一种智能交通调控方法及智能交通调控系统与流程

本发明属于智能交通技术领域，特别涉及一种智能交通调控方法及智能交通调控系统。

背景技术：

随着经济的不断发展，人们的生活水平逐步提高，私家车的拥有量也急剧上升，进而给城市交通带来了极大的负荷。

而传统的交通调控是采用固定的时长信号灯策略，无法针对性地应对全时段交通网通行路况；或者采用人工调控信号灯策略，耗时耗力，人力成本高，及时性不高，很难做到交通网全局覆盖，且受不同个体判断的影响较大。

现有的交通系统一般采用云计算进行数据处理，但是交通场景对时效性要求较高，需要实时地对突发情况做出响应，云计算天然存在延时，并易受网络波动影响，稳定性不高。

因此，希望有一种技术方案用以解决现有技术的无法针对性地应对全时段交通网通行路况，及时性不高，不能实现智能调控交通信号灯的技术问题。

技术实现要素：

为了解决上述问题，本发明的目的在于提供一种智能交通调控方法及智能交通调控系统，能够针对性地应对全时段交通网通行路况，及时性高，能够24小时不间断工作，实现智能调控交通信号灯，节省大量人力成本。

为实现上述目的，本发明的技术方案如下。

一种智能交通调控方法，包括：

交通路况监控，获取实时路况图像，监控各个路口的路况并得到车辆信息；

交通路况分析，通过各个路口的车辆信息进行各个路口各方向车道的路况分析，计算出各个路口各方向车道的路况信息；

信号灯调控，根据各个路口各方向车道的路况信息计算出各个路口各方向车道的通行等级；根据各个路口各方向车道的通行等级下达对应车道的信号灯命令，从而进行信号灯的调控。

本发明的智能交通调控方法，能够针对性地应对全时段交通网通行路况，及时性高，能够24小时不间断工作，针对各个路口各方向车道的通行等级下达对应车道的信号灯命令，实现智能调控交通信号灯，节省大量人力成本。

进一步地，通过路况图像获得对象目标，所述对象目标为机动车，所述车辆信息包括有对象目标的位置坐标、移动方向和移动速度。

进一步地，所述路况信息包括有各个路口各方向车道的车流量、占有率和滞留时间，各路口均设有流量卡口线，所述车流量为预设时间段内经过流量卡口线的机动车对象数量；所述占有率为行驶在单个方向车道上的机动车占据该车道长度的比率；所述滞留时间为单个方向车道的所有机动车在车道上的平均停留时间；在预设时间段内，通过对象目标的位置坐标、移动方向和移动速度计算出对象目标在该预设时间段内的移动轨迹，从而通过对象目标的移动轨迹得到各个路口各方向车道的车流量、占有率和滞留时间。

进一步地，信号灯调控包括：

通行等级排序，根据各个路口各方向车道的车流量、占有率和滞留时间计算出各个路口各方向车道的通行等级，并对各个路口各方向车道的通行等级进行大小排序；

下达信号灯命令，通行等级进行大小排序后，下达信号灯命令控制通行等级最大的车道的信号灯在预设时间后切换至通行状态，然后继续进行通行等级排序步骤。

进一步地，下达信号灯命令步骤中，控制通行等级最大的车道的信号灯在4-6秒后切换至通行状态，然后每10-20秒进行一次通行等级排序步骤。在本发明中，优选为，控制通行等级最大的车道的信号灯在5秒后切换至通行状态，然后每15秒进行一次通行等级排序步骤。

进一步地，交通路况分析中，计算出各个路口各方向车道的车流量、占有率和滞留时间后，设置模拟城市路网，所述模拟城市路网为一个三维矩阵，以路口为单位，将各个路口各方向车道的车流量、占有率和滞留时间数据以单个路口的单个方向车道为一组，每组的车流量、占有率和滞留时间数据组成一个三维向量；

