CN105894831A - 智能交通控制装置 - Google Patents

Abstract

本发明公开了一种智能交通控制装置，属智能交通控制领域，所述的智能交通控制装置包括多个车辆识别摄像头，车辆识别摄像头分别安装于路口各个道路的车辆驶入方向的位置上，且所述多个车辆识别摄像头分别接入交通控制器，所述交通控制器还与路口各个方向的交通信号灯相连接；通过车辆识别摄像头采集并计算当前路口各个方向的车辆数量与行驶速度等统计数据，由交通控制器根据当前的统计数据进行优化计算，进而根据计算结果控制路口的交通信号灯，进而能够根据各方向车辆情况实时调整，使得交通信号灯与车辆同步，尽量减少车辆的停留次数和时间，充分利用现有的道路资源；可有效缓解交通压力，尤其适宜于在城市易拥堵的路口安装使用，应用范围广阔。

Description

智能交通控制装置

技术领域

本发明涉及智能交通控制领域，更具体的说，本发明主要涉及一种智能交通控制装置。

背景技术

现有的交通控制系统的交通信号灯（红绿灯）时间基本上是经验设定的，按时段固定时间的控制方式。这些路口的交通控制信号不会根据车流量变化实时调整，经常出现有车的方向红灯，而没车的方向长时间绿灯。这种实际道路车辆状况和交通控制信号不同步的情况会增加车辆停留次数和时间，浪费现有的道路资源，恶化交通拥堵状态，加大能源消耗和废气污染。为改善道路交通状态，有的交通路口在高峰期会有交警等人工指挥，其目的就是让交通控制信号根据道路的实时状况进行优化调整，因为交警能够看到路口的车辆及行人的实时交通状态。但是每个路口，每天24小时都有人现场指挥是不现实的。

发明内容

本发明的目的之一在于针对上述不足，提供一种智能交通控制装置，以期望解决现有技术中城市道路路口上实际的车辆状况和交通信号灯不匹配，进而增加车辆停留次数和时间，浪费现有的道路资源，恶化交通拥堵状态，加大能源消耗和废气污染等技术问题。

为解决上述的技术问题，本发明采用以下技术方案：

本发明所提供的一种智能交通控制装置，所述的智能交通控制装置包括多个车辆识别摄像头，车辆识别摄像头分别安装于路口各个道路的车辆驶入方向的位置上，且所述多个车辆识别摄像头分别接入交通控制器，所述交通控制器还与路口各个方向的交通信号灯相连接；其中：所述多个识别摄像头用于分别采集并计算当前路口各个方向的车辆数量与行驶速度，并将单位时间内的车辆数量与行驶速度的数据统计后传输至交通控制器；所述交通控制器用于根据多个识别摄像头的实时统计数据，按照各条车道的优先级别，以及预定时段的优化目标进行优化计算，并根据优化计算结果控制路口各个方向的交通信号灯的实时状态。

作为优选，进一步的技术方案是：所述多个车辆识别摄像头还分别采集并计算当前路口各个方向的车辆种类、当前位置与行人状态；且所述交通控制器还按照不同种类车辆的优先级别，控制路口车道各个方向的交通信号灯以及人行道信号灯的实时状态。

更进一步的技术方案是：所述交通控制器通过八个POE远程供电网络接口与八个车辆识别摄像头相连接，用于由车辆识别摄像头通过网线将实时统计数据传输至交通控制器。

更进一步的技术方案是：所述交通控制器进行优化计算为根据多个识别摄像头的实时统计数据，通过下式计算路口其中一个东向西车道时刻t停留单位时间dt的损耗；

Wew(t).dt = RPew×(Pp×Pr×Ps×(NPe(t) + NPw(t)) + Pc×NCew(t) + Pb×NBew(t) + Pt×NTew(t)

上式中，Wew(t)是时刻t从东向西行驶车辆因停留单位时间dt造成的损耗，RPew是驶入由东向西车道的优先级参数，Pp是行人优先级参数，Pr是雨天优先级参数，Ps是雪天优先级参数，NPe(t)是时刻t南北双向行人在东侧马线上等待的总人数，NPw(t)是时刻t南北双向行人在西侧马线上等待的总人数，Pc是轿车优先级参数，NCew(t)是时刻t从东向西行驶的轿车总数，Pb是公交车优先级参数，NBew(t)是时刻t从东向西行驶的公交车总数，Pt是货车优先级参数，NTew(t)是时刻t从东向西行驶的货车总数；

