CN108806283B - 一种交通信号灯的控制方法及车联网平台 - Google Patents
一种交通信号灯的控制方法及车联网平台 Download PDFInfo
- Publication number
- CN108806283B CN108806283B CN201710301727.7A CN201710301727A CN108806283B CN 108806283 B CN108806283 B CN 108806283B CN 201710301727 A CN201710301727 A CN 201710301727A CN 108806283 B CN108806283 B CN 108806283B
- Authority
- CN
- China
- Prior art keywords
- road
- traffic
- vehicles
- index
- congestion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种交通信号灯的控制方法，包括：获取当前与目标交通路口相连的各条道路上在设定范围内车辆的行驶数据；根据每条道路上在设定范围内车辆的行驶数据和交通拥堵指数计算规则，计算每条道路的交通拥堵指数；基于拥堵控制关系表和每条道路的所述交通拥堵指数确定需要调整所述目标交通路口的交通信号灯时，在下一个交通信号灯转换周期内，将具有最大交通拥堵指数的道路对应的绿灯持续时间增加时间阈值，将与具有最大交通拥堵指数的所述道路通行方向互斥的、且具有最小拥堵指数的道路对应的绿灯持续时间减少所述时间阈值。同时，本发明还公开了一种车联网平台。
Description
技术领域
本发明涉及交通控制领域，尤其涉及一种交通信号灯的控制方法及车联网平台。
背景技术
随着城市化进程的不断推进，机动车保有量迅速上升，而有限的城市交通资源无法满足与日俱增的车辆行驶需求，使得城市交通系统面临较大压力。然而，完善或重新制定城市交通规划，比如新修道路和桥梁需要较大的资金和较长的时间投入，并且工程量大，是一个长期完善的过程。因此，为了保障车辆在城市道路间的正常运行并缓解城市交通压力，对交通路口的交通信号灯的控制尤其重要。
然而，现有绝大部分的城市交通控制方法较为简单。通常，对交通路口的交通信号灯的控制是按照预先设置的固定长度的时间来控制不同方向红绿灯的切换，并且交通路口的每一个方向的绿灯通行时间一经设定，在运行中就是不再改变的。此外，交通路口的交通状况是千变万化的，当某一个方向拥堵或者多个方向拥堵时，该交通路口仍然按照预定的方式进行交通信号灯的控制时，不但没有缓解交通拥堵状况，反而常常会加重拥堵现象。
发明内容
有鉴于此，本发明实施例期望提供一种交通信号灯的控制方法及车联网平台，能够根据道路路况对交通信号灯进行实时、灵活、有效的控制。
为达到上述目的，本发明的技术方案是这样实现的：
本发明实施例提供了一种交通信号灯的控制方法，所述方法包括：
获取当前与目标交通路口相连的各条道路上在设定范围内车辆的行驶数据；
根据每条道路上在设定范围内车辆的行驶数据和交通拥堵指数计算规则，计算每条道路的交通拥堵指数；
基于拥堵控制关系表和每条道路的所述交通拥堵指数确定需要调整所述目标交通路口的交通信号灯时，在下一个交通信号灯转换周期内，将具有最大交通拥堵指数的道路对应的绿灯持续时间增加时间阈值，将与具有最大交通拥堵指数的所述道路通行方向互斥的、且具有最小拥堵指数的道路对应的绿灯持续时间减少所述时间阈值。