再根据路口现实地理坐标将代表路口单个方向车道的三维向量填至相应的矩阵位置中，矩阵中不代表路口的点的数据为（0,0,0）；

将所述矩阵作为输入数据输入至特征提取器，作特征提取卷积操作，得到模拟城市路网的交通网数据的特征映射图；

使用全连接层得到各个路口各方向车道的通行等级，通过两层全连接层计算，输出大小n*r的向量，其中，n为路口数，r为限定区域的交通网中具有最多方向的路口的方向数量；将所得向量数据通过计算得到限定区域的交通网中每一个路口的每一个方向车道的通行等级。

根据所得通行等级，对各路口各方向车道通行等级进行大小排序。通行等级最大的车道，将在5秒后将信号灯切换至通行状态。之后每15秒进行一次通行等级计算，并相应的更改信号灯状态。

本发明还提供一种智能交通调控系统，包括：

交通路况监控装置，所述交通路况监控装置用于获取实时路况图像，从而监控各个路口的路况；

边缘计算终端，所述边缘计算终端能够根据实时路况图像进行路况分析，并计算出各个路口各方向车道的路况信息，从而根据各个路口各方向车道的路况信息计算出各个路口各方向车道的通行等级；

云服务器，所述云服务器用于接收边缘极端终端计算得出的路况信息以及各个路口各方向车道的通行等级数据，并能够根据各个路口各方向车道的通行等级下达对应车道的信号灯命令；

所述交通路况监控装置与边缘计算终端通讯连接，所述交通路况监控装置获得实时路况图像后传输至所述边缘计算终端；

所述边缘计算终端与所述云服务器通讯连接，所述边缘计算终端计算出路况信息以及各个路口各方向车道的通行等级后实时上传至云服务器，云服务器综合各个路口的每一个方向的通行等级后，对边缘计算终端下发信号灯命令，边缘计算终端将具体的信号灯命令通过信号机发送至交通灯，使各路口中通行等级最高的方向能够通行，从而是实现信号灯调控。

本发明的有益效果在于：相比于现有技术，本发明的智能交通调控方法及智能交通调控系统能够针对性地应对全时段交通网通行路况，及时性高，能够24小时不间断工作，针对各个路口各方向车道的通行等级下达对应车道的信号灯命令，实现智能调控交通信号灯，节省大量人力成本。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。

图1是实施例2的一种智能交通调控系统的结构示意图；

图2是实施例1的一种智能交通调控方法的卷积神经网络的结构示意图。

图3是实施例1的通行等级的计算过程中的a/b/c路口在地图上的位置示意图。

图中，摄像头1；交换机2；边缘计算终端3；无线控制器4；信号机5；交通灯6；4g/5g通讯模块7；云服务器8。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

实施例1：

参见图1-3所示，本实施例提供一种智能交通调控方法，包括：

交通路况监控，获取实时路况图像，监控各个路口的路况并得到车辆信息；

交通路况分析，通过各个路口的车辆信息进行各个路口各方向车道的路况分析，计算出各个路口各方向车道的路况信息；

信号灯调控，根据各个路口各方向车道的路况信息计算出各个路口各方向车道的通行等级；根据各个路口各方向车道的通行等级下达对应车道的信号灯命令，从而进行信号灯的调控。

本发明的智能交通调控方法，能够针对性地应对全时段交通网通行路况，及时性高，能够24小时不间断工作，针对各个路口各方向车道的通行等级下达对应车道的信号灯命令，实现智能调控交通信号灯，节省大量人力成本。

在本实施例中，通过路况图像获得对象目标，对象目标为机动车，车辆信息包括有对象目标的位置坐标、移动方向和移动速度。

具体地，对象目标的位置坐标、移动方向和移动速度通过以下步骤得到：

步骤1，对象检测部分

步骤1.1制作数据集

搜集交通机动车的相关图片，并进行人工标注，制作交通机动车数据集。

基于自然环境下的多样化，该数据集中的图片在收集过程中考虑了以下元素：①数据集中图片包含一个或一个以上目标对象；②数据集中图片光照强度多样化；③数据集中图片背景环境多样化；④数据集中天气条件多样化；⑤数据集拍摄角度多样化。

