CN107016861A - 基于深度学习和智能路灯的交通信号灯智能调控系统 - Google Patents

Abstract

本发明公开了一种基于深度学习和智能路灯的交通信号灯智能调控系统，属于智能公共交通领域，本系统包括在交通道路路口设置路边单元和智能交通信号灯，其中路边单元包括图像采集模块、车辆检测模块、拥堵判定模块和通信模块；图像采集模块实时采集各个路口方向的道路交通图像并发送给车辆检测模块，获取每个路口方向的车流量，由同时拥堵判定模块结合车流量给出各路口方向的拥堵等级并通过通信模块传输至智能交通信号灯；由智能交通信号灯基于拥堵等级实时调整通行时间并显示。本发明实时检测道路交通状况，针对不同的路段可灵活设定不同的拥堵级别阙值，从而自动判断拥堵情况并对路口各个方向的通信时间进行调整，使交通信号灯更加灵活且智能。

Description

基于深度学习和智能路灯的交通信号灯智能调控系统

技术领域

本发明涉及智能公共交通领域，具体涉及基于深度学习和智能路灯的交通信号灯智能调控。

背景技术

目前，道路拥堵是城市道路交通中做常见最急需解决的问题。如何合理规划各个路口的通行时间是解决道路拥堵的一个关键点。从日常生活可见，大部分路口的信号灯的等待时间基本是固定不变的，时间固定不变的信号灯与道路交通环境的多变性显然是相矛盾的。有一些城市已经意识到了这个问题，从而采取了如交警协助控制信号灯，安装地磁感应器等传感器，或按时间段改变信号灯等待频率等方法，对交通拥堵问题得到了一定的改善，但分时间段的方式并不能从根本上改变信号灯对环境的适应性，交警协助或安装地磁感谢装置的方法对人力物力造成了浪费。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种能根据拥堵情况智能调节信号灯的等待时间的智能调控系统。

本发明的基于深度学习和智能路灯的交通信号灯智能调控系统，包括在交通道路路口设置路边单元和智能交通信号灯；

路边单元(优选设置在道路上已有的路灯上)包括图像采集模块、车辆检测模块、拥堵判定模块和通信模块；

其中，图像采集模块实时采集各个路口方向的道路交通图像并发送给车辆检测模块，例如在路灯上为不同路口方向设置1～2个摄像头，实时采集个路口方向的道路交通图像；

车辆检测模块为基于深度学习法训练得到的深度神经网络模型，用于自动识别道路交通图像中的车辆，并基于识别出的车辆数量实时计算每个路口方向的车流量，同时将所述车流量发送给拥堵判定模块；

拥堵判定模块根据预设的不同拥堵等级的车流量阈值，判定每个路口方向的拥堵等级，所述拥堵等级越高，车流量阈值越大；并通过通信模块将每个路口方向的拥堵等级传输至智能交通信号灯；

智能交通信号灯包括通信模块、智能调节模块和信号显示模块；

其中，通信模块用于接收路边单元传来的路口方向的拥堵等级并发送给智能调节模块；

智能调节模块根据当前拥堵等级实时调整路口的通行时间并通过信号显示模块显示调整后的通行时间；

信号显示模块用于显示通行时间及交通信号；

其中智能调节模块对各车辆通行方向的通行时间的调整方式为：

(1)基于预设的不同拥堵等级的调整时间，根据各路口方向的拥堵等级确定各路口方向的调整时间，并查找最大调整时间，记为T；

(2)检测T对应的通行方向的当前显示时间，判断是否显示倒计数时间，若否，则直接执行步骤(3)；若是，则判断当前倒计数时间是否大于T，若大于，则执行步骤(3)；若小于则执行步骤(4)；