再通过下式得出时刻t在单位时间dt内东到西红灯时间造成的损耗：

上式中，TWew(TRLew) 是当东西方向红灯造成的总损耗，TRLew为东到西方向的红灯时间，Wew为东到西方向的损耗；

通过路口时刻t在单位时间dt时段分别计算各个方向的损耗，得出最低总损耗，进而得到各方向红灯的时间，用于控制路口的交通信号。

更进一步的技术方案是：：所述的交通控制器进行优化计算为根据多个识别摄像头的实时统计数据，分别通过下式计算路口各个车道的最小损耗：

TRLew = 0；

TGLew > Max(VDew(t){ ... }) / (Average(VSew(t){...}) + VGew)；

TRLwe + TYLwe + TRLes + TYLes = TGLew + TYLew；

TRLwn = TGLew + TYLew；

TRLsn = TGLew + TYLew；

TRLsw = TGLew + TYLew；

TRLns = TGLew + TYLew；

TRLne = TGLew + TYLew；

上式中，TRLew是东向西车道的红灯时间，TGLew是东向西车道的绿灯时间，Max(VDew(t){ ... })是由东向西车道上在该时刻离路口最远的一辆车的距离，Average(VSew(t){...}) 是该时刻由东向西车道上车辆的平均行驶速度，VGew是绿灯时东向西车道上车辆从静止到通过路口的平均速度，TRLwe是西向东车道的红灯时间，TRLes是东向南车道的红灯时间，TYLes是东向南车道的黄灯时间，TGLew是东向西车道的绿灯时间，TYLew是东向西车道的黄灯时间，TRLwn是西向北车道的红灯时间， TRLsn是南向北车道的红灯时间，TRLsw是南向西车道的红灯时间， TRLns是北向南车道的红灯时间，TRLne是北向东车道的红灯时间；

再找出各个车道最小损耗中的最小损耗，从而得到最低总损耗，进而得到各方向红灯的时间，用于控制路口的交通信号。

与现有技术相比，本发明的有益效果之一是：通过车辆识别摄像头采集并计算当前路口各个方向的车辆数量与行驶速度等统计数据，由交通控制器根据当前的统计数据进行优化计算，进而根据计算结果控制路口的交通信号灯，进而能够根据各方向车辆情况实时调整，使得交通信号灯与车辆同步，尽量减少车辆的停留次数和时间，充分利用现有的道路资源；可有效缓解交通压力，尤其适宜于在城市易拥堵的路口安装使用，应用范围广阔。

附图说明

图1为用于说明本发明一个实施例的结构示意图；

图2为用于说明本发明一个实施例中实时统计车辆数据的示意图；

图3为用于说明本发明一个实施例的交通控制器结构示意框图；

图4为用于说明本发明一个实施例中车辆控制第一状态的示意图；

图5为用于说明本发明一个实施例中车辆控制第二状态的示意图；

图6为用于说明本发明一个实施例中车辆控制第三状态的示意图；

图7为用于说明本发明一个实施例中车辆控制第四状态的示意图；

图8为用于说明本发明一个实施例中车辆控制第五状态的示意图；

具体实施方式

下面结合附图对本发明作进一步阐述。

参考图1所示，本发明所提供的一种智能交通控制装置，该智能交通控制装置包括多个车辆识别摄像头2，车辆识别摄像头2分别安装于路口各个道路的车辆驶入方向的位置上，且所述多个车辆识别摄像头2分别接入交通控制器3，所述交通控制器3还与路口各个方向的交通信号灯1相连接，其中：

上述多个车辆识别摄像头2用于分别采集并计算当前路口各个方向的车辆数量与行驶速度，并将单位时间内的车辆数量与行驶速度的数据统计后通过上述的网线传输至交通控制器3，前述数据统计的传输可按照IEEE802.3协议进行；

上述交通控制器3用于根据多个车辆识别摄像头的实时统计数据，按照各条车道的优先级别，以及预定时段的优化目标进行优化计算，并根据优化计算结果控制路口各个方向的交通信号灯1的实时状态，交通控制器3控制交通信号灯的实时状态可通过图3中所示的交通信号管理器来实现。

除此之外，上述多个车辆识别摄像头还可分别采集并计算当前路口各个方向的车辆种类、当前位置与行人状态；并且上述交通控制器在进行计算的同时，还按照不同种类车辆的优先级别，控制路口车道各个方向的交通信号灯以及人行道信号灯的实时状态。

