CN108198441B - 一种快速智能交通系统及方法 - Google Patents

Abstract

本发明提出一种快速智能交通方法，其包括以下步骤：S100、利用拍摄设备采集交通信号灯上游的包含多个车道的道路交通图像；S200、对采集的图像识别出每个车道的车流状况数据，然后上传分析；S300、在给定时段内综合各个车道的车流状况数据、道路周边的应急信息，调整指定车道的走向配置，并且更新灯控指令；S400、根据灯控指令，对指定车道，使交通信号灯和交通信号灯上游的引导屏显示更新的走向标志。还提出一种快速智能交通系统，其包括服务器、信号灯装置以及识别及引导装置。本发明的有益效果为：本发明在综合考虑当前各车道上的车流量和邻近车道的车流量，通过同时对各个车道的方向及红绿灯配时方案动态调整，从而更灵活高效地疏导交通节点车流量。

Description

一种快速智能交通系统及方法

技术领域

本发明涉及一种快速智能交通系统及方法，尤其是一种用于根据道路情况动态改变车道走向的快速智能交通系统和方法。

背景技术

随着城市化的程度不断加深，大中型城市车辆数目剧增，车辆与路面的矛盾越来越严重，已成为世界性的难题。设置在交通节点处的交通灯作为重要的交通疏导角色，其通过交通信号的周期性变化以控制和调度各个路口的交通流量。然而，传统的交通灯时间变化周期基本上是固定的，大体上遵循以下两个原则：(1)各个方向上红绿灯的配时方案大体相同，使得各个方向上的车流能够以大致相同的速度疏散；(2)在主干道和次干道交叉的交通节点处，基于主次干道之间的车流量差异，按照比例分配在各个方向上的红绿灯时长。上述原则都是基于机会均等或者交通节点历史数据调整交通灯的配时方案，不能与实时路况相结合。

在交通系统研究领域中，不少针对实时路况的动态调整交通灯配时方案的智能交通系统(Intelligent Traffic System，ITS)被提出以改善人民出行质量以及缓解交通堵塞等诸多问题。例如，公开号为CN106652497A的发明提出一种融合自回归预测模型的智能交通调度方法。该方法通过对交通灯的智能调度，优先考虑大客运量公交的等待时间，以缓解交通拥堵问题。此类方案一般是基于当前各车道车流量及历史数据，动态调整各个车道的红绿灯配时方案。

可是，对于交通节点处的某些突发性事件，例如某条车道或车道前方的汽车突然抛锚或者出现交通意外时，该车道被迫关闭。此时仅通过动态调整各个车道的红绿灯配时方案以缓解该交通节点的压力显得捉襟见肘。尤其是在该方向上只有一条车道的路口，上述方案由于仅调整各个车道的红绿灯配时，无法为该方向上的司机提供明确的行车指引。

因此，有需要设计一种合理智能的交通系统已解决上述问题。本发明提供的方案利用了车辆图像处理领域的相关现有技术，例如在文献CN104361359A中公开了基于图像检测的车辆识别方法。

发明内容

本发明提供一种快速智能交通系统及方法，改进了现有的智能交通系统在疏通交通节点车流手段单一，无法及时动态应对交通节点处突发性事件的技术问题，获得高效灵活疏导交通节点车流量的技术效果。

为实现上述技术效果，本发明分别提出以下各个方面的技术方案。

第一方面，本发明提供一种快速智能交通方法，包括以下步骤：

S100、利用拍摄设备采集交通信号灯上游的包含多个车道的道路交通图像；

S200、对采集的图像识别出每个车道的车流状况数据，然后上传分析；

S300、在给定时段内综合各个车道的车流状况数据、道路周边的应急信息，调整指定车道的走向配置，并且更新灯控指令；

S400、根据灯控指令，对指定车道，使交通信号灯和交通信号灯上游的引导屏显示更新的走向标志。

进一步，所述步骤S200包括以下步骤：

S201、在采集的图像中标定当前车道及其邻近车道的区域和界限；

S202、在采集的图像中提取车辆轮廓特征，然后在每一个识别的车辆范围内识别闪烁的转向灯的方位以确定该车辆的期望转向值，并且判断该识别的车辆的轮廓处于当前车道内还是与邻近车道线相交。

进一步，所述步骤S200还包括以下步骤：S203、对应每个车道计算车龙长度指数、转向指数和/或并线指数。其中：车龙长度指数对应于当前车道的预设长度范围内的车辆轮廓的长度叠加，转向指数对应于当前车道的预设长度范围内的期望左转、直行和右转的车辆数量值叠加，并线指数对应于当前车道的预设时间范围内的并线车辆数量的叠加，该并线车辆是趋向于切入当前车道并且车辆轮廓与当前车道的界限线相交超过给定时间值的车辆。

