一种基于深度学习的交通信号灯的控制方法及系统与流程

本申请涉及智慧交通，尤其涉及一种基于深度学习的交通信号灯的控制方法及系统。

背景技术：

1、近年来，中国驾驶人数量、机动车保有量、道路里程持续增长，道路交通出行的体量巨大，从“硬件”来看已进入汽车社会，但当前特殊时段，如上下班高峰期、节假期等，交通拥堵现象仍有很大的可优化空间，也仍存在随意加塞，或发生车祸加剧堵塞且交警难以出警等情况；且高峰时期，警务、急救、消防等车辆难以通行。从目前交通情况来看，增加道路并不能从根本上解决问题，应该从提高交通网的利用率来考虑，道路岔口是组成交通网的基本元素，和合理的岔口控制管理，有助于提高交通通流能力。

技术实现思路

1、本申请实施例提供一种基于深度学习的交通信号灯的控制方法及系统，通过根据交通强度和延时时间，对交通网进行两级控制，提高了控制的精度，并根据车道检测器采集的车辆参数，更好地反映了各个相位的交通强度。

2、为达到上述目的，本申请的实施例采用如下技术方案：

3、第一方面，提供了一种基于深度学习的交通信号灯的控制方法，用于控制单岔口交通信号灯，该方法包括：

4、获取当前允许通行的相位的通行时间，并将设定的最小绿灯时间设置至所述当前允许通行的相位；

5、在所述当前允许通行的相位绿灯时间结束前，从车流探测器获取当前绿灯相位和下一绿灯相位的车辆排队信息和车流到达信息，生成当前绿灯相位和下一绿灯相位的交通强度；所述车流探测器安装在所述单岔路口的车道上；

6、根据所述当前绿灯相位的交通强度和所述下一绿灯相位的交通强度，生成当前绿灯相位的绿灯延长时间；

7、若所述绿灯延长时间大于第一数值，且当前绿灯相位已持续绿灯时间与所述绿灯延长时间的和大于等于设定的最大绿灯时间，则将当前绿灯相位的绿灯时间延长第二数值后，切换到下一绿灯相位；所述第二数值等于所述设定的最大绿灯时间与所述当前绿灯相位已持续绿灯时间的差值；

8、若所述绿灯延长时间小于等于第一数值，则将黄灯持续设定的黄灯时间后，切换到下一绿灯相位。

9、本申请式实施例通过将控制方法分为两级进行控制，即交通强度和绿灯延长时间，在简化了控制系统的强度的同时，提高了控制效果。

10、在一种可能的实施方式中，所述根据所述当前绿灯相位的交通强度和所述下一绿灯相位的交通强度，生成当前绿灯相位的绿灯延长时间后，还包括：

11、建立交通网模型，将单岔口分为面积相等的正方形方格，每个所述正方形方格容纳一辆所述车辆；所述正方形方格用于指示所述车辆的状态信息，用二元组<位置坐标，速度>表示；若所述正方形方格内有车辆，则所述位置坐标为1，速度为1，否则位置坐标为0，速度为0；

12、在当前周期中，在两个绿灯相位切换之间设置黄灯；所述黄灯的持续时间为车辆的最大速度与车辆的加速的比值，得到车辆到达路口前停止所需的时间。

13、在一种可能的实施方式中，根据所述车辆到达路口前停止所需的时间，在建立的交通网络模型中设置反馈参数；

14、所述反馈参数为相邻两个周期内车辆的等待时间的累积值；

15、获取从开始时间点到第t个周期内第t个被观察的车辆、t个周期内中所有车辆的数目，得到当前车辆在t个周期内的等待时间，若车辆当前周期的等待时间的累积值小于上一周期的等待时间的累积值，则根据所述车辆到达路口前停止所需的时间，调节所述绿灯延长时间。

16、在一种可能的实施方式中，所述从车流探测器获取当前绿灯相位和下一绿灯相位的车辆排队信息和车流到达信息，生成当前绿灯相位和下一绿灯相位的交通强度，包括：

17、从车流探测器获取当前绿灯相位和下一绿灯相位的车辆排队信息和车流到达信息；所述车辆排队信息为排队车辆数；所述车流到达信息为车辆到达率；所述车辆到达率为每秒钟车辆到达的概率，计算在一个周期内所述车流检测器测量到达的车辆数；

18、将所述排队车辆数的论域设置为[0,20]，并将所述排队车辆数划分为五个排队车辆数模糊子集；

19、将所述车辆到达率的论域设置为[0,1]，并将所述车辆到达率划分为五个车辆到达率模糊子集；

20、根据所述排队车辆数模糊子集和所述车辆到达率模糊子集，结合设定的所触发的第i条模糊规则的隶属函数的中心值、被触发的第i条规则的所有输入变量的隶属的乘积、所触发的模糊规则数，生成当前绿灯相位和下一绿灯相位的交通强度。