正如上述所提到的，交通控制器包括交通优化处理模块，该模块接收来自该路口上各道路上的多个车辆识别摄像头的交通统实时计数据，对数据进行处理，按照该路口设定的优化目标和优化参数，经过进行优化运算后，得出各交通信号灯的状态，然后按照优化结果，控制相应的交通信号灯，实现该路口交通的优化。

正如上述实施例所描述的，交通根据各条道路的实时统计数据，按照各条道路和各种车辆的优先级别，以及预定时段的优化目标，优化各方向控制信号，并控制交通信号灯以及行人状态。道路优先级和优化目标根据各路口的实际情况设定，如通行车辆数量最大，总停留时间最少等。但最基本的原则是：道路空置率最小化，车多方向优先，公交及应急车优先，运动车辆优先，下雨天行人优先，恶劣天气确认红灯方向的车停稳，路口无障碍后再允许绿灯，以及路口发生意外事故控制相应方向车辆行驶等。

现在描述一个简化的交通模型通常情况下的优化算法：

假设某一路口有道路一和道路二垂直交叉，简称东西南北四分方向，分别有直行，左和右转车道；红灯允许右转.

某时段轿车的优先级为Pc，公交车优先级为Pb，货车优先级为Pt，行人优先级为Pp；

下雨优先参数Pr（从晴天1到雨天10），下雪优先参数Ps（从晴天1到路上积雪10）;

道路优先级分别为RPew（东向西），RPes（东向南），RPwe（西向东），RPwn（西向北），RPsn（南向北），RPsw（南向西），RPns（北向南）和RPne（北向东）；

道路绿灯时间分别为TGLew（东向西），TGLes（东向南），TGLwe（西向东），TGLwn（西向北），TGLsn（南向北），TGLsw（南向西），TGLns（北向南）和TGLne（北向东）;

道路红灯时间分别为TRLew（东向西），TRLes（东向南），TRLwe（西向东），TRLwn（西向北），TRLsn（南向北），TRLsw（南向西），TRLns（北向南）和TRLne（北向东）;

道路黄灯时间分别为TYLew（东向西），TYLes（东向南），TYLwe（西向东），TYLwn（西向北），TYLsn（南向北），TYLsw（南向西），TYLns（北向南）和TYLne（北向东）;

正常情况下绿灯时车辆从静止到通过路口的平均速度VGew（东向西），VGes（东向南），VGwe（西向东），VGwn（西向北），VGsn（南向北），VGsw（南向西），VGns（北向南）和VGne（北向东）;

识别出某时刻人行道上横过马路人的数量为NPn(t)（东《向，西斑马线北侧），NPs(t)（东《向西，斑马线南侧），NPe(t)（南《向北，斑马线东侧），NPw(t)（南《向北，斑马线西侧）；

识别出某时刻各车道上的轿车数量为NCew(t)（东向西），NCes(t)（东向南），NCwe(t)（西向东），NCwn(t)（西向北），NCsn(t)（南向北），NCsw(t)（南向西），NCns(t)（北向南），NCne(t)（北向东）；

识别出某时刻各车道上的公交车数量为NBew(t)（东向西），NBes(t)（东向南），NBwe(t)（西向东），NBwn(t)（西向北），NBsn(t)（南向北），NBsw(t)（南向西），NBns(t)（北向南），NBne(t)（北向东）；

识别出某时刻各车道上的货车数量为NTew(t)（东向西），NTes(t)（东向南），NTwe(t)（西向东），NTwn(t)（西向北），NTsn(t)（南向北），NTsw(t)（南向西），NTns(t)（北向南），NTne(t)（北向东）；

识别出某时刻各车道上的车辆到路口的距离向量为VDew(t){ ... }（东向西），VDes(t){ ... }（东向南），VDwe(t){ ... }（西向东），VDwn(t){ ... }（西向北），VDsn(t){ ...}（南向北），VDsw(t){ ... }（南向西），VDns(t){ ... }（北向南），VDne(t){ ... }（北向东）；

识别出某时刻各车道上的车辆速度向量为VSew(t){ ... }（东向西），VSes(t){ ... }（东向南），VSwe(t){ ... }（西向东），VSwn(t){ ... }（西向北），VSsn(t){ ... }（南向北），VSsw(t){ ... }（南向西），VSns(t){ ... }（北向南），VSne(t){ ... }（北向东）；