进一步，所述步骤S300包括以下步骤：

S301、接收每个车道的车流状况数据；

S302、判断每个车道的车龙长度指数是否超出预设的阈值，是则关联该车道执行下一步骤，否则返回步骤S301；

S303、判断转向指数是否超出左转、直行和右转中的任一转向阈值，是则执行下一步骤，否则返回步骤S301；

S304、结合并线指数，通过加权计算转向期望综合值；

S305、判断所计算的转向期望综合值是否超出预设的阈值，是则调整当前车道和/或相邻车道的走向配置。

进一步，所述步骤S300包括以下步骤：如果在预设的时段内，检测到一单向拥堵车道比单向邻近车道的车流状况数据的差值超出预设阈值，则在该单向邻近车道的走向配置的基础上叠加该单向拥堵车道的走向配置，使该单向邻近车道变成复向车道；如果在预设的时段内，检测到一复向拥堵车道比邻近车道的车流状况数据的差值超出预设阈值，则该邻近车道的走向配置被更新为该复向拥堵车道的走向配置并且变成复向车道，而原先的复向拥堵车道被配置为期望转向的单向车道。

进一步，所述步骤S300包括以下步骤：如果接收到道路应急信息，则根据需要将指定车道配置为应急绿色车道，并配置其它车道的走向以疏导交通；在道路的上游位置提示车道转向信息和道路应急信息。

进一步，所述步骤S400包括以下步骤：当检测到待调整走向配置的车道的不可变道区域中没有车辆时，则允许根据灯控指令，使该车道的交通信号灯和引导屏显示更新的走向标志。

第二方面，本发明提供一种快速智能交通方法，包括以下步骤：

S1000、对一个或多个路口的周边进出道路采集交通图像；

S2000、对一个或多个路口的上下游的出入口道路，利用拍摄设备采集交通信号灯上游的包含多个车道的道路交通图像，对采集的图像识别出每个车道的车流状况数据，然后上传分析；

S3000、在给定时段内，对于一个或多个路口的上下游车流状况数据、各个车道的转向指数和应急信息，调整配置指定车道的走向，并且更新灯控指令；

S4000、根据灯控指令，联动控制指定车道的交通信号灯和走向引导屏，进行走向标志的显示更新和/或禁行时间调整。

进一步，所述步骤S3000包括：对出口道路的每个下游车道，计算车龙长度指数，并标定对应的上游车道；如果下游车龙长度指数超出阈值，则变更对应的上游车道的走向配置或者延长禁行时间，使得进入下游车道的车辆减少；更新上游车道中的灯控指令，并且使更新的走向配置保持预设时间段的延时；延时结束后，重新对出口道路的每个下游车道，计算车龙长度指数。

进一步，所述步骤S3000包括：对出口道路的每个下游车道，计算车龙长度指数，并标定对应的上游车道；如果下游车龙长度指数没有超出阈值，则对入口道路执行以下步骤：

S301、接收每个车道的车流状况数据；

S302、判断每个车道的车龙长度指数是否超出预设的阈值，是则关联该车道执行下一步骤，否则返回步骤S301；

S303、判断转向指数是否超出左转、直行和右转中的任一转向阈值，是则执行下一步骤，否则返回步骤S301；

S304、结合并线指数，通过加权计算转向期望综合值；

S305、判断所计算的转向期望综合值是否超出预设的阈值，是则调整当前车道和/或相邻车道的走向配置。

进一步，所述步骤S4000包括：同步改变一个或多个路口的上下游道路的走向关联的车道上的交通信号灯和走向引导屏。

第三方面，本发明提供一种快速智能交通系统，包括：第一模块，用于利用拍摄设备采集交通信号灯上游的包含多个车道的道路交通图像；第二模块，用于对采集的图像识别出每个车道的车流状况数据，然后上传分析；第三模块，用于在给定时段内综合各个车道的车流状况数据、道路周边的应急信息，调整指定车道的走向配置，并且更新灯控指令；第四模块，用于根据灯控指令，对指定车道，使交通信号灯和交通信号灯上游的引导屏显示更新的走向标志。

第四方面，本发明提供一种快速智能交通系统，包括：第一模块，用于对一个或多个路口的周边进出道路采集交通图像；第二模块，用于对一个或多个路口的上下游的出入口道路，利用拍摄设备采集交通信号灯上游的包含多个车道的道路交通图像，对采集的图像识别出每个车道的车流状况数据，然后上传分析；第三模块，用于在给定时段内，对于一个或多个路口的上下游车流状况数据、各个车道的转向指数和应急信息，调整配置指定车道的走向，并且更新灯控指令；第四模块，用于根据灯控指令，联动控制指定车道的交通信号灯和走向引导屏，进行走向标志的显示更新和/或禁行时间调整。

第五方面，本发明提供一种快速智能交通系统，包括服务器、信号灯装置、以及与信号灯装置关联的识别及引导装置，所述信号灯装置设置在入口道路的不可变道区域，所述识别及引导装置包括设置在所述信号灯装置的上游的可变道区域中的拍摄设备和与拍摄设备关联的识别单元。拍摄设备采集道路中包含多个车道的交通图像；识别单元对采集的图像识别入口道路的每个车道的车流状况数据，然后上传到所述服务器进行分析；所述服务器在给定时段内综合各个车道的车流状况数据、道路周边的应急信息，调整指定车道的走向配置，并且向信号灯装置发送更新的灯控指令；信号灯装置根据灯控指令，对指定车道，使交通信号灯和交通信号灯上游的引导屏显示更新的走向标志。