上述方案中，所述基于拥堵控制关系表和每条道路的所述交通拥堵指数确定需要调整所述目标交通路口的交通信号灯，包括：
根据每条道路的所述交通拥堵指数，获取道路的交通拥堵指数总和；
比对所述交通拥堵指数总和与拥堵控制关系表，确定所述交通拥堵指数总和属于所述拥堵控制关系表中需要调整交通信号灯对应的交通拥堵指数区间时，判定需要调整所述目标交通路口的交通信号灯。
上述方案中，
所述车辆的行驶数据包括车辆的位置数据、车辆的车速数据、当前时间；
所述根据每条道路上在设定范围内车辆的行驶数据和交通拥堵指数计算规则，计算每条道路的交通拥堵指数，包括：
根据车辆的位置数据，计算处于同一道路上的车辆数量；
根据车辆的车速数据和所述同一道路上的车辆数量，计算在所述同一道路上车速低于车速阈值的车辆数量与所述同一道路上的车辆数量的比值、以及所述同一道路上车辆的最低车速；
根据所述同一道路的历史路况信息和当前时间，确定所述同一道路的已拥堵时长；
根据所述比值、所述最低车速、所述已拥堵时长和交通拥堵指数计算规则，计算所述同一道路的交通拥堵指数。
上述方案中，所述基于拥堵控制关系表和每条道路的所述交通拥堵指数确定需要调整所述目标交通路口的交通信号灯之后，所述方法还包括：
根据具有最大拥堵指数的所述道路上车辆的行驶数据，计算具有最大拥堵指数的所述道路上行驶方向相同的车辆数量。
上述方案中，
所述行驶方向包括直行和左转弯；
所述将具有最大拥堵指数的道路对应的绿灯持续时间增加时间阈值，包括：
确定具有最大拥堵指数的所述道路直行方向的车辆数量大于第一车辆阈值或左转弯方向的车辆数量时，将具有最大拥堵指数的所述道路直行方向对应的绿灯持续时间增加所述时间阈值；或，确定具有最大拥堵指数的所述道路左转弯方向的车辆数量大于第二车辆阈值或直行方向的车辆数量时，将具有最大拥堵指数的所述道路左转弯方向对应的绿灯持续时间增加所述时间阈值。
上述方案中，所述计算每条道路的交通拥堵指数之后，所述方法还包括：
存储每条道路的当前路况信息；所述道路的当前路况信息包括道路的交通拥堵指数、道路的已拥堵时长、当前时间。
本发明实施例提供了一种车联网平台，所述车联网平台包括：数据采集模块、拥堵分析模块、切换决策模块；其中，
所述数据采集模块，用于获取当前与目标交通路口相连的各条道路上在设定范围内车辆的行驶数据；
所述拥堵分析模块，用于根据每条道路上在设定范围内车辆的行驶数据和交通拥堵指数计算规则，计算每条道路的交通拥堵指数；
所述切换决策模块，用于基于拥堵控制关系表和每条道路的所述交通拥堵指数确定需要调整所述目标交通路口的交通信号灯时，在下一个交通信号灯转换周期内，将具有最大交通拥堵指数的道路对应的绿灯持续时间增加时间阈值，将与具有最大交通拥堵指数的所述道路通行方向互斥的、且具有最小拥堵指数的道路对应的绿灯持续时间减少所述时间阈值。
上述方案中，所述切换决策模块基于拥堵控制关系表和每条道路的所述交通拥堵指数确定需要调整所述目标交通路口的交通信号灯为：
根据每条道路的所述交通拥堵指数，获取道路的交通拥堵指数总和；
比对所述交通拥堵指数总和与拥堵控制关系表，确定所述交通拥堵指数总和属于所述拥堵控制关系表中需要调整交通信号灯对应的交通拥堵指数区间时，判定需要调整所述目标交通路口的交通信号灯。
上述方案中，所述车辆的行驶数据包括车辆的位置数据、车辆的车速数据、当前时间；
所述拥堵分析模块，具体用于：
根据车辆的位置数据，计算处于同一道路上的车辆数量；