通行方向包括两个相对的路口方向，即同一车辆通行方向的两个路口方向，例如南北方向的车辆通行方向包括，路口方向南、路口方向北。

(3)若当前通行状态为通行：则将T对应的通行方向的通行时间增加T；若当前通行状态为等待：则将T对应的通行方向的等待时间减少T；

(4)判断T对应的通行方向的下一通行状态是否为通行，若是，则将下一通行时间调整为：t+T，其中t表示：与T的路口方向相对的路口方向的调整时间；否则，不做调整。

其中，智能调节模块对各车辆通行方向的通行时间的调整方式还可以替换为：

(1)基于预设的不同拥堵等级的调整时间，根据各路口方向的拥堵等级确定各路口方向的调整时间；

计算车辆通行方向的调整时间：同一车辆通行方向的两个路口方向的调整时间之和；

查找当前路口的最大车辆通行方向的调整时间，并将对应的车辆通行方向记为通行方向D,调整时间记为T；

(2)检测通行方向D的当前显示通行时间，若为倒计数时间，则判断当前倒计数时间是否小于T，若小于，则通行时间保持不变；否则执行步骤(3)；

(3)若当前通行状态为通行：则将通行方向D的通行时间增加T；若当前通行状态为等待：则将通行方向D的等待时间减少T。

其中深度学习训练的具体过程可以是：

(1)获取训练样本集和验证集：

采集交叉路段的历史道路交通图像(尽量多种类的常见车型在公共交通道路上的照片)，并进行尺寸归一化处理，标注归一化后的图像中的车辆位置，得到含有位置标签的样本图像；

将多个不同样本图像随机分为训练样本集、验证样本集；

(2)前向传播：设置对应的卷积神经网络模型，加载含有位置标签的训练样本集，前向传播学习训练样本集中的车辆特征，然后对验证样本集进行检测，获得卷积神经网络模型输出的位置标签；。

(3)反向传播:计算前向传播输出的位置标签与验证样本实际位置标签之间的损失函数值，将损失函数值按极小化误差的方法反向传播来调整卷积层的权值矩阵，从而得到最终的卷积神经网络模型，即深度神经网络模型。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

1.利用深度学习算法自动检测车辆，得出路口的车流量信息；

2.利用道路上已有的路灯，装配其他所需部件作为路边单元，节约成本；

3.实时检测道路交通状况，针对不同的路段可灵活设定不同的拥堵级别阙值，从而自动判断拥堵情况并对路口各个方向的通信时间进行调整，使交通信号灯更加灵活且智能。

附图说明

图1是本发明的系统结构示意图。

图2是路边单元工作框图。

图3是智能调节单元流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合实施方式和附图，对本发明作进一步地详细描述。

参见图1，本发明的智能调控系统包括在交通道路路口设置路边单元和智能交通信号灯。其中路边单元是系统的核心控制单元，由深度学习检测模型构成的车辆检测模块，拥堵判定模块和通信模块三个部分组成；智能交通信号灯是主要的显示单元，包括通信模块，智能调节模块与信号灯显示模块。车辆检测模块的深度学习检测模型为预训练，即利用深度学习的方法对包含多种车辆特征的历史道理交通图像进行学习，以得到所需的深度神经网络模型，完成训练的模型可自动识别高清道路图片中的车辆，并对车辆的数目进行统计。深度神经网络模型的训练过程可是：采集交叉路段的历史交通数据，包括视频文件及对应图片等，数据应具有普遍性尽量清晰且包含尽量多种常见车型，将数据转为统一大小的图片，标出图片中车辆的具体位置并设立相应的位置标签，从而得到交叉路口路段样本及位置标签。将含有位置标签的图片数据送入设计好的卷积神经网络模型中进行训练，得到对道路交通中的车辆数据特征进行学习后的神经网络模型，即深度神经网络模型。

