Wiznet makers

<ENG>

Intelligent Traffic Light Control System

AI-Based Multi-Intersection Signal Optimization Using Deep Reinforcement Learning

Project Overview

The Intelligent Traffic Light Control System is an AI-powered traffic management solution that optimizes signal timing across multiple intersections using Deep Reinforcement Learning (DQN) and real-time vehicle detection.

Problem Statement

Traditional fixed-time traffic signals cannot adapt to dynamic traffic conditions, resulting in:

• Long waiting times during peak hours
• Poor coordination between adjacent intersections
• Inefficient green wave progression

Unlike traditional fixed-time traffic lights, this system dynamically adapts to changing traffic conditions and coordinates adjacent intersections to form an efficient Green Wave, reducing congestion and waiting time.

Key Highlights

• Simulation-based training with real-world deployment
• Centralized GUI for multi-intersection control
• Stable Ethernet-based IoT communication using WIZnet W5500

Hardware Components

A DQN-based adaptive traffic control system that:

• Learns optimal signal timing policies through simulation
• Adapts to real-time traffic conditions using camera-based vehicle detection
• Coordinates multiple intersections for smooth green wave progression
• Deploys on a real-world GUI with hardware integration

We developed and compared two DQN-based approaches to identify the optimal strategy for traffic signal control:

• Simpler state representation (no travel time focus)
• Single-output action space (combined discrete actions)
• Reward focuses on individual intersection optimization
• No explicit green wave coordination

• Serves as experimental baseline for performance comparison
• Suitable for isolated intersections without coordination needs

• ✅ Low Traffic: Both perform well, GreenWave slightly better
• ✅ Medium Traffic: GreenWave shows clear advantage
• ✅ High Traffic: GreenWave significantly outperforms baseline

Deployment (GUI Application)

Real-Time Monitoring

Auto Mode (AI-Controlled)

• DQN model makes decisions every cycle
• Updates based on real-time vehicle counts
• Adapts to traffic density changes

Manual Mode

• Override AI decisions
• Set custom cycle length and green times
• Emergency control for special events

<KOR>

Intelligent Traffic Light Control System

Deep Reinforcement Learning 기반 다중 교차로 신호 최적화 시스템

Project Overview

Intelligent Traffic Light Control System은 Deep Reinforcement Learning(DQN) 과 실시간 차량 인식(YOLO) 을 결합하여 다중 교차로 신호를 자동으로 최적화하는 AI 기반 교통 제어 시스템입니다.

문제 제기

기존의 고정 시간 신호등은 역동적인 교통 상황에 적응할 수 없어 다음과 같은 문제가 발생합니다.

• 피크 시간대에는 대기 시간이 길어집니다.
• 인접 교차로 간의 조정 부족
• 비효율적인 녹색 물결 진행

기존 고정 신호 방식의 한계를 극복하고,
실시간 교통 상황에 적응하며 Green Wave(연속 녹색 신호) 를 형성하는 것이 핵심 목표입니다.

핵심 포인트

• 시뮬레이션(SUMO) 기반 학습 → 실제 하드웨어까지 연결
• 중앙 GUI에서 다중 교차로 통합 제어
• Edge AI + Ethernet 기반 안정적 통신

Hardware Components

DQN 기반 적응형 교통 제어 시스템은 다음과 같은 특징을 갖습니다.

• 시뮬레이션을 통해 최적의 신호 타이밍 정책을 학습합니다.
• 카메라 기반 차량 감지를 사용하여 실시간 교통 상황에 맞춰 작동합니다 .
• 원활한 녹색 신호 진행을 위해 여러 교차로의 좌표 를 조정합니다 .
• 하드웨어 통합을 통해 실제 GUI에 배포됩니다 .

본 연구에서는 교통 신호 제어를 위한 최적의 전략을 파악하기 위해 두 가지 DQN 기반 접근 방식을 개발하고 비교했습니다 .

• 보다 간소화된 상태 표현 (이동 시간에 초점을 맞추지 않음)
• 단일 출력 행동 공간(이산 행동들의 결합)
• 보상은 개별 교차점 최적화 에 중점을 둡니다.
• 녹색 물결에 대한 명시적인 협력은 없었다.

• 성능 비교를 위한 실험 기준선 역할을 합니다.
• 조정이 필요 없는 독립된 교차로에 적합합니다.

• ✅ 교통량이 적을 때 : 두 제품 모두 성능이 우수하며, GreenWave가 약간 더 좋습니다.
• ✅ 중간 규모 교통량 : GreenWave가 확실한 우위를 보입니다
• ✅ 높은 트래픽 : GreenWave는 기준선 대비 훨씬 뛰어난 성능을 보여줍니다.

배포 (GUI 애플리케이션)

실시간 모니터링

교통 제어 모드

자동 모드(AI 제어)

• DQN 모델은 매 주기마다 결정을 내립니다.
• 실시간 차량 대수에 따른 업데이트
• 교통 밀도 변화에 적응합니다

수동 모드

• AI의 결정을 재정의합니다.
• 사용자 지정 사이클 길이 및 녹색 시간 설정
• 특별 행사 비상 통제