人工对数据集中的图片进行标注。标注的对象类别内容为：机动车。标注的包围盒信息还包括每个对象所处包围盒的左上角坐标、右下角坐标，在本实施例中，检测的对象目标为机动车。

步骤1.2从使用上述数据集训练detectnet网络，得到可检测违法目标对象模型。其中，detecnet是已有成熟技术，训练后可直接进行使用，过程在此不做赘述。从路端摄像头1获取t时刻图片作为输入图像inputa，将其输入至所得模型中，检测可得到违法目标对象o1的包围盒中心点坐标（x1,y1）、包围盒宽w1、包围盒高h1及其类别c1。

步骤2，对象跟踪部分

步骤2.1从路端摄像头1获取t、t+1时刻的两张图片作为输入图像inputa、inputb。

运用目标跟踪sort算法，sort算法是已有成熟技术，过程在此不做赘述。输入图片inputa、图片inputb、步骤1.2所得对象o1的包围盒中心点坐标（x1,y1）、包围盒宽w1、包围盒高h1，可得到o1在图片inputb中的包围盒o2信息：中心点坐标（x2,y2）、宽w2、高h2。

通过上述数据即可得出对象目标的移动方向和移动速度。

例如：车辆a在t1时刻的坐标为（x1,y1）。在t2时刻的坐标为（x2,y2）。

其中，在时间段t2-t1内,对象运动方向为（x2-x1,y2-y1）；

速度：

。

在本实施例中，路况信息包括有各个路口各方向车道的车流量、占有率和滞留时间，各路口均设有流量卡口线，车流量为预设时间段内经过流量卡口线的机动车对象数量；占有率为行驶在单个方向车道上的机动车占据该车道长度的比率；滞留时间为单个方向车道的所有机动车在车道上的平均停留时间；在预设时间段内，通过对象目标的位置坐标、移动方向和移动速度计算出对象目标在该预设时间段内的移动轨迹，从而通过对象目标的移动轨迹得到各个路口各方向车道的车流量、占有率和滞留时间。

步骤3，车流量、占有率和滞留时间的具体计算过程如下：

步骤3.1利用对象检测部分与对象跟踪部分中所提方法可得到对象目标在一段时间内运动信息及移动轨迹。如有一机动车对象目标在t1,t2,t3,t4,...,tn时刻内运动/停止，有图像i1,i2,i3,i4,...,in,通过检测和跟踪可得其位置信息（中心点坐标、宽、高）：

步骤3.2车流量为一个时间段内经过流量卡口线的机动车对象数量。在图像中标定卡口线，利用步骤3.1中所得数据，可得到在t1-tn时段内（t1-tn时段可以是任意时段，其时长可以根据需要调整，如在2点30分10秒-2点30分40秒时段的30s内）；

对象移动轨迹：

，若对象移动轨迹有穿过卡口线l1，则将车流量numbercar+1。

步骤3.3占有率为行驶时该车道上机动车占据该车道长度的百分率。在图像中标定车道评定区域:

，利用步骤3.1中所得数据，可得到在t1-tn时间段内，所有机动车对象包围框在车道评定区域所在比率ratioocc。

步骤3.4滞留时间信息为车道内所有机动车在该车道上平均停留时间。在图像中标定滞留评定区域:

，利用步骤3.1中所得数据，可得到在t1-tn时间段内，所有机动车对象包围框在车道的滞留评定区域的平均停留时间timestay。

在本实施例中，信号灯调控包括：

通行等级排序，根据各个路口各方向车道的车流量、占有率和滞留时间计算出各个路口各方向车道的通行等级，并对各个路口各方向车道的通行等级进行大小排序；

下达信号灯命令，通行等级进行大小排序后，下达信号灯命令控制通行等级最大的车道的信号灯在预设时间后切换至通行状态，然后继续进行通行等级排序步骤。

在本实施例中，下达信号灯命令步骤中，控制通行等级最大的车道的信号灯在4-6秒后切换至通行状态，然后每10-20秒进行一次通行等级排序步骤。在本发明中，优选为，控制通行等级最大的车道的信号灯在5秒后切换至通行状态，然后每15秒进行一次通行等级排序步骤。

