交通灯智能控制配时方法针对传统信号灯配时不灵活、无法适应雨雪等天气情况或修路等突发情况对交通造成影响、需铺设线圈等造价昂贵等问题，提出一种考虑了城市交通高度动态性、随机性和不稳定性，基于模糊逻辑构建训练集、搭建并训练深层LSTM神经网络实现城市交通流量预测的模型系统。该智能系统具有以下特点：

（1）历史交通流量分析+在线学习能力。系统能自学习城市级大规模交通信号灯通行、拥堵情况，通过LSTM深度学习建立交通流模型，进行历史大数据分析，根据当天天气情况，系统分时段地、精确地对信号灯进行配时。预测准确率超过99%。

（2）在线预测及无人值守的智能自修正能力。系统根据当前车流情况来预测、调节下一周期信号灯时长。通过设计的物联网架构，远程将配时策略下发信号灯；系统建立强化学习模型，能感知获取道路状况、突发情况等，进而动态地优化信号灯配时策略，使信号灯更像人脑智能。

（3）结合车联网V2X通信技术实现多信号灯协同控制。局部区域信号灯智能联网，运用多Agent强化学习达到信号灯联动效果，平衡交通流在时空分布，有效地缓解城市交通拥塞。

项目成熟情况 

该方法完成仿真实验，具备在小规模信号灯及其覆盖区域进行小试的能力。

应用范围  

交通灯智能控制配时方法对交通管理运输及出行等领域进行全过程管控支撑，使智能交通系统在区域范围具备感知、互联、预测、控制等能力，充分保障城市交通安全，提升交通运行效率和管理水平。