| 1 |
1
다중 교차로의 교통 상태를 포함하는 영상을 딥 러닝 모델에 입력하여, 다중 교차로의 교통 상태와 다중 교차로에 포함된 각 교차로의 각각의 신호 제어 동작에 대한 교통 상태 변화에 따른 보상을 근사화한 Q-함수값을 각각 출력하는 단계; 및상기 Q-함수값이 최대가 되도록 다중 교차로내의 각각의 교차로에 대한 각각의 신호 제어 동작을 결정하는 단계를 포함하되, 상기 딥 러닝 모델의 최종 히든층과 각 교차로의 신호 제어 동작에 대한 출력층을 연결하는 가중치 파라미터는 기설정된 값으로 고정되며,상기 딥 러닝 모델은, 각각의 교차로에 대한 교통 상태를 포함하는 영상을 입력받아 특징맵을 추출하는 복수의 공유 콘볼루션층을 포함하되, 상기 복수의 공유 콘볼루션층에서 출력된 각 교차로의 특징맵을 통합(concatenate)한 하나의 특징맵으로 생성된 후 완전 연결층(FC)으로 출력되되,복수의 공유 콘볼루션층은 각각의 교차로에 대해 공유되는 것을 특징으로 하는 다중 교차로 교통 신호 제어 방법
|
| 2 |
2
삭제
|
| 3 |
3
제1 항에 있어서, 상기 영상은 교차로 영역 이외의 영역은 제로 패딩되는 것을 특징으로 하는 다중 교차로 교통 신호 제어 방법
|
| 4 |
4
삭제
|
| 5 |
5
제1 항에 있어서, 상기 딥 러닝 모델부는, 각 교차로의 각 신호 제어 동작을 나타내는 부분 연결층을 더 포함하되, 상기 완전 연결층은, 상기 각 교차로의 특징맵을 통합한 하나의 특징맵을 입력받는 제1 완전 연결층; 및상기 제1 완전 연결층과 연결되는 복수의 그룹으로 구분된 제2 완전 연결층-상기 복수의 그룹은 각각 서로 다른 교차로에 해당됨-을 포함하며, 상기 제2 완전 연결층은 상기 각 교차로의 각 신호 제어 동작을 나타내는 부분 연결층에 각각 연결되는 것을 특징으로 하는 다중 교차로 교통 신호 제어 방법
|
| 6 |
6
제5 항에 있어서, 상기 최종 히든층인 상기 부분 연결층과 상기 출력층을 연결하는 가중치 파라미터의 값은 기설정된 값으로 고정되는 것을 특징으로 하는 다중 교차로 교통 신호 제어 방법
|
| 7 |
7
제1 항에 있어서, 상기 공유 콘볼루션층으로 입력되는 각 교차로의 영상은 각 교차로의 교통 상태를 포함하는 영역만 잘려진 영상이되, 각 교차로에 대한 영역 이외의 영역은 제로 패딩되며,제로 패딩된 영상은 상기 딥 러닝 모델에 입력되는 영상과 크기가 동일한 것을 특징으로 하는 다중 교차로 교통 신호 제어 방법
|
| 8 |
8
제1 항, 제3항, 제5항 내지 제7 항 중 어느 하나의 항에 따른 방법을 수행하기 위한 프로그램 코드를 기록한 컴퓨터로 판독 가능한 기록매체 제품
|
| 9 |
9
다중 교차로의 교통 상태를 포함하는 영상을 딥 러닝 모델에 입력하여, 다중 교차로의 교통 상태와 다중 교차로에 포함된 각 교차로의 각각의 신호 제어 동작에 대한 교통 상태 변화에 따른 보상을 근사화한 Q-함수값을 각각 출력하는 딥 CNN 모델부; 및 상기 Q-함수값이 최대가 되도록 다중 교차로내의 각각의 교차로에 대한 각각의 신호 제어 동작을 결정하는 신호 제어부를 포함하되, 상기 딥 러닝 모델부의 최종 히든층과 각 교차로의 신호 제어 동작에 대한 출력층을 연결하는 가중치 파라미터는 설정된 값으로 고정되며,상기 딥 러닝 모델부는, 각각의 교차로에 대한 교통 상태를 포함하는 영상을 입력받아 특징맵을 추출하는 복수의 공유 콘볼루션층을 포함하되, 상기 복수의 공유 콘볼루션층에서 출력된 각 교차로의 특징맵을 통합(concatenate)한 하나의 특징맵으로 생성된 후 완전 연결층(FC)으로 출력되되,복수의 공유 콘볼루션층은 각각의 교차로에 대해 공유되는 것을 특징으로 하는 다중 교차로 교통 신호 제어 장치
|
| 10 |
10
삭제
|