进一步，所述识别单元还用于执行上述方法中的步骤S200及其扩展子步骤，所述服务器还用于执行上述方法中的步骤S300及其扩展子步骤。

进一步，所述服务器为云服务器，并整合大数据分析模块，其中：大数据分析模块被配置为收集多日的道路通行数据，然后通过机器学习算法预测每个车道在每天的各个时段的车流状况数据，使得所述云服务器能够根据预测的每个车道的车流状况数据预先根据各个时段调整每个车道的走向配置；所述云服务器与报警中心、路口交通监控装置或现场车辆通信，以接收到道路应急信息，并且根据需要将指定车道配置为应急绿色车道，并配置其它车道的走向以疏导交通，向信号灯装置发送应急警报灯控指令。

进一步，所述识别及引导装置还包括设置在出口道路的第二识别单元，该第二识别单元对采集的图像识别出口道路的每个车道的车流状况数据，然后上传到所述服务器进行分析。

第六方面，本发明提供一种计算机可读介质，其上存储有计算机指令，该指令被处理器执行本发明第一方面和第二方面的快速智能交通方法。

本发明的有益效果为：在综合考虑当前各车道上的车流量和邻近车道的车流量，通过同时对各个车道的方向及红绿灯配时方案动态调整，从而更灵活高效地疏导交通节点车流量。

附图说明

图1所示为根据本发明的快速智能交通系统在一实施例中的示意框图。

图2所示为根据本发明的快速智能交通系统在另一实施例中的示意框图。

图3所示为根据本发明的快速智能交通方法在一实施例中的总体流程图。

图4所示为根据本发明的快速智能交通方法在一实施例中的细节流程图。

图5所示为根据本发明的快速智能交通方法在另一实施例中的细节流程图。

图6所示为根据本发明的快速智能交通系统的在一实施例中在车道走向调整前的示意图。

图7所示为根据本发明的快速智能交通系统的在一实施例中在车道走向调整后的示意图。

图8所示为根据本发明的快速智能交通系统的在一实施例中的识别流程的解析图。

图9所示为根据本发明的快速智能交通系统的在另一实施例中在车道走向调整前的示意图。

图10所示为根据本发明的快速智能交通系统的在另一实施例中在车道走向调整后的示意图。

图11所示为根据本发明的基于路口多道路的快速智能交通方法在一实施例中的总体流程图。

图12所示为根据本发明的基于路口多道路的快速智能交通方法在一实施例中的细节流程图。

图13所示为根据本发明的快速智能交通系统在一路口的实施例中的应用示意图。

图14所示为根据本发明的快速智能交通系统在多路口的实施例中的应用示意图。

具体实施方式

以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。应注意附图不是按真实比例绘制。

需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征，它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。此外，本发明中所使用的上、下、左、右等描述仅仅是相对于附图中本发明各组成部分的相互位置关系来说的。用于本发明的术语上游和下游是针对车辆流向而言。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

参照图1所示的框图，根据本发明的快速智能交通系统，包括：服务器、信号灯装置1、以及与信号灯装置1关联的识别及引导装置2。在本实施例中，服务器可以是本地服务器或者远程服务器(比如，云服务器3)；信号灯装置1可以包含交通信号灯(如红绿灯)，也可以是独立的装置。信号灯装置1设置在道路的不可变道区域，识别及引导装置2设置在信号灯装置1的上游的可变道区域中。识别及引导装置2包括拍摄设备和与拍摄设备关联的识别单元20。拍摄设备采集道路中包含多个车道的交通图像；识别单元20对采集的图像识别出每个车道的车流状况数据，然后上传到服务器进行分析；服务器在给定时段内综合各个车道的车流状况数据、道路周边的应急信息，调整指定车道的走向配置，并且向信号灯装置1发送更新的灯控指令；信号灯装置1根据灯控指令，对指定车道，使交通信号灯和交通信号灯上游的引导屏显示更新的走向标志(例如是图示中的左转、直行、左转直行复合等等的交通灯指示符号)。走向标志可以是红黄绿不同颜色，也可以是闪烁显示的符号。

如图所示，在一个具体的四车道(51-54)的快速智能交通系统的实施例中，道路划分为不可变道区域和可变道区域，其中信号灯装置1设置在人行横道前的不可变道区域，识别及引导装置2设置在可变道区域中，识别及引导装置2与不可变道区域之间还设有可变道的缓冲区域，使驾驶员在观察识别及引导装置2的指示后还有机会使驾驶的车辆变道。不可变道区域、可变道区域和缓冲区域的长度H1、H2和H3可以根据具体的道路情况来配置。例如，不可变道区域的长度H1为20-100m，可变道区域的长度H2为200m以上，缓冲区域的长度为20-100m。在附图的实施例中，信号灯装置1包括：灯控器10、第一交通信号灯11、第二交通信号灯12、第三交通信号灯13、第四交通信号灯14。识别及引导装置2包括识别单元20、第一车道引导屏21、第二车道引导屏22、第三车道引导屏23、第四车道引导屏24、第一车道摄像头25、第二车道摄像头26、第三车道摄像头27、第四车道摄像头28。每个车道的摄像头负责拍摄其所在车道的上游车流和/或邻近车道的上游车流。识别单元20能够将所有车道的摄像头的拍摄图像拼合为道路所有车道的车流完整图像。识别单元20与云服务器3通信传输车流状况数据。云服务器3根据上传的数据进行分析，动态更新每个车道的走向配置，然后下发灯控指令到信号灯装置1的灯控器10和识别及引导装置2的识别单元20，从而使每个车道的交通信号灯和引导屏按照该指令进行车道走向显示。