基于以上设置和车辆识别计算统计出的参数，我们先计算各车道某时刻t停留单位时间dt的损耗：

Wew(t).dt = RPew x (Pp x Pr x Ps x (NPe(t) + NPw(t)) + Pc x NCew(t) + Pbx NBew(t) + Pt x NTew(t);

上式中，Wew(t)是时刻t从东向西行驶车辆因停留单位时间dt造成的损耗，RPew是驶入由东向西车道的优先级参数，Pp是行人优先级参数，Pr是雨天优先级参数，Ps是雪天优先级参数，NPe(t)是时刻t南北双向行人在东侧马线上等待的总人数，NPw(t)是时刻t南北双向行人在西侧马线上等待的总人数，Pc是轿车优先级参数，NCew(t)是时刻t从东向西行驶的轿车总数，Pb是公交车优先级参数，NBew(t)是时刻t从东向西行驶的公交车总数，Pt是货车优先级参数，NTew(t)是时刻t从东向西行驶的货车总数；

同样的，可依据上述方式计算出该路口其它车道时刻t停留单位时间dt的损耗；

Wes(t).dt = RPes x (Pp x Pr x Ps x (NPe(t) + NPs(t)) + Pc x NCes(t) + Pbx NBes(t) + Pt x NTes(t);

Wwe(t).dt = RPwe x (Pp x Pr x Ps x (NPw(t) + NPe(t)) + Pc x NCwe(t) + Pbx NBwe(t) + Pt x NTwe(t);

Wwn(t).dt = RPwn x (Pp x Pr x Ps x (NPw(t) + NPn(t)) + Pc x NCwn(t) + Pbx NBwn(t) + Pt x NTwn(t);

Wsn(t).dt = RPsn x (Pp x Pr x Ps x (NPs(t) + NPn(t)) + Pc x NCsn(t) + Pbx NBsn(t) + Pt x NTsn(t);

Wsw(t).dt = RPsw x (Pp x Pr x Ps x (NPs(t) + NPw(t)) + Pc x NCsw(t) + Pbx NBsw(t) + Pt x NTsw(t);

Wns(t).dt = RPns x (Pp x Pr x Ps x (NPn(t) + NPs(t)) + Pc x NCns(t) + Pbx NBns(t) + Pt x NTns(t);

Wne(t).dt = RPne x (Pp x Pr x Ps x (NPn(t) + NPe(t)) + Pc x NCne(t) + Pbx NBne(t) + Pt x NTne(t);

基于上述算式，我们可以得出东到西红灯时间造成的损耗:

上式中，TWew(TRLew) 是当东西方向红灯造成的总损耗，TRLew为东到西方向的红灯时间，Wew为东到西方向的损耗；

同样地，我们可以得出各方向红灯时间造成的损耗:

\

根据以上算式，我们得出该路口某时刻，当红灯时间分别为TRLew, TRLes, TRLwe,TRLwn, TRLsn, TRLsw, TRLns, TRLne时的总损耗：

TW = + +

+ +

+ +

+；

如果交通路口该时段按照总损耗最低的优化原则，那么计算出总损耗最低时，进而得到各方向红灯的时间，用于控制路口的交通信号，就能实现车辆停留总时间最小的目的。但是以上的交通控制模型损耗方程太复杂，求解很困难。在实际应用中，可以在一定条件下简化。

下面，假设绿灯的时间长度至少能让某时刻t时最后一辆进入车道的车通过路口；而且以主绿灯的时间长度为周期，但该时间段可以分段给左拐车道(或直行车道）和迎面直行车道（或左拐车道）；各方向黄灯的时间根据当时的天气及道路繁忙情况决定，在一个交通信号周期内是常数。在下列条件下，分别计算总的道路损耗，找到最小值，交通信号就可以根据该条件假设的时间控制：

1、由东向西方向主绿灯，绿灯时间为TGLew，黄灯时间为TYLew：

TRLew = 0；

TGLew > Max(VDew(t){ ... }) / (Average(VSew(t){...}) + VGew);

TRLwe + TYLwe + TRLes + TYLes = TGLew + TYLew；

TRLwn = TGLew + TYLew;

TRLsn = TGLew + TYLew;

TRLsw = TGLew + TYLew;

TRLns = TGLew + TYLew;

TRLne = TGLew + TYLew;