在本实施例中，交通路况分析中，计算出各个路口各方向车道的车流量、占有率和滞留时间后，设置模拟城市路网，模拟城市路网为一个三维矩阵，以路口为单位，将各个路口各方向车道的车流量、占有率和滞留时间数据以单个路口的单个方向车道为一组，每组的车流量、占有率和滞留时间数据组成一个三维向量；

再根据路口现实地理坐标将代表路口单个方向车道的三维向量填至相应的矩阵位置中，矩阵中不代表路口的点的数据为（0,0,0）；

将矩阵作为输入数据输入至特征提取器，作特征提取卷积操作，得到模拟城市路网的交通网数据的特征映射图；

使用全连接层得到各个路口各方向车道的通行等级，通过两层全连接层计算，输出大小n*r的向量，其中，n为路口数，r为限定区域的交通网中具有最多方向的路口的方向数量；将所得向量数据通过计算得到限定区域的交通网中每一个路口的每一个方向车道的通行等级。

其中，通行等级是一个自然数。

通过网络计算出n*r值—n个路口r个方向通行等级值。

比如说一个4个方向的路口，东至西方向等级l东西=1.22，l西东=2.009，l南北=1.56，l北南=1.97，那就是使西东方向的车辆放行，直到网络计算出其他方向的通行等级更高，就改变交通灯状态；网络实时计算各方向的通行等级，每次交通灯相位改变之间不少于10秒。

具体地，通行等级的计算过程如下：

步骤4，模拟城市路网为一个1024*1024*3的矩阵matinput。以路口为单位，将步骤3.2-3.4计算所得的各路口各方向车道的车流量numbercar、占有率ratioocc、滞留时间timestay以路口单个方向车道为一组，组成一个三维向量（numbercar，ratioocc，timestay）。再根据路口的现实地理坐标，将代表路口单车道交通的三维向量数据填至相应的矩阵位置中。

具体地，简单假设一个城市路网有3个路口，分别是a路口—3个方向（左、右、上），b路口-2个方向（上、下），c路口——4个方向（上、下、左、右）。

其经纬度为a（na,ea），（nb,eb），（nc,ec）。

其在地图上的位置如图3所示。

已知1024*1024最左上角点经纬度为（no,eo），将图3缩放为1024*1024大小，a、b、c三个路口也按照比例变换为在1024*1024上的坐标，在图3的变换后的坐标为：

。

各路口各方向数据为：

a左坐标，数据为；

a右坐标，数据为；

a上坐标，数据为；

b上坐标，数据为；b下坐标，数据为；

c上坐标，数据为；

c下坐标，数据为；

c左坐标，数据为；

c右坐标，数据为；

其中，矩阵matinput中不代表路口道路的点的数据为（numbercar=0，ratioocc=0，timestay=0）。

将上述所提矩阵matinput作为输入数据输入至神经网络中,作特征提取卷积操作，得到该全局交通网数据的特征映射图。在本发明所提出的方法中，如图2所示内容作示范。如图2所示，输入矩阵matinput，得到该矩阵matinput的特征映射图、、、。操作及数据处理从前到后的顺序为：

使用全连接层预测各路口各方向车道的通行等级，通过两层全连接层计算，输出大小为的向量，其中n为路口数，r为交通网中具有最多方向的路口的方向数量，比如一个城市的交通网中，有n个路口。这些路口中，有的是4个方向的，有的3个方向的，5个方向的，7个方向的。其中最多方向的是7个方向的路口，则r=7；向量具体值为通行等级scoreactivated。

将所得向量数据作激活、反归一化等计算操作，得到全局交通网中每一个路口每一个行车车道的通行等级scoreactivated。

根据所得通行等级，对各路口各方向车道通行等级进行大小排序。通行等级最大的车道，将在5秒后将信号灯切换至通行状态。之后每15秒进行一次通行等级计算，并相应的更改信号灯状态。