根据车辆的车速数据和所述同一道路上的车辆数量，计算在所述同一道路上车速低于车速阈值的车辆数量与所述同一道路上的车辆数量的比值、以及所述同一道路上车辆的最低车速；
根据所述同一道路的历史路况信息和当前时间，确定所述同一道路的已拥堵时长；
根据所述比值、所述最低车速、所述已拥堵时长和交通拥堵指数计算规则，计算所述同一道路的交通拥堵指数。
上述方案中，所述拥堵分析模块，还用于根据具有最大拥堵指数的所述道路上车辆的行驶数据，计算具有最大拥堵指数的所述道路上行驶方向相同的车辆数量。
上述方案中，
所述行驶方向包括直行和左转弯；
所述切换决策模块将具有最大交通拥堵指数的道路对应的绿灯持续时间增加时间阈值为：
确定具有最大拥堵指数的所述道路直行方向的车辆数量大于第一车辆阈值或左转弯方向的车辆数量时，将具有最大拥堵指数的所述道路直行方向对应的绿灯持续时间增加所述时间阈值；或，确定具有最大拥堵指数的所述道路左转弯方向的车辆数量大于第二车辆阈值或直行方向的车辆数量时，将具有最大拥堵指数的所述道路左转弯方向对应的绿灯持续时间增加所述时间阈值。
上述方案中，所述车联网平台还包括：存储模块，用于存储每条道路的当前路况信息；所述道路的当前路况信息包括道路的交通拥堵指数、道路的已拥堵时长、当前时间。
本发明实施例提供的交通信号灯的控制方法及车联网平台，获取当前与目标交通路口相连的各条道路上在设定范围内车辆的行驶数据；根据每条道路上在设定范围内车辆的行驶数据和交通拥堵指数计算规则，计算每条道路的交通拥堵指数；基于拥堵控制关系表和每条道路的所述交通拥堵指数确定需要调整所述目标交通路口的交通信号灯时，在下一个交通信号灯转换周期内，将具有最大交通拥堵指数的道路对应的绿灯持续时间增加时间阈值，将与具有最大交通拥堵指数的所述道路通行方向互斥的、且具有最小拥堵指数的道路对应的绿灯持续时间减少所述时间阈值；可见，本发明实施例通过实时分析与交通路口相连的各条道路的路况信息，在保证对交通路口的交通信号灯的整体控制时间不变的前提下，能够根据道路路况对交通信号灯进行实时、灵活、有效的控制，保证红绿灯时间的合理控制，从而保障车辆的正常运行以及有效的减少交通路口的交通拥堵现象。
附图说明
图1为本发明实施例一车联网平台的组成结构示意图；
图2为本发明实施例一中交通路口的示意图；
图3为本发明实施例一交通信号灯的控制方法的实现流程示意图；
图4为本发明实施例二交通信号灯的控制方法的具体实现流程示意图；
图5为本发明实施例二中T形交叉路口的示意图。
具体实施方式
下面结合附图及具体实施例对本发明再作进一步详细的说明。
实施例一
图1为本发明实施例一车联网平台的组成结构示意图，该车联网平台10包括：数据采集模块101、拥堵分析模块102、切换决策模块103；其中，
所述数据采集模块101，用于获取当前与目标交通路口相连的各条道路上在设定范围内车辆的行驶数据；
所述拥堵分析模块102，用于根据每条道路上在设定范围内车辆的行驶数据和交通拥堵指数计算规则，计算每条道路的交通拥堵指数；
所述切换决策模块103，用于基于拥堵控制关系表和每条道路的所述交通拥堵指数确定需要调整所述目标交通路口的交通信号灯时，在下一个交通信号灯转换周期内，将具有最大交通拥堵指数的道路对应的绿灯持续时间增加时间阈值，将与具有最大交通拥堵指数的所述道路通行方向互斥的、且具有最小拥堵指数的道路对应的绿灯持续时间减少所述时间阈值。