图2所示为根据本发明的快速智能交通系统在另一实施例。所述服务器为云服务器3，其整合大数据分析模块31。大数据分析模块31被配置为收集多日的道路通行数据，然后通过机器学习算法预测每个车道在每天的各个时段的车流状况数据，使得所述云服务器3能够根据预测的每个车道的车流状况数据预先根据各个时段调整每个车道的走向配置。在一些实施例中，大数据分析模块31还可以收集给定区域范围的车辆导航应用(比如，百度地图)的导航位置数据来分析该区域的车流状况。云服务器3可以与报警中心7、路口交通监控装置8或现场车辆6通信，以接收到道路应急信息。例如，云服务器3接收到现场车辆6的联网安全系统发送的事故通报，并且接驳交警的报警中心7和现场路口交通监控装置8确认有事故发生造成道路拥堵后，根据需要将指定车道配置为应急绿色救援车道，并配置其它车道的走向以疏导交通，向信号灯装置1发送应急警报灯控指令，使每个车道上游的引导屏提示后来车辆绕行。此外，云服务器3还可以收集现场车辆6的导航软件上传的地理位置数据，统计当前道路的总体拥堵程度。

参照图3，根据本发明的快速智能交通方法包括采集流程、识别流程、车道走向变更流程和灯控流程，如下：

S100、利用拍摄设备(摄像头)采集交通信号灯上游的包含多个车道的道路交通图像；

S200、对采集的图像识别出每个车道的车流状况数据，然后上传分析；

S300、在给定时段内综合各个车道的车流状况数据、道路周边的应急信息，调整指定车道的走向配置，并且更新灯控指令；

S400、根据灯控指令，对指定车道，使交通信号灯和交通信号灯上游的引导屏显示更新的走向标志。

图4和5分布为根据本发明的方法的识别流程和车道走向变更流程的细节流程图。

结合图4和图8，识别流程包括以下步骤：

S201、在采集的图像中标定当前分析的车道及其邻近车道的区域和界限(例如图8所示的车道区域和车道线)，以及标记其现有的走向(单向还是复向)；

S202、在采集的图像中提取车辆轮廓特征(例如在图8中，车辆四周的双点划线轮廓框91)，然后在每一个识别的车辆范围内再识别闪烁的转向灯92的方位(单闪的左转灯、单闪的右转灯、双闪的危险报警灯)以确定该车辆的期望转向值，并且判断该识别的车辆的轮廓处于当前车道内还是与邻近车道线相交(如图8所示的并线车辆62)；

S203、对应每个车道计算车龙长度指数、转向指数和/或并线指数；

S204、定时将计算的车道状况数据上传到服务器，当遇到拥堵或者紧急情况，实时上传车道状况数据；

S205、判断当前所有车道的车流是否恢复交通空闲状态，是则结束流程，否则返回步骤S202，以继续循环执行。

在本实施例中，车龙长度指数对应于当前车道的预设长度范围内的靠近的车辆轮廓的长度叠加(如图8所示的点划线轮廓框的叠加长度93)。应理解，如果低速行驶的车辆之间距离较大(比如超过3个车身长度)、或者拍摄的正常速度行驶的车辆之间保持合理的车距(比如1个车身长度)，则不能构成车龙。

转向指数对应于当前车道的预设长度范围内的期望左转、直行和右转的车辆数量值叠加。例如在图8中，左边的左转向车道有3辆车(无论是否识别得到有3辆车的闪左转向灯)，则转向指数为L3。图8的中间车道为左转和直行的复向车道，需要检测该车道内的车辆在预设长度范围和预设时间内没有闪转向灯，还要检测有没有车闪转向灯，比如图8中有1辆车没有闪灯并且有1辆车闪左转向灯，则转向指数为L1&S1。本领域技术人员应理解到，还有其它没有在附图中描述的情况，比如3方向的复向车道有不同的车辆闪左转或右转或者不闪转向灯，则转向指数记为Lx&Sy&Rz，其中x、y、z分别代表闪左转、右转、不闪转向灯的车辆数。

并线指数对应于当前车道的预设时间范围内的并线车辆数量的叠加，该并线车辆是趋向于切入当前车道并且车辆轮廓与当前车道的界限线相交超过给定时间值的车辆。比如在图8中，并线车辆62持续从右侧车道进入中间车道，则中间车道的并线指数标记为L1；继续，如果另一并线车辆63持续从右侧车道进入中间车道并且则中间车道的并线指数标记为L2，但如果另一并线车辆63最后放弃进入中间车道，则中间车道的并线指数保留标记为L1。