路边单元可与路口已有的路灯相结合。每个路口都装有一定数量的路灯，且路灯的高度较高，在路灯上装配摄像头可使摄像头的视角开阔，在其上搭载车辆检测模块，根据摄像头检测到的实时图像中的车辆数据，实时计算得到各路口方向的车流量；拥堵判定模块，在得到各路口方向的车流量后，就对当前路口的拥堵情况进行判断，根据设定的车辆数据级别将拥堵情况设为不同的拥堵等级，进而为不同拥堵等级安排不同长短的调整时间，由此得出通行的优先级排列；通信模块，负责与智能交通信号灯进行通信，将计算得到的各路口方向的拥堵等级传递到智能交通信号灯。

智能交通信号灯，其通信模块接收来自路边单元的信息，智能调节模块根据各路口方向的拥堵等级及当前通行状态调整对应的通行时间并控制信号灯的显示，信号灯显示模块将显示调节后的信息。

参见图2，路边单元中的工作流程为：

(1)图像采集：大多路口都有一定数量的路灯，在其上装配摄像头就可以完成对整体道路交通图像的实时采集。

(2)车辆检测：将摄像头实时采集到的道路交通图片输入车辆检测模块(深度神经网络模型)，自动识别道路交通图像中的车辆，路口各个方向上检测到的车辆数目之和就是各路口方向上的实时车流量。

(3)拥堵判定：根据不同的车流量区间设定拥堵级别，车流量越大，其拥堵等级越高，则在通行时间上有更优先的选择权。

例如将车流量分为三个拥堵等级，分别设置两个阈值n、m，其中n小于m，若当前车流量c小于n，则对应的拥堵等级为A，若n＜c＜m，则对应的拥堵等级为B，若c＞m，则对应的拥堵等级为C。

我国《道路交通阻塞度及评价方法(国标)》中对城市交通通行交叉路口阻塞的定义是车辆在交叉路口外车行道受阻排队长度超过500m为阻塞，800m为严重阻塞。依照此标准设立阙值，对道路路口各个方向的拥堵情况进行判断。假设当前路口为双向双车道，即同一个前行方向最多同时可有两辆车并排，那么当车流量为1600以上时为严重拥堵，车流量为1000～1600时为一般拥堵。

(4)信息传递：将拥堵判定的结果传递到智能交通信号灯。

智能交通信号灯的工作包括以下步骤：

(1)通信模块：接收路边单元传来的拥堵判定结果，并发送给智能调节模块；

(2)智能调节模块：检测当前各个路口(车辆通行方向)的通行时间，根据拥堵等级对通行时间进行调整。

(3)显示模块：将调整结果显示在对应的信号灯上，实现信号灯的智能调控。

以十字路口为例，其智能调节的具体过程如图3所示：

智能交通信号灯收到交叉路口各个方向的拥堵情况后，对交通信号灯的显示做出调节。检测信号灯当前正在显示的通行时间。根据交叉路口各个方向的拥堵等级进行调整，假设当前十字路口有东南西北四个方向，分别用E、S、W、N表示；正在通行则设为正，正在等待则设为负。

基于预设的拥堵等级与调整时间的对应关系：拥堵等级A、B、C分别对应调整时间t1、t2、t3，得到各个路口方向的调整时间t，其中t∈{t1,t2,t3}；

当四个路口方向判断完毕，则从四个调整时间中查找最大值最为最后的调整时间T，然后结合信号灯的当前显示时间和通行状态进行调整：

若当前信号灯为倒计数，则需要判断倒计数与T的大小关系，即若T超过当前信号灯所倒数的时间，则即刻进行红灯闪烁黄灯倒数的阶段，并判断下一通行状态是通行还是等待，若为通行，则为即刻进入的通行状态调整通行时间为：t+T，其中t为T的相对路口方向的调整时间。

若当前信号灯不是倒计数，则基于通行状态进行对应的调整，若通行状态为正时，则将通行时间增加T，若通行状态为负时，则将等待时间减少T。

以上所述，仅为本发明的具体实施方式，本说明书中所公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换；所公开的所有特征、或所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以任何方式组合。

Claims (4)