上式中，TRLew是东向西车道的红灯时间，TGLew是东向西车道的绿灯时间，Max(VDew(t){ ... })是由东向西车道上在该时刻离路口最远的一辆车的距离，Average(VSew(t){...}) 是该时刻由东向西车道上车辆的平均行驶速度，VGew是绿灯时东向西车道上车辆从静止到通过路口的平均速度，TRLwe是西向东车道的红灯时间，TRLes是东向南车道的红灯时间，TYLes是东向南车道的黄灯时间，TGLew是东向西车道的绿灯时间，TYLew是东向西车道的黄灯时间，TRLwn是西向北车道的红灯时间， TRLsn是南向北车道的红灯时间，TRLsw是南向西车道的红灯时间， TRLns是北向南车道的红灯时间，TRLne是北向东车道的红灯时间；

2、由东向南方向主绿灯，绿灯时间为TGLes，黄灯时间为TYLes：

TRLes = 0；

TGLes > Max(VDes(t){ ... }) / (Average(VSes(t){...}) + VGes);

TRLew + TYLew+ TRLwn + TYLwn = TGes + TYes；

TRLwe = TGLes + TYLes;

TRLsn = TGLes + TYLes;

TRLsw = TGLes + TYLes;

TRLns = TGLes + TYLes;

TRLne = TGLes + TYLes;

上式中，Max(VDes(t){ ... }) 是由东向南车道上在该时刻离路口最远的一辆车的距离，也就是最后一辆车的距离；Average(VSes(t){...}) 是该时刻由东向南车道上车辆的平均行驶速度；式中的其它要素如上述。

3、由西向东方向主绿灯，绿灯时间为TGLwe，黄灯时间为TYLwe：

TRLwe = 0；

TGLwe > Max(VDwe(t){ ... }) / (Average(VSwe(t){...}) + VGwe);

TRLew + TYLew+ TRLwn + TYLwn = TGwe + TYwe；

TRLwe = TGLwe + TYLwe;

TRLsn = TGLwe + TYLwe;

TRLsw = TGLwe + TYLwe;

TRLns = TGLwe + TYLwe;

TRLne = TGLwe + TYLwe;

上式中，Max(VDwe(t){ ... }) 是由西向东车道上在该时刻离路口最远的一辆车的距离，也就是最后一辆车的距离；Average(VSwe(t){...}) 是该时刻由西向东车道上车辆的平均行驶速度；式中的其它要素如上述。

4、由西向北方向主绿灯，绿灯时间为TGLwn，黄灯时间为TYLwn：

TRLwn = 0；

TGLwn > Max(VDwn(t){ ... }) / (Average(VSwn(t){...}) + VGwn);

TRLwe + TYLwe+ TRLes + TYLes = TGwn + TYwn；

TRLew = TGLwn + TYLwn;

TRLsn = TGLwn + TYLwn;

TRLsw = TGLwn + TYLwn;

TRLns = TGLwn + TYLwn;

TRLne = TGLwn + TYLwn;

上式中，Max(VDwn(t){ ... }) 是由西向北车道上在该时刻离路口最远的一辆车的距离，也就是最后一辆车的距离；Average(VSwe(t){...}) 是该时刻由西向北车道上车辆的平均行驶速度；式中的其它要素如上述。

5、由南向北方向主绿灯，绿灯时间为TGLsn，黄灯时间为TYLsn：

TRLsn = 0；

TGLsn > Max(VDsn(t){ ... }) / (Average(VSsn(t){...}) + VGsn);

TRLns + TYLns+ TRLsw + TYLsw = TGsn + TYsn；

TRLew = TGLsn + TYLsn;

TRLes = TGLsn + TYLsn;

TRLwe = TGLsn + TYLsn;

TRLws = TGLsn + TYLsn;

TRLne = TGLsn + TYLsn;

上式中，Max(VDsn(t){ ... }) 是由南向北车道上在该时刻离路口最远的一辆车的距离，也就是最后一辆车的距离；Average(VSsn(t){...}) 是该时刻由南向北车道上车辆的平均行驶速度；式中的其它要素如上述。

6、由南向西方向主绿灯，绿灯时间为TGLsw，黄灯时间为TYLsw：

TRLsw = 0；

TGLsw > Max(VDsw(t){ ... }) / (Average(VSsw(t){...}) + VGsw);

TRLsn + TYLsn+ TRLne + TYLne = TGsw + TYsw；

TRLew = TGLsw + TYLsw;

TRLes = TGLsw + TYLsw;

TRLwe = TGLsw + TYLsw;

TRLwn = TGLsw + TYLsw;

