CN106355908A - 一种基于云计算的交通灯智能控制系统 - Google Patents

Abstract

本发明提供了一种基于云计算的交通灯智能控制系统，包括与交通灯连接的控制器、交通管理中心、云计算服务器、交通数据采集终端和交通数据传送子系统；所述控制器、云计算服务器皆与交通管理中心连接，交通数据采集终端通过交通数据传送子系统与云计算服务器连接。本发明创造的有益效果：通过对交通数据进行分析处理，根据分析处理结果对交通灯进行远程控制，避免了交通拥堵，节约了行人的时间，并降低了安全风险。

Description

一种基于云计算的交通灯智能控制系统

技术领域

本发明创造涉及交通设备领域，具体涉及一种基于云计算的交通灯智能控制系统。

背景技术

相关技术中，城市交通灯一般采用传统的红绿灯切换时间固定的方式，该方式下，经常会出现这种现象：南北方向无行人和车辆，东西方向聚集了大量的行人和车辆，而交通灯处于南北畅行状态，东西方向的行人和车辆在不必要的情况下需要等待几十秒的时间才能正常通行，造成了本可以避免的交通拥堵和行人安全风险。

发明内容

为解决上述问题，本发明提供一种基于云计算的交通灯智能控制系统。

本发明创造的目的通过以下技术方案实现：

一种基于云计算的交通灯智能控制系统，包括与交通灯连接的控制器、交通管理中心、云计算服务器、交通数据采集终端和交通数据传送子系统；所述控制器、云计算服务器皆与交通管理中心连接，交通数据采集终端通过交通数据传送子系统与云计算服务器连接。

使用时，交通数据采集终端采集道路口的机动车、生物、非机动车等的数据信息，并将采集的数据信息通过交通数据传送子系统传输到负责交通数据处理和分析的云计算服务器上，云计算中心服务器将交通数据分析处理结果通过互联网传输给交通管理中心，进而交通管理中心根据所述交通数据分析处理结果通过控制器进行远程控制交通灯，从而实现交通灯的自主性、合理性的自动切换。

本发明创造的有益效果：通过对交通数据进行分析处理，根据分析处理结果对交通灯进行远程控制，避免了交通拥堵，节约了行人的时间，并降低了安全风险。

附图说明

利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明结构示意图；

图2是交通数据传送子系统的结构示意图。

附图标记：

控制器1、交通管理中心2、云计算服务器3、交通数据采集终端4、交通数据传送子系统5、数据修正单元21、滤波处理单元22、数据压缩单元23、数据传送单元24。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1、图2，本实施例的一种基于云计算的交通灯智能控制系统，包括与交通灯连接的控制器1、交通管理中心2、云计算服务器3、交通数据采集终端4和交通数据传送子系统5；所述控制器1、云计算服务器3皆与交通管理中心2连接，交通数据采集终端4通过交通数据传送子系统5与云计算服务器3连接。

优选的，所述交通数据采集终端4包括机动车传感器、生物特征传感器、非机动车传感器。

使用时，交通数据采集终端4采集道路口的机动车、生物、非机动车等的数据信息，并将采集的数据信息通过交通数据传送子系统5传输到负责交通数据处理和分析的云计算服务器3上，云计算中心服务器将交通数据分析处理结果通过互联网传输给交通管理中心2，进而交通管理中心2根据所述交通数据分析处理结果通过控制器1进行远程控制交通灯，从而实现交通灯的自主性、合理性的自动切换。

本发明上述实施例通过对交通数据进行分析处理，根据分析处理结果对交通灯进行远程控制，避免了交通拥堵，节约了行人的时间，并降低了安全风险。

优选的，所述云计算服务器3包括用于存储由交通数据传送子系统5传送的交通数据的存储单元。

本优选实施例实现了交通数据的存储，便于日后系统的故障检测。

优选的，所述交通数据传送子系统5包括数据修正单元21、滤波处理单元22、数据压缩单元23、数据传送单元24；所述数据修正单元21用于对交通数据采集终端4采集的交通数据进行修正，并对传感器异常数据进行检测，从而消除环境因素对数据采集的影响；所述滤波处理单元22用于对交通数据进行滤波处理，从而实现选择性地发送交通数据至无线传感器网络的簇头；所述数据压缩单元23用于采用改进的主成分分析算法对簇头的交通数据进行压缩处理；所述数据传送单元24用于根据预设的数据传输协议将簇头的压缩数据传送至控制中心4。