1.基于深度学习和智能路灯的交通信号灯智能调控系统，其特征在于，在交通道路路口设置路边单元和智能交通信号灯；

路边单元包括图像采集模块、车辆检测模块、拥堵判定模块和通信模块；

其中，图像采集模块实时采集各个路口方向的道路交通图像并发送给车辆检测模块；

车辆检测模块为基于深度学习法训练得到的深度神经网络模型，用于自动识别道路交通图像中的车辆，并基于识别出的车辆数量实时计算每个路口方向的车流量，同时将所述车流量发送给拥堵判定模块；

拥堵判定模块根据预设的不同拥堵等级的车流量阈值，判定每个路口方向的拥堵等级，所述拥堵等级越高，车流量阈值越大；并通过通信模块将每个路口方向的拥堵等级传输至智能交通信号灯；

智能交通信号灯包括通信模块、智能调节模块和信号显示模块；

其中，通信模块用于接收路边单元传来的路口方向的拥堵等级并发送给智能调节模块；

智能调节模块根据当前拥堵等级实时调整路口的通行时间并通过信号显示模块显示调整后的通行时间；

信号显示模块用于显示通行时间及交通信号；

其中智能调节模块对各车辆通行方向的通行时间的调整方式为：

(1)基于预设的不同拥堵等级的调整时间，根据各路口方向的拥堵等级确定各路口方向的调整时间，并查找最大调整时间，记为T；

(2)检测T对应的通行方向的当前显示时间，判断是否显示倒计数时间，若否，则直接执行步骤(3)；若是，则判断当前倒计数时间是否大于T，若大于，则执行步骤(3)；若小于则执行步骤(4)；

(3)若当前通行状态为通行：则将T对应的通行方向的通行时间增加T；若当前通行状态为等待：则将T对应的通行方向的等待时间减少T；

(4)判断T对应的通行方向的下一通行状态是否为通行，若是，则将下一通行时间调整为：t+T，其中t表示：与T的路口方向相对的路口方向的调整时间；否则，不做调整。

2.如权利要求1所述的系统，其特征在于，将智能调节模块对各车辆通行方向的通行时间的调整方式替换为：

(1)基于预设的不同拥堵等级的调整时间，根据各路口方向的拥堵等级确定各路口方向的调整时间；

计算车辆通行方向的调整时间：同一车辆通行方向的两个路口方向的调整时间之和。例如一个十字路口，其共涉及四个路口方向，每两个相对的路口方向构成一个车辆通行方向；

查找当前路口的最大车辆通行方向的调整时间，并将对应的车辆通行方向记为通行方向D,调整时间记为T；

(2)检测通行方向D的当前显示通行时间，若为倒计数时间，则判断当前倒计数时间是否小于T，若小于，则通行时间保持不变；否则执行步骤(3)；

(3)若当前通行状态为通行：则将通行方向D的通行时间增加T；若当前通行状态为等待：则将通行方向D的等待时间减少T。

3.如权利要求1或2所述系统，其特征在于，路边单元设置在道路上已有的路灯上。

4.如权利要求1或2所述的系统，其特征在于，车辆检测模块的深度神经网络模型的训练过程具体为：

(1)获取训练样本集和验证集：

采集交叉路段的历史道路交通图像，并进行尺寸归一化处理，标注归一化后的图像中的车辆位置，得到含有位置标签的样本图像；

将多个不同样本图像随机分为训练样本集、验证样本集；

(2)前向传播：设置对应的卷积神经网络模型，加载含有位置标签的训练样本集，前向传播学习训练样本集中的车辆特征，然后对验证样本集进行检测，获得卷积神经网络模型输出的位置标签；。

(3)反向传播:计算前向传播输出的位置标签与验证样本实际位置标签之间的损失函数值，将损失函数值按极小化误差的方法反向传播来调整卷积层的权值矩阵，从而得到最终的卷积神经网络模型，即深度神经网络模型。