项目设计集成Vissim-Python和Qt的交叉口DRL配时仿真系统,该系统同时考虑检测器数据和倒计时的因素,并将Vissim仿封装为Gym环境,深度学习框架为PyTorch,使用PyQt5设计界面
最近更新: 2年多前基于计算机视觉的交通监测系统(traffic monitoring system based on computer vision) 将视频检测器的实时视频流(或视频文件)作为输入,在工控机平台上编写Python程序,利用opencv库处理视频图像,最终提取车流量、车速、排队长度三个交通参数
最近更新: 接近3年前针对常见的双向六车道四相位单交叉口,使用深度强化学习研究自适应交通信号控制,只考虑直行和左转车道。本文与一般的DRL控制方法不同。状态为目前实际检测器能够获取的每周期的车流量、平均车速、排队长度数据,动作为适合有倒计时显示器的固定周期下的不同绿信比。基于Vissim交通仿真软件,使用Python完成COM接口开发,封装为Gym环境,设计PyQt界面,完成PyTorch框架的DQN算法。
最近更新: 接近3年前