本优选实施例构建了交通数据传送子系统5，实现了交通数据的有效处理和传输，保证云计算服务器3能够实时对交通数据进行分析处理。

优选的，所述对采集时受到温度影响的数据进行修正处理的修正公式为：

$H=2H^{\′}\sqrt{1+{\left(ln\frac{T_0}{T}\right)}^2}$

式中，H为修正后的数据，H′为修正前的原始数据，T₀为传感器使用标准温度，T为传感器使用时实际环境温度；

其中，所述对传感器异常数据进行检测，包括：

(1)设传感器的采样速率为v，则传感器获取连续i个测量数据所需的时间

(2)采样过程中当获取i个测量数据所需时间为t′，设时间门限下限值为0.95t，时间门限上限值为2.05t，当t′<0.95t或t′>2.05时t，数据发生异常，对落入时间门限下限值或时间门限上限值外的数据进行剔除。

作为另一优选实施例，所述对传感器异常数据进行检测，包括：

(1)设传感器某时刻采样数据为H_i、选取该时刻前后各五个采样数据作为窗口，求取窗口内数据的平均值去掉窗口内数据H_i，再次求取窗口内数据的平均值

(2)若满足则该采样数据判定为异常，数据修正单元21进一步剔除该异常的数据。

上述优选实施例设置数据修正单元21，通过对采集的交通数据进行修正、检测，进一步提高了交通灯控制的精度。

优选地，所述对交通数据进行滤波处理，具体包括：去除没有落入传感器读数的有效范围内的交通数据；对剩余的交通数据，设传感器节点A在时刻k采集的数据样本为x(k)，对传感器节点A和所述簇头采用相同参数的改进的LMS预测算法得到x(k)的预测值y(k)，设定只有满足下列判定函数时传感器节点A发送x(k)给簇头，否则将x(k)丢弃：

$\sqrt{|\&lsqb;F\left(k\right)+y\left(k\right)\&rsqb;\&lsqb;F\left(k\right)-y\left(k\right)\&rsqb;|}-T_y\&GreaterEqual;0$

式中，F(k)为时刻k的期望值，y(k)为所述改进的预测算法的预测值，T_y为设定的误差阈值；

设定所述簇头判断是否满足上述判定函数的标准为在给定的一个时间间隔ω内是否收到来自传感器节点的数据样本x(k)，ω的取值范围设定为[2s,4s]；

其中所述改进的LMS预测算法为：

定义X(k)为传感器节点产生的一个由k-α时刻到k-1时刻的数据流，X(k)＝[x(k-1),…,x(k-α)]^T，计算预测值y(k)：

y(k)＝[q₁(k),q₂(k),…,q_α(k)^T·[x(k-1),…,x(k-α)]^T

式中，q₁(k),q₂(k),…,q_α(k)分别为时刻k时对应于(k-1),…,x(k-α)的权值系数；

设M(k)＝q₁(k),q₂(k),…,q_α(k)，则设定权值更新公式为：

M(k+1)＝M(k)+X(k)F(k)[Λ⁺-M^T(k)]

式中，Λ⁺为X(k)X^T(k)的Moore-Penrose广义逆。

本优选实施例设置滤波处理单元22，对由交通数据采集终端4的各传感器节点采集的交通数据进行滤波处理，从而实现选择性地发送交通数据至无线传感器网络的簇头，减少了数据从传感器节点到簇头的发送量，进一步降低了交通数据传送子系统5中无线传感器网络的能耗。

优选的，还可以在滤波处理单元22和数据压缩单元13之间设置数据保护单元，所述数据保护单元用于对可以发送至无线传感器网络的簇头的数据进行部分加密后再进行数据的发送，从而实现对数据的保护，具体为：

设可以发送至无线传感器网络的簇头的数据为D_i(i＝1,2,…n)，随即选取D_i的子集D_j(j＝1,2,…m)作为特殊数据，其中m<n，此时数据划分为D_j和D_i-D_j两部分，在数据发送前，对D_j部分的数据按照预先设定的加密方式进行加密处理并标记后，再将加密后D_j和未加密的D_i-D_j两部分数据以及包含标记信息的文本传送至数据压缩处理单元。