在本发明中，对象检测算法负责机动车的检测（坐标和类别）；对象跟踪算法负责连续时刻内，不同图像间对象目标之间的联系；路况分析步骤负责对路口/路端的交通实时情况进行分析，计算出合适的通行等待时长及信号灯调控策略。

实施例2：

参见图1所示，本实施例提供一种智能交通调控系统，包括：

交通路况监控装置，交通路况监控装置用于获取实时路况图像，从而监控各个路口的路况；

边缘计算终端3，边缘计算终端3能够根据实时路况图像进行路况分析，并计算出各个路口各方向车道的路况信息，从而根据各个路口各方向车道的路况信息计算出各个路口各方向车道的通行等级；

云服务器8，云服务器8用于接收边缘极端终端计算得出的路况信息以及各个路口各方向车道的通行等级数据，并能够根据各个路口各方向车道的通行等级下达对应车道的信号灯命令；

交通路况监控装置与边缘计算终端3通讯连接，交通路况监控装置获得实时路况图像后传输至边缘计算终端3；

边缘计算终端3与云服务器8通讯连接，边缘计算终端3计算出路况信息以及各个路口各方向车道的通行等级后实时上传至云服务器8，云服务器8综合各个路口的每一个方向的通行等级后，对边缘计算终端3下发信号灯命令，边缘计算终端3将具体的信号灯命令通过信号机5发送至交通灯6，使各路口中通行等级最高的方向能够通行，从而是实现信号灯调控。

其中，通过边缘计算终端3能够实时计算并响应，稳定性高，传输速度快，大量计算及数据在边缘进行处理，仅需将需要的结构化数据发至云端，大大减小远程运输量；而且能够24小时不间断工作，实现交通调控，节省大量人力成本。

在本实施例中，交通路况监控装置包括分别设置在各个路口的多个摄像头1，通过各个路口的摄像头1获取实时图像后，通过交换机2传输至边缘计算终端3，边缘计算终端3通过边缘计算方法实现对路口的实时路况进行实时监测，边缘计算终端3能够通过4g/5g通讯模块7与云服务器8通讯连接；各单一路口的交通数据实时可以通过4g/5g通讯模块7上传至云服务器8，云服务器8综合交通网全路口、全路段交通数据，对全局边缘计算终端3下发信号灯策略，各边缘计算终端3将具体的信号灯命令通过无线控制器4发送给信号机5，再通过信号机5控制交通灯6的变换，从而实现交通网全局覆盖的交通调控，而且能够针对性地应对全时段交通网通行路况。

其中，4g/5g通讯模块7，即ic芯片，从而支持扩展为有4g\5g通讯功能，在无已有网络线路或不具备布线条件的交通路段，4g/5g远程通讯功能可支持该智能交通调控系统中云功能的正常工作，如系统云端更新、路况数据实时上传、系统实时响应云端命令等。

其中，边缘计算终端3根据实时图像得到的各个路口的车辆信息，从而根据车辆信息进行各个路口各方向车道的路况分析；车辆信息包括有对象目标的位置坐标、移动方向和移动速度，对象目标为机动车，对象目标的位置坐标、移动方向和移动速度的计算参见实施例1中步骤1-2的计算过程。

其中，路况信息包括有各个路口各方向车道的车流量、占有率和滞留时间，各路口均设有流量卡口线，车流量为预设时间段内经过流量卡口线的机动车对象数量；占有率为行驶在单个方向车道上的机动车占据该车道长度的比率；滞留时间为单个方向车道的所有机动车在车道上的平均停留时间；在预设时间段内，通过对象目标的位置坐标、移动方向和移动速度计算出对象目标在该预设时间段内的移动轨迹，从而通过对象目标的移动轨迹得到各个路口各方向车道的车流量、占有率和滞留时间。车流量、占有率和滞留时间的计算参见实施例1中步骤3的计算过程；通行等级的计算参见实施例1中步骤4的计算过程。

以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。