差扩大训练集，进而更新SVM模型；最后，将摄像头实时采集的路口的总车流量输入各向SVM模型，输出路口直行、左转、右转的车流量预测值，根据车流量预测值，通过计算机网络分配及控制各车道的通行时间，实现交通信号的调控。本发明根据各车道的车流量预测值分配并控制通行时间，实现区域规划，有效减少高峰期道路拥堵，提高通行的连续性。

技术领域

本发明涉及计算机网络的交通信号控制技术领域，特别是指一种基于SVM和计算机网络的交通信号控制方法及控制系统。

背景技术

支持向量机SVM是一种基于统计学习理论的机器学习方法，可以分析数据，识别模型，用于分类和回归，支持向量机SVM所需训练样本少，泛化能力强。支持向量回归利用核函数将输入空间非线性变换到高维特征空间，然后在此高维特征空间寻找最优分类平面让每个点到回归线的距离最小，进而得到输入输出的函数关系。计算机网络是指将地理位置不同的具有独立功能的多台计算机及其外部设备，通过通信线路连接起来，在网络操作系统，网络管理软件及网络通信协议的管理和协调下，实现资源共享和信息传递的计算机系统。

进入新时期，交通快捷、安全成为科技发展的一个重要历程，城市的发展要求和供应背景迫切需要一个合理的交通规划出行方式。如何在高峰期疏通交通，如何提高车辆的通行连续性正是目前需要解决的问题。

发明内容

针对高峰期交通拥堵，交通信号灯控制方法单一，造成车辆通行连续性差的问题，本发明提出了一个基于SVM和计算机网络的交通信号控制方法及控制系统，能够根据不同车道车流量的不同自主分配控制各车道通行时间，实现区域规划，有效减少高峰期道路拥堵，提高通行的连续性。

本发明的技术方案是这样实现的：

一种基于SVM和计算机网络的交通信号控制方法，其步骤如下：

S1、利用摄像头采集N组距某一路口100米处的总车流量，利用电磁传感器采集通过路口时直行、左转、右转的车流量，将总车流量和直行车流量作为直行数据集，将总车流量和左转车流量作为左转数据集，将总车流量和右转车流量作为右转数据集；

S2、分别选取直行数据集、左转数据集、右转数据集的95％作为直行、左转、右转的训练样本，其余的数据集分别作为直行、左转、右转的测试样本；

S3、基于SVM分别对直行、左转、右转的训练样本进行训练，分别得到直行SVM模型、左转SVM模型、右转SVM模型；

S4、将直行、左转、右转的测试样本分别输入直行SVM模型、左转SVM模型、右转SVM模型，计算直行SVM模型、左转SVM模型、右转SVM模型的拟合误差；

S5、判断直行SVM模型、左转SVM模型、右转SVM模型的拟合误差是否小于1％，若是，执行步骤S7，否则，执行步骤S6；

S6、利用摄像头再采集M组距某一路口100米处的总车流量，利用电磁传感器采集通过路口时直行、左转、右转的车流量，将M组车流量分别添加到直行数据集、左转数据集和右转数据集进行扩充，执行步骤S2；

S7、将摄像头实时采集的路口100米处的总车流量分别输入直行SVM模型、左转SVM模型、右转SVM模型中，分别得到直行、左转、右转的车流量预测值，根据车流量预测值控制路口各车道的通行时间，实现交通信号的调控。

所述步骤S3中将直行训练样本输入SVM进行训练得到直行SVM模型的方法为：