典型文献
基于深度学习网络的智能交通信号控制研究
文献摘要：
本文设计了基于深度学习网络的智能交通信号控制系统.使用数据平滑方法消除交通流数据的趋势,利用由多个限制玻尔兹曼机模型构成的深度信念网络模型学习交通流特征,并结合支持向量回归预测短时交通流,根据预测结果和排队消散时间实时判断车流放行方向以及进口放行绿灯时间,实现智能交通信号控制.实验结果表明,分别将延迟时间和节点数设置为10 ms和45个,可获得更优异的短时交通流预测效果.
文献关键词：
深度学习网络;智能交通;信号控制;交通流预测
中图分类号：
作者姓名：
周滟
作者机构：
四川信息职业技术学院,广元628040
文献出处：
引用格式：
[1]周滟-.基于深度学习网络的智能交通信号控制研究)[J].单片机与嵌入式系统应用,2022(01):17-20
A类：
B类：
深度学习网络,智能交通,交通信号控制,信号控制系统,使用数据,数据平滑,流数据,玻尔兹曼,深度信念网络,模型学习,交通流特征,支持向量回归,回归预测,据预测,排队,消散时间,车流,流放,放行,绿灯,延迟时间,ms,短时交通流预测
AB值：
0.319654
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