参照图5，车道走向变更流程包括以下步骤：

S301、接收每个车道的车流状况数据；

S302、判断每个车道的车龙长度指数是否超出预设的阈值，是则关联该车道执行下一步骤，否则返回步骤S301；

S303、判断转向指数是否超出左转、直行和右转中的任一转向阈值，是(比如当前的车道的指数在半小时内都超过L38，超出了左转阈值L30)则执行下一步骤，否则返回步骤S301；

S304、结合并线指数，通过加权计算转向期望综合值；

S305、判断所计算的转向期望综合值是否超出预设的阈值，是则调整当前车道和/或相邻车道的走向配置；

S306、过渡性或直接变更指定车道的走向配置；

S307、根据更新的走向配置发送灯控指令；

S308、判断当前所有车道的车流是否恢复交通空闲状态，是则执行下一步骤，否则返回步骤S301，以继续循环执行；

S309、恢复默认的车道走向配置并且更新灯控指令。

其中，对于步骤S304，通过并线指数和转向指数的加权来计算转向期望综合值，是考虑到某些驾驶员并线加堵的情况。比如当前的车道的指数为L38，并线指数为L3，则转向期望综合值等于L38+L3×3＝L47。

对于步骤S306，过渡性变更指定车道的走向配置的解释如下。如果在预设的时段内，检测到一单向拥堵车道比单向邻近车道的车流状况数据的差值超出预设阈值，则在该单向邻近车道的走向配置的基础上叠加该单向拥堵车道的走向配置，使该单向邻近车道变成复向车道；如果在预设的时段内，检测到一复向拥堵车道比邻近车道的车流状况数据的差值超出预设阈值，则该邻近车道的走向配置被更新为该复向拥堵车道的走向配置并且变成复向车道，而原先的复向拥堵车道被配置为期望转向的单向车道。换句话说，过渡性地变更车道的配置，方便现有的行驶车辆过渡地适应车道变更。当然，也可以直接将空闲车道的走向直接变更为拥堵车辆的走向，比如直行变为左转，而不需要变成左转和直行的复向。

对于步骤S309，默认的车道走向配置可以是大数据分析后的各个时段的优化走向配置。

图6、7、9和10所示为根据本发明的快速智能交通系统的多个具体的实施例的示意图。

如图6所示，道路的当前配置：第一车道51为左转+掉头车道、第二车道52为左转车道、第三车道53和第四车道54都是直行车道。识别单元20根据车道摄像头25、26、27、28识别第一至第四车道的车流状况数据，并上传到云服务器3。当道路出现左转拥堵后，云服务器3根据识别单元20发送的车龙长度指数和转向指数超出预设的阈值，并且左转向期望综合值超出预设的阈值，而第三车道53和第四车道54长时间空闲，因此，云服务器3将原本是直行车道的第三车道53调整配置为左转+直行车道，然后发送灯控指令到灯控器10和识别单元20，使第三交通信号灯13显示左转+直行交通标识，并且使第三车道引导屏23显示左转+直行引导标识，如图7所示。如此实现动态调整车道的走向配置，分流拥堵车辆到空闲车道。

如图9所示，在人行横道附近出现交通事故，导致左转的第一至三车道拥堵，路口交通监控装置8上报事故信息到云服务器3。此时云服务器3根据识别单元20发送的车龙长度指数和转向指数超出预设的阈值，并且左转向期望综合值超出预设的阈值，而左转+直行的第四车道54的车龙长度指数相对较低。云服务器3将第一车道51配置为救援应急车道，将第二车道52前半段、第三车道53和第四车道54临时调整为右转，从而快速疏导交通。优选地，云服务器3发送引导信息到每个引导屏，提示车辆前方有事故，如图10所示。事故现场清理结束后，则恢复默认的车道配置。

本发明的系统及方法可以应用于一个多个路口的进行叠加态的交通控制。在这种应用场景下，所述系统可以在出口道路或者下游道路设有一个或多个第二识别单元29，还可以在路口中设置全景的路口交通监控装置8，如图13所示。第二识别单元29对采集的图像识别出口道路的每个车道的车流状况数据，然后上传到所述服务器进行分析。参照图10，根据本发明的方法包括以下步骤：

S1000、对一个或多个路口的周边进出道路采集交通图像；

S2000、对一个或多个路口的上下游的出入口道路，利用拍摄设备采集交通信号灯上游的包含多个车道的道路交通图像，对采集的图像识别出每个车道的车流状况数据，然后上传分析；

