[发明专利]一种利用卷积神经网络模拟城市交通系统的方法及装置

权利要求书

1.一种利用卷积神经网络模拟城市交通系统的方法，其特征在于，包括以下步骤：

S1、创建城市模型；

S2、使用NavMesh设计步骤S1中城市模型的车流；

S3、使用插件在步骤S2得到的城市模型中模拟天气和时间转换；

S4、步骤S2中虚拟车辆采集道路图像，然后将图像发送至Python的训练模型，利用卷积神经网络训练模型，将训练模型输出的命令发送回车辆，控制车辆在虚拟环境中行驶。

2.根据权利要求1所述的一种利用卷积神经网络模拟城市交通系统的方法，其特征在于，步骤S1的具体过程为：从Assets Store资源商店中获取已经搭建好的城市模型或者道路模型组件，自行设计道路系统。

3.根据权利要求1所述的一种利用卷积神经网络模拟城市交通系统的方法，其特征在于，步骤S2的具体过程为：将NavMeshSurface附到道路平面，并选择可以行驶和不可以行驶的路面即完成城市模型中车流的设计。

4.根据权利要求1所述的一种利用卷积神经网络模拟城市交通系统的方法，其特征在于，步骤S3中使用Enviro插件模拟雨、雪、雾和白天黑夜的转换。

5.根据权利要求1所述的一种利用卷积神经网络模拟城市交通系统的方法，其特征在于，步骤S4中采集图片发送至训练模型的具体过程为：在虚拟车辆上放置摄像头，模拟人眼所看到的画面并采集图像；然后利用Unity的ML-Agents技术，将步骤S401中摄像头所采集的图像，传给Python的模型进行训练。

6.根据权利要求1所述的一种利用卷积神经网络模拟城市交通系统的方法，其特征在于，步骤S4中利用卷积神经网络训练模型包括以下步骤：

S401、利用卷积核对图像的局部信息进行处理，提取图像中的特征数据；

S402、使用激活函数增加步骤S401中特征数据的非线性能力；

S403、对步骤S402得到的特征数据进行池化压缩，提取主要特征训练模型。

7.一种利用卷积神经网络模拟城市交通系统的装置，其特征在于，包括

存储器：用于存储可执行指令；

处理器：用于执行所述存储器中存储的可执行指令，实现如权利要求1-6任一项所述的一种利用卷积神经网络模拟城市交通系统的方法。