本优选实施例设置数据保护单元，可以实现对数据的保护。

优选的，所述改进的主成分分析算法具体包括：

(1)采用K-means聚类算法对簇头的交通数据进行聚类，获得多个不同类型的数据集；

(2)设一个数据集K＝[k₁,k₂,…,k_m]^T∈R^P×N，其中P表示离散的时间域，N表示在该数据集内传感器节点的数量，则K的列向量表示在一个常规时间域P内从每个传感器节点B(1≤B≤P)处获得的原始数据；

(3)对数据集进行中心化处理，得到一个新的数据矩阵K_neK：

$K_{neK}={\&lsqb;k_i-\frac{1}{P}\underset{i=1}{\overset{P}{\mathrm{\&Sigma;}}}{k}_i,i=1,\mathrm{...},m\&rsqb;}^T$

(4)计算N×N的协方差矩阵D，并将D中的单位特征向量按照对应的特征值大小由高到低排列组成N×N的矩阵Ψ：

$D=\frac{1}{P}{K^T}_{neK}{K}_{neK}$

(5)计算主成分矩阵G：

G＝K_neKΨ

(6)计算前L(L<N)个主成分的贡献率：

$\mathrm{\&eta;}\left(L\right)=\frac{{\mathrm{\&Sigma;}}_{i=1}^L{V}_i}{{\mathrm{\&Sigma;}}_{i=1}^N{V}_i}$

式中，V_i为由高到低排列的第i个特征值；

(7)最终获得数据集维度为L的数据集。

本优选实施例设置数据压缩单元23，采用改进的主成分分析算法对簇头的交通数据进行压缩处理，提高了交通数据传送子系统5中数据压缩处理的速度，且在满足交通数据精度的同时，依据交通数据的冗余程度，降低了簇头和终端之间的数据通信量，从而减少了无线传感器网络内的数据通信负载，进一步提高交通数据传送的精度和速度。

优选的，所述预设的数据传输协议为：

所述云计算服务器3在某单位时间段[0,t]接收来自簇头I的对应的压缩数据的数量ξ(I,t)需满足下列度量条件：

${\left(\underset{i=1}{\overset{N_I}{\mathrm{\&Sigma;}}}\mathrm{\&xi;}\right(I,t)/{\mathrm{\&chi;}}_i)}^2-T_H{N}_I\underset{i=1}{\overset{N_I}{\mathrm{\&Sigma;}}}{\left(\mathrm{\&xi;}\right(I,t)/{\mathrm{\&chi;}}_i)}^2\&GreaterEqual;0$

式中，χ_i为设定的簇头I的表征其第i个传感器节点的数据重要程度的权值，N_I为簇头I内传感器节点的总数，T_H为设定的度量阈值。

本优选实施例能够实现从较为重要的簇头中接收较多的交通数据，保证了交通数据传输的效率的同时，提高了交通数据传输的公平性。

基于上述实施例，发明人进行了一系列测试，以下是进行测试得到的实验数据：

交通灯远程控制状况	误控率	平均耗时
			市中心交通灯1：人流量85人/min；车流量120部/min	0％	4s
市中心交通灯2：人流量64人/min；车流量86部/min	0％	3s
			校内交通灯1：人流量56人/min；车流量30部/min	0％	5s
校内交通灯2：人流量45人/min；车流量15部/min	0％	3s

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (5)

1.一种基于云计算的交通灯智能控制系统，其特征是，包括与交通灯连接的控制器、交通管理中心、云计算服务器、交通数据采集终端和交通数据传送子系统；所述控制器、云计算服务器皆与交通管理中心连接，交通数据采集终端通过交通数据传送子系统与云计算服务器连接。

2.根据权利要求1所述的一种基于云计算的交通灯智能控制系统，其特征是，所述交通数据采集终端包括机动车传感器、生物特征传感器、非机动车传感器。

3.根据权利要求2所述的一种基于云计算的交通灯智能控制系统，其特征是，所述云计算服务器包括用于存储由交通数据传送子系统传送的交通数据的存储单元。

4.根据权利要求3所述的一种基于云计算的交通灯智能控制系统，其特征是，所述交通数据传送子系统包括依次连接的数据修正单元、滤波处理单元、数据压缩单元、数据传送单元。

5.根据权利要求4所述的一种基于云计算的交通灯智能控制系统，其特征是，所述数据修正单元用于对交通数据采集终端采集的交通数据进行修正，修正公式为：

$H=2H^{\&prime;}\sqrt{1+{\left(ln\frac{T_0}{T}\right)}^2}$

式中，H为修正后的数据，H′为修正前的原始数据，T₀为传感器使用标准温度，T为传感器使用时实际环境温度。