这里，在与目标交通路口相连的各道路上的设定范围内，安装于车辆上的数据采集装置周期性采集车辆的行驶数据，并将采集到的所述车辆的行驶数据传输给所述数据采集模块101，则在任意时间，所述数据采集模块101获取到当前与目标交通路口相连的各条道路上在设定范围内车辆的行驶数据。
这里，所述数据采集装置可通过无线网络与所述数据采集模块101进行通信，且所述数据采集装置可以是车联网终端、4G后视镜等设备；所述设定范围用于限定获取的行驶数据所对应的车辆所处的位置范围，例如所述设定范围可设置为距离交通信号灯50米以内或100米以内等采用具体数值限定的范围，所述设定范围也可为所述目标交通路口与所述目标交通路口的相邻交通路口之间的道路区间；在任意一时间点，任意一条道路上在设定范围内可能有一辆车辆或一辆以上车辆，也可能没有车辆；所述数据采集装置周期性采集车辆的行驶数据并传输给所述数据采集模块101的过程中，所述数据采集装置采集数据和上传数据的频率可以以秒级或分钟级为单位，例如车联网终端可每隔1秒、10秒或1分钟为单位采集车辆的行驶数据，然后上传给所述数据采集模块101；所述车辆的行驶数据可包括车辆的位置数据、车辆的车速、车辆的加速度、当前时间等；所述车辆的位置数据用于确定车辆所处的位置，可用于判断车辆与前方的交通信号灯之间的距离、车辆处于哪条道路以及车辆的行驶方向，比如判断车辆是准备直行还是准备转弯，比如所述位置数据可以是全球定位系统(GPS，Global Positioning System)数据；所述行驶方向可表示车辆当前或将要行驶的方向，例如车辆当前是否直行、当前是否将要转弯等，所述行驶方向可根据每条道路的位置与车辆所处的位置进行获取；所述车速、加速度可用于确定车辆当前的车速状态，比如车辆是否正在加速、减速或停车状态；所述当前时间用于表示所述车辆的位置数据、所述车辆的车速、所述车辆的加速度等信息的采集时间。
此外，由于交通路口的交通信号灯一般都不对右转弯车辆进行控制，为了简化后续计算过程，所述数据采集模块101还可对获取到的与目标交通路口相连的各道路上在设定范围内车辆的行驶数据进行筛选，以提取出直行车辆和左转弯车辆的行驶数据作为后续计算处理的目标数据。
图2为本发明实施例一中交通路口的示意图；其中，与该交通路口相连的各道路分别为：由南往北道路、由北往南道路、由西往东道路、由东往西道路，并且每条道路具有3条或3条以上车道，可包括至少一条直行车道、至少一条左转弯车道、至少一条右转弯车道；该交通路口的交通信号灯包括控制由南往北道路的第一组红绿灯1、控制由北往南道路的第二组红绿灯2、控制由西往东道路的第三组红绿灯3、控制由东往西道路的第四组红绿灯4；在实际应用中，对各组红绿灯可采取共同控制或单独控制方式，在忽略右转弯车辆的行驶情况下，下面以对第一组红绿灯1和第二组红绿灯2采用不同控制方式为例进行说明：在共同控制方式下，当第一组红绿灯1中的直行绿灯与第二组红绿灯2中的直行绿灯同时工作时，由南往北的车辆和由北往南的车辆可同时通行；当第一组红绿灯1中的左转弯绿灯与第二组红绿灯2中的左转弯绿灯同时工作，由南往西的车辆和由北往东的车辆可同时通行。而在单独控制方式下，当第一组红绿灯1中的直行绿灯和左转弯绿灯同时工作时，由南往北的车辆和由南往西的车辆可同时通行，而由北往南的通行方向与由南往西的通行方向互斥、且由北往东的通行方向与由南往北的通行方向互斥，因此由北往南的车辆和由北往东的车辆不可通行；当第二组红绿灯2中的直行绿灯和左转弯绿灯同时工作时，由北往南的车辆和由北往东的车辆可同时通行，而由南往北的通行方向与由北往东的通行方向互斥、且由南往西的通行方向与由北往南的通行方向互斥，因此由南往北的车辆和由南往西的车辆不可通行。本实施例中，以对图2中各组红绿灯采取共同控制方式、且只获取每条道路的黑色圆点虚线与控制该道路的红绿灯组之间的车辆的行驶数据为例进行说明，例如对于由南往北道路而言，则只获取由南往北道路上的黑色圆点虚线与第一组红绿灯1之间的、且未通过交通路口的车辆的行驶数据。