S3000、在给定时段内，对于一个或多个路口的上下游车流状况数据、各个车道的转向指数和应急信息，调整配置指定车道的走向，并且更新灯控指令；

S4000、根据灯控指令，联动控制指定车道的交通信号灯和走向引导屏，进行走向标志的显示更新和/或禁行时间调整。

参照图11，所述步骤S3000进一步包括：

S3100、对出口道路的每个下游车道，计算车龙长度指数，并标定对应的上游车道；

S3200、判断下游车龙长度指数是否超出长度阈值；

S3300、如果超阀值，则变更对应的上游车道的走向配置或者延长禁行时间，使得进入下游车道的车辆减少；

S3400、更新上游车道中的灯控指令，并且使更新的走向配置保持预设时间段的延时；延时结束后，重新对出口道路的每个下游车道，计算车龙长度指数；

如果下游车龙长度指数没有超出阈值，

S3500、则对入口道路执行前述的步骤S300或者进一步执行步骤S301-S307；

S3600、判断当前所有车道的车流是否恢复交通空闲状态，是则执行下一步骤，否则返回步骤S3100，以继续循环执行；

S3700、恢复默认的车道走向配置并且更新灯控指令。

下面参照图13和图14描述用于一个或多个关联路口的本发明的系统和方法的具体实施例。图中，路口标记为M1、M2，路口四周的道路区域标记为A-D。在图13中，道路区域A-D的入口道路在每个车道都设有交通信号灯、引导屏、识别摄像头，并且在出口道路的设有识别摄像头，在十字路口内还可以设置路口交通监控装置。

如图13所示的具体实施例，通过第二识别单元29识别到道路区域A的出口道路出现拥堵，经过路口交通监控装置8发现拥堵车龙末尾到达路口，并且这种拥堵持续的时间也超过时间阈值，这时候可以调整区域A的拥堵车道的上游车道(B51、B52、C52、C53、C54、D54)的走向配置或者延长红灯时间。例如，由于区域B的入口道路上的期望左转向的车龙长度短，可以将车道B52的走向调整为直行；由于区域C的入口道路上的车道C52-C54的车龙长度超阈值，则不调整区域C上的车道走向配置；由于区域D的入口道路的车道D54的期望右转的车次少，并且只有一条车道的车流进入拥堵的区域A，可以通过延长车道D54的红灯时长来减少车辆进入拥堵区域A。

如图14所示的多路口的具体实施例，服务器通过路口M2附近的识别单元和路口交通监控装置分析的到路口M2的南北方向(图中的上下方向)出现拥堵。此时，根据本发明的快速智能交通系统可以调整路口M2的拥堵车道所对应的上游车道(比如是路口M1中的车道A53、A54、B54、D51、D52)。例如，由于区域A的入口道路上的期望直行和右转的车辆数量少，可以将当前直行右转复用的车道A54的走向配置变为仅右转，以减少可直行通行的车道；由于区域B的入口道路的车道B54的车次少，可以通过延长车道B54的红灯时长来减少车辆进入拥堵路口M2；虽然区域D的车道D51和D52中期望左转的车龙长度指数超过阈值，当时由于下一路口M2出现的拥堵，暂时不允许车道D53改变成左转走向。

在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本发明可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”。

应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作-根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。

进一步，该方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。

以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开保护的范围之内。都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (18)

1.一种快速智能交通方法，其特征在于包括以下步骤：

S100、利用拍摄设备采集交通信号灯上游的包含多个车道的道路交通图像；

S200、对采集的图像识别出每个车道的车流状况数据，然后上传分析；

S300、在给定时段内综合各个车道的车流状况数据、道路周边的应急信息，调整指定车道的走向配置，并且更新灯控指令；

S400、根据灯控指令，对指定车道，使交通信号灯和交通信号灯上游的引导屏显示更新的走向标志，

其中，所述步骤S200包括以下步骤：

S201、在采集的图像中标定当前车道及其邻近车道的区域和界限；

S202、在采集的图像中提取车辆轮廓特征，然后在每一个识别的车辆范围内识别闪烁的转向灯的左和/或右的方位以确定该车辆的期望转向值，并且判断该识别的车辆的轮廓处于当前车道内还是与邻近车道线相交，其中所述的期望转向值为车辆被判断为期望的左转、直行或右转的数值；