TRLns = TGLsw + TYLsw;

上式中，Max(VDsw(t){ ... }) 是由南向西车道上在该时刻离路口最远的一辆车的距离，也就是最后一辆车的距离；Average(VSsw(t){...}) 是该时刻由南向西车道上车辆的平均行驶速度，式中的其它要素如上述。

7、由北向南方向主绿灯，绿灯时间为TGLns，黄灯时间为TYLns：

TRLns = 0；

TGLns > Max(VDns(t){ ... }) / (Average(VSns(t){...}) + VGns);

TRLsn + TYLsn+ TRLne + TYLne = TGns + TYns；

TRLew = TGLns + TYLns;

TRLes = TGLns + TYLns;

TRLwe = TGLns + TYLns;

TRLwn = TGLns + TYLns;

TRLsw = TGLns + TYLns;

上式中，Max(VDns(t){ ... }) 是由北向南车道上在该时刻离路口最远的一辆车的距离，也就是最后一辆车的距离；Average(VSns(t){...}) 是该时刻由北向南车道上车辆的平均行驶速度；式中的其它要素如上述。

8、由北向东方向主绿灯，绿灯时间为TGLne，黄灯时间为TYLne：

TRLne = 0；

TGLne > Max(VDne(t){ ... }) / (Average(VSne(t){...}) + VGne);

TRLns + TYLns + TRLsw + TYLsw = TGne + TYne；

TRLew = TGLne + TYLne;

TRLes = TGLne + TYLne;

TRLwe = TGLne + TYLne;

TRLwn = TGLne + TYLne;

TRLsn = TGLne + TYLne;

上式中，Max(VDne(t){ ... }) 是由北向西车道上在该时刻离路口最远的一辆车的距离，也就是最后一辆车的距离；Average(VSne(t){...}) 是该时刻由北向西车道上车辆的平均行驶速度；式中的其它要素如上述。

分别计算出以上8个条件下的最小损耗，再找出这8个条件里面最小的损耗，就是按照最小总损耗的优化交通控制时间。

每个控制周期完成后，各方向道路的优先级做一次调整。绿灯方向的车道优先级复位为初始设定值，红灯方向的车道优先级按照设定规则增加。也就是说，等的时间越长的车道优先级越高，不然车辆少的车道可能没有绿灯的机会。比如这个周期由东向西方和由西向东方向绿灯，那么下一个周期的道路优先级分别调整为：

RPew = RPew_Init;;

RPwe = RPwe_Init;

RPes = RPes + RPes_Delta;

RPwn = RPwn + RPwn_Delta;

RPsn = RPsn + RPsn_Delta;

RPse = RPse + RPse_Delta;

RPns = RPns + RPns_Delta;

RPne = RPne + RPne_Delta;

然而，优化的结果不一定是实际的交通控制，还得根据各路口的情况，加上一些限定条件。比如各方向的红灯累计不能超过一定值，超过后下一个周期将给与绿灯。还有的地方会限定绿灯的累计时间不能超过一定值。还有，如果绿灯出口方向的车辆因前方道路拥堵不能通行，将会自动避免该方向绿灯。

以上描述仅是一个简化的路口交通优化模型的简单例子，实际实施中还有很多限定条件和例外处理。而且模型本身也会根据各个路口的情况进行修改。比如，有的路口希望主干线畅通，可以根据车道上车辆的行驶速度调整车道的优先级，让该方向绿灯机会增加，使得行驶车辆尽快通过路口，不停留，提高路口通车率。

参考图2所示，本发明的一条道路上的车辆识别摄像头所识别车辆情况的示意图。在示意图中标记1到10代表车辆识别摄像头看到的道路上的车辆。其中标记1、2、3、4、6、8和10所标记的车辆表示通常轿车；5表示小公交车；7表示大型公交车；9表示大货车；在示意图中，车辆识别摄像头识别出一辆轿车正在右转，后面有一辆大车货车和一辆轿车以每小时25公里在右转车道上行驶，分别距离路口20米和50米；有一辆轿车和一辆小公交车在直行道上等待，有一辆轿车和大公交车以每小时10公里的速度在直行道上接近路口，分别距路口25米和35米；有两辆车在左转道上等待，另一辆车以每小时15公里速度在左转道上接近路口，距离40米。