所述拥堵分析模块102，具体用于：基于数据采集模块101获取到的每条道路上在设定范围内车辆的行驶数据，计算每条道路的交通拥堵状态的维度；根据每条道路的交通拥堵状态的维度，采用交通拥堵指数计算规则计算每条道路的交通拥堵指数。
这里，所述拥堵分析模块102根据所述车辆的行驶数据，计算每条道路的交通拥堵状态的维度为：根据车辆的位置数据，计算处于同一道路上的车辆数量；根据车辆的车速数据和所述处于同一道路上的车辆数量，计算在所述同一道路上车速低于车速阈值的车辆数量与所述处于同一道路上的车辆数量的比值、以及所述同一道路上车辆的最低车速；根据所述同一道路的历史路况信息和当前时间，确定所述同一道路的已拥堵时长。
其中，所述比值可用百分比方式表示，所述车速阈值可根据实际情况进行设置；所述道路的历史路况信息可包括道路的历史交通拥堵指数、道路的历史已拥堵时长；根据所述道路的历史已拥堵时长和/或道路的历史交通拥堵指数，可知道路是否已经处于拥堵状态、以及当道路已经处于拥堵状态时的已拥堵时长和道路开始处于拥堵状态的时间。本实施例中，以所述维度包括道路上车速低于车速阈值的车辆数量在该道路所有车辆数量中所占的百分比(以下简称“百分比”)、该道路上车辆的最低车速(以下简称“最低车速”)、该道路已经拥堵的时长(以下简称“拥堵时长”)为例进行说明。
所述拥堵分析模块102根据每条道路的交通拥堵状态的维度，采用交通拥堵指数计算规则计算每条道路的交通拥堵指数为：根据道路的交通拥堵状态的维度，基于维度等级对照表和交通拥堵指数计算公式计算每条道路的交通拥堵指数；其中，所述交通拥堵指数计算规则包括维度等级对照表和交通拥堵指数计算公式，所述维度等级对照表和所述交通拥堵指数计算公式是预先设置的，表1为维度等级对照表，如下所示：
表1
表2
所述交通拥堵指数计算公式如下所示：
其中，N表示交通拥堵状态的维度的数量，各维度的权重可以预先设置；本实施例中，i＝1时表示维度为百分比，i＝2时表示维度为最低车速，i＝3时表示维度为拥堵时长；表2为当各维度的权重均为1时，不同维度处于不同等级与不同交通拥堵指数之间的对照表；其中，交通拥堵指数的最小值为6，而最大值为22，因此可将交通拥堵指数的等级划分为17个等级。在实际应用中，所述交通拥堵指数计算公式、维度等级对照表可通过分析、统计实际路况信息进行设置和调整。
所述切换决策模块103，具体用于：根据每条道路的所述交通拥堵指数，获取道路的交通拥堵指数总和；比对所述交通拥堵指数总和与拥堵控制关系表，确定所述交通拥堵指数总和属于所述拥堵控制关系表中需要调整交通信号灯对应的交通拥堵指数区间时，判定需要调整所述目标交通路口的交通信号灯；并在下一个交通信号灯转换周期内，将具有最大交通拥堵指数的道路对应的绿灯持续时间增加时间阈值，将与具有最大交通拥堵指数的所述道路通行方向互斥的、且具有最小拥堵指数的道路对应的绿灯持续时间减少所述时间阈值。