S203、根据车辆的期望转向值，对应每个车道计算转向指数，其中，转向指数对应于当前车道的预设长度范围内的期望的左转、直行和右转的车辆数量值叠加；

其中，所述步骤S300包括：对应每个车道，通过转向指数计算转向期望综合值，如果所计算的转向期望综合值超出预设的阈值，则调整当前车道和/或相邻车道的走向配置。

2.根据权利要求1所述的快速智能交通方法，其特征在于，还包括以下步骤：

收集给定区域范围的车辆导航应用程序的导航位置数据来分析该区域的拥堵程度；

通过机器学习算法预测该区域中每个车道在每天的各个时段的车流状况数据。

3.根据权利要求1所述的快速智能交通方法，其特征在于，所述步骤S203还包括以下步骤：

对应每个车道计算车龙长度指数和/或并线指数，其中：

车龙长度指数对应于当前车道的预设长度范围内的车辆轮廓的长度叠加，

并线指数对应于当前车道的预设时间范围内的并线车辆数量的叠加，该并线车辆是趋向于切入当前车道并且车辆轮廓与当前车道的界限线相交超过给定时间值的车辆。

4.根据权利要求3所述的快速智能交通方法，其特征在于，所述步骤S300包括以下步骤：

S301、接收每个车道的车流状况数据；

S302、判断每个车道的车龙长度指数是否超出预设的阈值，是则关联该车道执行下一步骤，否则返回步骤S301；

S303、判断转向指数是否超出左转、直行和右转中的任一转向阈值，是则执行下一步骤，否则返回步骤S301；

S304、结合并线指数，通过加权计算转向期望综合值；

S305、判断所计算的转向期望综合值是否超出预设的阈值，是则调整当前车道和/或相邻车道的走向配置。

5.根据权利要求1所述的快速智能交通方法，其特征在于，所述步骤S300包括以下步骤：

如果在预设的时段内，检测到一单向拥堵车道比单向邻近车道的车流状况数据的差值超出预设阈值，则在该单向邻近车道的走向配置的基础上叠加该单向拥堵车道的走向配置，使该单向邻近车道变成复向车道；

如果在预设的时段内，检测到一复向拥堵车道比邻近车道的车流状况数据的差值超出预设阈值，则该邻近车道的走向配置被更新为该复向拥堵车道的走向配置并且变成复向车道，而原先的复向拥堵车道被配置为期望转向的单向车道。

6.根据权利要求1所述的快速智能交通方法，其特征在于，所述步骤S300包括以下步骤：

如果接收到道路应急信息，则根据需要将指定车道配置为应急绿色车道，并配置其它车道的走向以疏导交通；

在道路的上游位置提示车道转向信息和道路应急信息。

7.根据权利要求1所述的快速智能交通方法，其特征在于，所述步骤S400包括以下步骤：

当检测到待调整走向配置的车道的不可变道区域中没有车辆时，则允许根据灯控指令，使该车道的交通信号灯和引导屏显示更新的走向标志。

8.一种快速智能交通方法，其特征在于，包括以下步骤：

S1000、对一个或多个路口的周边进出道路采集交通图像；

S2000、对一个或多个路口的上下游的出入口道路，利用拍摄设备采集交通信号灯上游的包含多个车道的道路交通图像，对采集的图像识别出每个车道的车流状况数据，然后上传分析；

S3000、在给定时段内，对于一个或多个路口的上下游车流状况数据、各个车道的转向指数和应急信息，调整配置指定车道的走向，并且更新灯控指令；

S4000、根据灯控指令，联动控制指定车道的交通信号灯和走向引导屏，进行走向标志的显示更新和/或禁行时间调整，

其中，所述步骤S2000包括以下步骤：

在采集的图像中提取车辆轮廓特征，然后在每一个识别的车辆范围内识别闪烁的转向灯的左和/或右的方位以确定所识别车辆的期望转向值，并且判断该识别的车辆的轮廓处于当前车道内还是与邻近车道线相交，其中所述的期望转向值为车辆被判断为期望的左转、直行或右转的数值；

根据车辆的期望转向值，对应每个车道计算转向指数，其中，转向指数对应于当前车道的预设长度范围内的期望的左转、直行和右转的车辆数量值叠加；

其中，所述步骤S3000包括：对应每个车道，通过转向指数计算转向期望综合值，如果所计算的转向期望综合值超出预设的阈值，则调整当前车道和/或相邻车道的走向配置。

9.根据权利要求8所述的快速智能交通方法，其特征在于，所述步骤S3000包括：

对出口道路的每个下游车道，计算车龙长度指数，并标定对应的上游车道；

如果下游车龙长度指数超出阈值，则变更对应的上游车道的走向配置或者延长禁行时间，使得进入下游车道的车辆减少；

更新上游车道中的灯控指令，并且使更新的走向配置保持预设时间段的延时；

延时结束后，重新对出口道路的每个下游车道，计算车龙长度指数。

10.根据权利要求8所述的快速智能交通方法，其特征在于，所述步骤S3000包括：

对出口道路的每个下游车道，计算车龙长度指数，并标定对应的上游车道；

如果下游车龙长度指数没有超出阈值，则对入口道路执行以下步骤：

S301、接收每个车道的车流状况数据；

S302、判断每个车道的车龙长度指数是否超出预设的阈值，是则关联该车道执行下一步骤，否则返回步骤S301；

S303、判断转向指数是否超出左转、直行和右转中的任一转向阈值，是则执行下一步骤，否则返回步骤S301；

S304、结合并线指数，通过加权计算转向期望综合值；

S305、判断所计算的转向期望综合值是否超出预设的阈值，是则调整当前车道和/或相邻车道的走向配置。

11.根据权利要求8所述的快速智能交通方法，其特征在于，所述步骤S4000包括：

同步改变一个或多个路口的上下游道路的走向关联的车道上的交通信号灯和走向引导屏。

12.一种快速智能交通系统，其特征在于包括：

第一模块，用于利用拍摄设备采集交通信号灯上游的包含多个车道的道路交通图像；

第二模块，用于对采集的图像识别出每个车道的车流状况数据，在采集的图像中标定当前车道及其邻近车道的区域和界限，在采集的图像中提取车辆轮廓特征，然后在每一个识别的车辆范围内识别闪烁的转向灯的左和/或右的方位以确定该车辆的期望转向值，并且判断该识别的车辆的轮廓处于当前车道内还是与邻近车道线相交，然后上传分析，其中所述的期望转向值为车辆被判断为期望的左转、直行或右转的数值，然后根据车辆的期望转向值对应每个车道计算转向指数，该转向指数对应于当前车道的预设长度范围内的期望的左转、直行和右转的车辆数量值叠加；