正如图3所示出的，本发明的交通控制器内部结构为包括8个符合POE远程供电的标准网络接口，给路口各车道上的多个车辆识别摄像头通过网线供电，同时接收各车辆摄像头送来的统计数据，并送入交通优化模块；该优化模块根据当时的各条道路各车道上车辆的实时统计数据，根据道路及各种车辆优先级，按照该时段的优化目标进行优化，得出各方向交通控制信号的状态，并根据优化结果，通过交通信号管理器控制相应的交通信号灯及计时器等设备。

参考图4所示，本发明的交通控制器根据各车道上车辆数量优化交通控制信号的例子。在实施例中，东西南北4条道路，每条路都是双向交通，各方向包括右转，直行和左转车道。本示意图表示一个某时刻正常的交通状态对称的交通路口。当车辆识别摄像头看到由东向南和由西向北的车辆驶离交叉路口，而由北向南和由南向北的车道上积累了足够的车辆，这时的最佳控制是让由北向南和由南向北的车辆通过路口。

参考图5所示，本发明的交通控制器根据各车道上车辆数量优化交通控制信号的第二个实施例。在本实施例中，东西南北4条道路，每条路都是双向交通，各方向包括右转，直行和左转车道。本示意图表示主次道路的路口，主路交通繁忙，而次级路车辆较少的情况。当车辆识别摄像头看到由南向北和由北向南有大量车辆正在接近路口，而这时其他方向交通比较少。控制器根据优化结果，及时让其他方向的车辆停下，把路口让给由南向北和由北向南的交通，使这些车辆不停留快速通过路口，提高路口效率，降低总的车辆在路口的停留次数和时间。

参考图6所示，本发明的交通控制器根据各车道上车辆数量优化交通控制信号的第三个实施例。在本实施例中，东西南北4条道路，每条路都是双向交通，各方向包括右转，直行和左转车道。本示意图表示某时刻道路车辆数量不对称情况下，增加繁忙方向绿灯时间而让车辆较少的方向等待的例子。当车辆识别摄像头看到由南向北和由北向南有大量车辆正在通过路口，而这时其他方向交通比较少。控制器根据优化结果，在不超过车道累计红灯时间的情况下，让其他方向的车辆等待，增加由南向北和由北向南的绿灯时间，使这些车辆快速通过路口，提高路口效率，降低总的车辆在路口的停留次数和时间。

参考图7所示，本发明的交通控制器根据各车道上车辆数量优化交通控制信号的第四个实施例。在本实施例中，东西南北4条道路，每条路都是双向交通，各方向包括右转，直行和左转车道。本示意图表示某时刻驶入路口方向的车辆数量不对称时，根据优化结果让左转和直行车同行。当车辆识别摄像头看到由北向南和由北向东有大量车辆通过路口，而且有大型公交车接近路口，而这时其他方向交通比较少。控制器根据优化结果，在不超过车道累计红灯时间的情况下，让其他方向的车辆等待，增加由北向南和由北向东的绿灯时间，使这些车辆快速通过路口，提高路口效率，降低总的车辆在路口的停留次数和时间。

参考图8所示，本发明的交通控制器根据各车道上车辆数量优化交通控制信号的第五个实施例。在实施例中，东西南北4条道路，每条路都是双向交通，各方向包括右转，直行和左转车道。本示意图表示该道路设置某时刻由北向南和由北向东的车道有较高优先权的情况。当车辆识别摄像头看到由北向南和由北向东有一批车辆接近路口，控制器在不超过车道累计红灯时间的情况下，让其他方向的车辆等待，优先让由北向南和由北向东的车辆无停顿通过路口，让交通控制信号与通过路口的车辆同步，降低城市主要快速干道上的车辆通过路口的时间，满足城市总体交通规划。

而除上述以外，还需要说明的是在本说明书中所谈到的“一个实施例”、“另一个实施例”、“实施例”等，指的是结合该实施例描述的具体特征、结构或者特点包括在本申请概括性描述的至少一个实施例中。在说明书中多个地方出现同种表述不是一定指的是同一个实施例。进一步来说，结合任一实施例描述一个具体特征、结构或者特点时，所要主张的是结合其他实施例来实现这种特征、结构或者特点也落在本发明的范围内。

尽管这里参照本发明的多个解释性实施例对本发明进行了描述，但是，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。更具体地说，在本申请公开、附图和权利要求的范围内，可以对主题组合布局的组成部件和/或布局进行多种变型和改进。除了对组成部件和/或布局进行的变型和改进外，对于本领域技术人员来说，其他的用途也将是明显的。

Claims (5)