21、在一种可能的实施方式中，当车辆从东南西北四个方向进入路网，且所述四个方向包括左转车流、直行车流、右转车流时；若所述车辆到达率为（0,0.3），判断车流分布为泊松分布，为轻度拥挤车流；若所述车辆到达率为（0.3,0.5），判断车流分布为二项分布，为中度拥挤车流；若所述车辆到达率为（0.5,0.9），判断车流分布为二项分布，为重度拥挤车流。

22、在一种可能的实施方式中，所述延长时间为8秒。

23、第二方面，提供了一种基于深度学习的交通信号灯的控制系统，如图1所示，包括初始化单元、交通强度单元、延长单元、切换单元；

24、所述初始化单元，用于获取当前允许通行的相位的通行时间，并将设定的最小绿灯时间设置至所述当前允许通行的相位；

25、所述交通强度单元，用于在所述当前允许通行的相位绿灯时间结束前，从车流探测器获取当前绿灯相位和下一绿灯相位的车辆排队信息和车流到达信息，生成当前绿灯相位和下一绿灯相位的交通强度；所述车流探测器安装在所述单岔路口的车道上；

26、所述延长单元，用于根据所述当前绿灯相位的交通强度和所述下一绿灯相位的交通强度，生成当前绿灯相位的绿灯延长时间；

27、所述切换单元，用于根据所述延长时间，切换绿灯相位；若所述绿灯延长时间大于第一数值，且当前绿灯相位已持续绿灯时间与所述绿灯延长时间的和大于等于设定的最大绿灯时间，则将当前绿灯相位的绿灯时间延长第二数值后，切换到下一绿灯相位；所述第二数值等于所述设定的最大绿灯时间与所述当前绿灯相位已持续绿灯时间的差值；若所述绿灯延长时间小于等于第一数值，则将黄灯持续设定的黄灯时间后，切换到下一绿灯相位。

28、第三方面，提供了一种电子设备，包括存储器、处理器；所述处理器中包括上述的交通信号灯的控制系统；

29、所述存储器，用于存储计算机程序；所述处理器执行所述计算机程序时，实现上述的交通信号灯的控制方法。

30、第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在上述的电子设备上执行，用于实现上述的交通信号灯的控制方法。

31、上述第二方面、第三方面、第四方面的技术效果与第一方面相同。

技术特征：

1.一种基于深度学习的交通信号灯的控制方法，用于控制单岔口交通信号灯，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的交通信号灯的控制方法，其特征在于，所述根据所述当前绿灯相位的交通强度和所述下一绿灯相位的交通强度，生成当前绿灯相位的绿灯延长时间后，还包括：

3.根据权利要求2所述的基于深度学习的交通信号灯的控制方法，其特征在于，根据所述车辆到达路口前停止所需的时间，在建立的交通网络模型中设置反馈参数；

4.根据权利要求1所述的基于深度学习的交通信号灯的控制方法，其特征在于，所述从车流探测器获取当前绿灯相位和下一绿灯相位的车辆排队信息和车流到达信息，生成当前绿灯相位和下一绿灯相位的交通强度，包括：

5.根据权利要求4所述的基于深度学习的交通信号灯的控制方法，其特征在于，当车辆从东南西北四个方向进入路网，且所述四个方向包括左转车流、直行车流、右转车流时；若所述车辆到达率为（0,0.3），判断车流分布为泊松分布，为轻度拥挤车流；若所述车辆到达率为（0.3,0.5），判断车流分布为二项分布，为中度拥挤车流；若所述车辆到达率为（0.5,0.9），判断车流分布为二项分布，为重度拥挤车流。

6.根据权利要求1-5任一项所述的基于深度学习的交通信号灯的控制方法，其特征在于，所述延长时间为8秒。

7.一种基于深度学习的交通信号灯的控制系统，其特征在于，包括初始化单元、交通强度单元、延长单元、切换单元；

8.一种电子设备，其特征在于，包括存储器、处理器；所述处理器中包括如权利要求7所述的交通信号灯的控制系统；

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有指令，当所述指令在如权利要求8所述的电子设备上执行，用于实现如权利要求1-6中任一项所述的交通信号灯的控制方法。

技术总结
本申请涉及智慧交通技术领域，尤其涉及一种基于深度学习的交通信号灯的控制方法及系统。该方法包括首先将设定的最小绿灯时间设置至当前允许通行的相位；其次根据当前绿灯相位和下一绿灯相位的车辆排队信息和车流到达信息，生成交通强度；然后根据交通强度，生成当前绿灯相位的绿灯延长时间；最后根据绿灯延长时间的判断结果，切换绿灯相位，通过交通强度和延时时间，对交通网进行两级控制，提高了控制的精度，在简化系统结构的同时，提高了系统的有效性；并根据车道检测器采集的车辆参数，更好地反映了各个相位的交通强度。

技术研发人员：张盎然,颜文斌,杨明建,沈文杰,胡立平,陈琳,李晓海,郦奇敏,朱乃钢,张云,陶德宝,何明鑫
受保护的技术使用者：浙江芯源交通电子有限公司
技术研发日：
技术公布日：2024/1/12