第三模块，用于在给定时段内综合各个车道的车流状况数据、道路周边的应急信息，调整指定车道的走向配置，并且更新灯控指令，其中，对应每个车道，通过转向指数计算转向期望综合值，如果所计算的转向期望综合值超出预设的阈值，则调整当前车道和/或相邻车道的走向配置；

第四模块，用于根据灯控指令，对指定车道，使交通信号灯和交通信号灯上游的引导屏显示更新的走向标志。

13.一种快速智能交通系统，其特征在于包括：

第一模块，用于对一个或多个路口的周边进出道路采集交通图像；

第二模块，用于对一个或多个路口的上下游的出入口道路，利用拍摄设备采集交通信号灯上游的包含多个车道的道路交通图像，在采集的图像中提取车辆轮廓特征，然后在每一个识别的车辆范围内识别闪烁的转向灯的左和/或右的方位以确定所识别车辆的期望转向值，并且判断该识别的车辆的轮廓处于当前车道内还是与邻近车道线相交，以及对采集的图像识别出每个车道的车流状况数据，然后上传分析，其中所述的期望转向值为车辆被判断为期望的左转、直行或右转的数值，然后根据车辆的期望转向值对应每个车道计算转向指数，该转向指数对应于当前车道的预设长度范围内的期望的左转、直行和右转的车辆数量值叠加；

第三模块，用于在给定时段内，对于一个或多个路口的上下游车流状况数据、各个车道的转向指数和应急信息，调整配置指定车道的走向，并且更新灯控指令，其中，对应每个车道，通过转向指数计算转向期望综合值，如果所计算的转向期望综合值超出预设的阈值，是调整当前车道和/或相邻车道的走向配置；

第四模块，用于根据灯控指令，联动控制指定车道的交通信号灯和走向引导屏，进行走向标志的显示更新和/或禁行时间调整。

14.一种快速智能交通系统，其特征在于，包括服务器、信号灯装置(1)、以及与信号灯装置(1)关联的识别及引导装置(2)，所述信号灯装置(1)设置在入口道路的不可变道区域，所述识别及引导装置(2)包括设置在所述信号灯装置(1)的上游的可变道区域中的拍摄设备和与拍摄设备关联的识别单元(20)，其中：

拍摄设备采集道路中包含多个车道的交通图像；

识别单元(20)在采集的图像中提取车辆轮廓特征，然后在每一个识别的车辆范围内识别闪烁的转向灯的左和/或右的方位以确定所识别车辆的期望转向值，并且判断该识别的车辆的轮廓处于当前车道内还是与邻近车道线相交，对采集的图像识别入口道路的每个车道的车流状况数据，然后上传到所述服务器进行分析，其中所述的期望转向值为车辆被判断为期望的左转、直行或右转的数值，然后根据车辆的期望转向值对应每个车道计算转向指数，该转向指数对应于当前车道的预设长度范围内的期望的左转、直行和右转的车辆数量值叠加；

所述服务器在给定时段内综合各个车道的车流状况数据、道路周边的应急信息，调整指定车道的走向配置，并且向信号灯装置(1)发送更新的灯控指令，其中，对应每个车道，通过转向指数计算转向期望综合值，如果所计算的转向期望综合值超出预设的阈值，则调整当前车道和/或相邻车道的走向配置；

信号灯装置(1)根据灯控指令，对指定车道，使交通信号灯和交通信号灯上游的引导屏显示更新的走向标志。

15.根据权利要求14所述的快速智能交通系统，其特征在于，所述识别单元(20)还用于执行权利要求1或3所述的方法，所述服务器还用于执行权利要求4、5或6所述的方法。

16.根据权利要求14所述的快速智能交通系统，其特征在于，所述服务器为云服务器(3)，并整合大数据分析模块(31)，其中：

大数据分析模块(31)被配置为收集多日的道路通行数据，然后通过机器学习算法预测每个车道在每天的各个时段的车流状况数据，使得所述云服务器(3)能够根据预测的每个车道的车流状况数据预先根据各个时段调整每个车道的走向配置；

所述云服务器(3)与报警中心(7)、路口交通监控装置(8)或现场车辆(6)通信，以接收到道路应急信息，并且根据需要将指定车道配置为应急绿色车道，并配置其它车道的走向以疏导交通，向信号灯装置(1)发送应急警报灯控指令。

17.根据权利要求14所述的快速智能交通系统，其特征在于，所述识别及引导装置(2)还包括设置在出口道路的第二识别单元(29)，该第二识别单元(29)对采集的图像识别出口道路的每个车道的车流状况数据，然后上传到所述服务器进行分析。

18.一种计算机可读介质，其上存储有计算机指令，其特征在于该指令被处理器执行时实现如权利要求1至11中任一项所述的方法的步骤。

Images