1.一种智能交通控制装置，其特征在于：所述的智能交通控制装置包括多个车辆识别摄像头，车辆识别摄像头分别安装于路口各个道路的车辆驶入方向的位置上，且所述多个车辆识别摄像头分别接入交通控制器，所述交通控制器还与路口各个方向的交通信号灯相连接；其中：

所述多个车辆识别摄像头用于分别采集并计算当前路口各个方向的车辆数量与行驶速度，并将单位时间内的车辆数量与行驶速度的数据统计后传输至交通控制器；

所述交通控制器用于根据多个车辆识别摄像头的实时统计数据，按照各条车道的优先级别，以及预定时段的优化目标进行优化计算，并根据优化计算结果控制路口各个方向的交通信号灯的实时状态。

2.根据权利要求1所述的智能交通控制装置，其特征在于：所述多个车辆识别摄像头还分别采集并计算当前路口各个方向的车辆种类、当前位置与行人状态；且所述交通控制器还按照不同种类车辆的优先级别，控制路口车道各个方向的交通信号灯以及人行道信号灯的实时状态。

3.根据权利要求1或2所述的智能交通控制装置，其特征在于：所述交通控制器通过八个POE远程供电网络接口与八个车辆识别摄像头相连接，用于由车辆识别摄像头通过网线将实时统计数据传输至交通控制器。

4.根据权利要求3所述的智能交通控制装置，其特征在于所述交通控制器进行优化计算为根据多个车辆识别摄像头的实时统计数据，通过下式计算路口其中一个东向西车道时刻t停留单位时间dt的损耗；

Wew(t).dt = RPew×(Pp×Pr×Ps×(NPe(t) + NPw(t)) + Pc×NCew(t) + Pb×NBew(t) + Pt×NTew(t)；

上式中，Wew(t)是时刻t从东向西行驶车辆因停留单位时间dt造成的损耗，RPew是驶入由东向西车道的优先级参数，Pp是行人优先级参数，Pr是雨天优先级参数，Ps是雪天优先级参数，NPe(t)是时刻t南北双向行人在东侧马线上等待的总人数，NPw(t)是时刻t南北双向行人在西侧马线上等待的总人数，Pc是轿车优先级参数，NCew(t)是时刻t从东向西行驶的轿车总数，Pb是公交车优先级参数，NBew(t)是时刻t从东向西行驶的公交车总数，Pt是货车优先级参数，NTew(t)是时刻t从东向西行驶的货车总数；

再通过下式得出时刻t在单位时间dt内东到西红灯时间造成的损耗：

；

上式中，TWew(TRLew) 是当东西方向红灯造成的总损耗，TRLew为东到西方向的红灯时间，Wew为东到西方向的损耗；

通过路口时刻t在单位时间dt时段分别计算各个方向的损耗，得出最低总损耗，进而得到各方向红灯的时间，用于控制路口的交通信号。

5.根据权利要求3所述的智能交通控制装置，其特征在于：所述的交通控制器进行优化计算为根据多个车辆识别摄像头的实时统计数据，分别通过下式计算路口各个车道的最小损耗：

TRLew = 0；

TGLew > Max(VDew(t){ ... }) / (Average(VSew(t){...}) + VGew)；

TRLwe + TYLwe + TRLes + TYLes = TGLew + TYLew；

TRLwn = TGLew + TYLew；

TRLsn = TGLew + TYLew；

TRLsw = TGLew + TYLew；

TRLns = TGLew + TYLew；

TRLne = TGLew + TYLew；

上式中，TRLew是东向西车道的红灯时间，TGLew是东向西车道的绿灯时间，Max(VDew(t){ ... })是由东向西车道上在该时刻离路口最远的一辆车的距离，Average(VSew(t){...}) 是该时刻由东向西车道上车辆的平均行驶速度，VGew是绿灯时东向西车道上车辆从静止到通过路口的平均速度，TRLwe是西向东车道的红灯时间，TRLes是东向南车道的红灯时间，TYLes是东向南车道的黄灯时间，TGLew是东向西车道的绿灯时间，TYLew是东向西车道的黄灯时间，TRLwn是西向北车道的红灯时间， TRLsn是南向北车道的红灯时间，TRLsw是南向西车道的红灯时间， TRLns是北向南车道的红灯时间，TRLne是北向东车道的红灯时间；

再找出各个车道最小损耗中的最小损耗，从而得到最低总损耗，进而得到各方向红灯的时间，用于控制路口的交通信号。