这里，所述拥堵控制关系表包含不同交通拥堵指数总和区间、以及对应的是否需要调整交通信号灯的指示；本实施例中，可将每条道路的路况按照交通拥堵指数划分为以下四个等级：交通拥堵指数处于6到10之间为正常；交通拥堵指数处于10到14之间为一般拥堵；交通拥堵指数处于14到18之间为拥堵；交通拥堵指数处于18到22之间为严重拥堵。此外，根据交通拥堵指数划分等级情况，可将拥堵控制关系表划分为包括以下三个等级：当交通拥堵指数总和处于24至24+X之间时，不需要调整交通信号灯；当交通拥堵指数总和处于24+X至88-X之间时，需要调整交通信号灯；当交通拥堵指数总和处于88-X至88之间时，不需要调整交通信号灯；所述X为正整数，且在设置后可根据实际情况进行调整。另外，还可在拥堵控制关系表中附加还需要每两条道路之间的交通拥堵指数或所有道路相互之间的交通拥堵指数满足预设关系时，才允许调整交通信号灯，以便对交通信号灯做出更灵活的控制；所述预设关系可以是每两条道路的交通拥堵指数的差值的绝对值大于设置的第一阈值、或所有道路中至少有两条道路的交通拥堵指数的差值的绝对值大于设置的第二阈值；例如，当图2中四条道路对应的交通拥堵指数总和处于拥堵控制关系表中需要调整交通信号灯对应的区间时，还需要满足至少有两条道路的交通拥堵指数的差值的绝对值大于设置的第一阈值，才允许调整交通信号灯。
这里，当道路交通拥堵指数总和较小时，可认为所有道路的路况为正常畅通，不调整交通信号灯中红绿灯切换时间；当道路交通拥堵指数总和较大即每条道路的路况为拥堵或严重拥堵时，可认为调整交通信号灯无意义，而不调整交通信号灯中红绿灯切换时间；以及，当每两条道路的交通拥堵指数之间的差值较小时，也可认为调整交通信号灯无意义，因此也不调整交通信号灯中红绿灯切换时间。
当对交通信号灯中的所有红绿灯组采用共同控制方式时，在与目标交通路口相连的各道路中，具有最大交通拥堵指数的道路和具有最小交通拥堵指数的道路通行方向可能不互斥；因此，在将具有最大交通拥堵指数的道路对应的绿灯持续时间增加时间阈值时，需要将与具有最大交通拥堵指数的所述道路通行方向互斥的、且具有最小拥堵指数的道路对应的绿灯持续时间减少所述时间阈值，以保证交通信号灯的整体控制时间不变；举例说明：在图2所示的交通路口中，假设在所有道路中由南往北道路的交通拥堵指数最大、而由北往南道路的交通拥堵指数最小，而与由南往北道路通行方向互斥的道路中具有最小交通拥堵指数的道路是由西往东道路；由于第一组红绿灯1和第二组红绿灯2通常采用相同控制信号进行控制、第三组红绿灯3和第四组红绿灯4也采用相同控制信号进行控制，即第一组红绿灯1的直行方向绿灯和第二组红绿灯2的直行方向绿灯同时被点亮和被熄灭、第一组红绿灯1的左转弯方向绿灯和第二组红绿灯2的左转弯方向绿灯也同时被点亮和被熄灭，第三组红绿灯3和第四组红绿灯4的情况与上述情形一样，只是当第一组红绿灯1的绿灯和第二组红绿灯2的绿灯被点亮时，第三组红绿灯3的绿灯和第四组红绿灯4的绿灯全部被熄灭；如果由南往北通行方向或由南往西通行方向对应的绿灯持续时间增加时间阈值即增加第一组红绿灯1的绿灯持续时间，那这样将增加交通信号灯的整体控制时间；那么，只能够在增加第一组红绿灯1的绿灯持续时间时，减少第三组红绿灯3的绿灯持续时间，即增加第一组红绿灯1和第二组红绿灯2的绿灯持续时间，减少第三组红绿灯3和第四组红绿灯4的绿灯持续时间，从而在保证交通信号灯的整体控制时间不变情形下，能够根据道路路况对交通信号灯进行实时、灵活、有效的控制，从而保障车辆的正常运行以及有效的减少交通路口的交通拥堵现象。
当对交通信号灯中的所有红绿灯组采用单独控制方式时，在与目标交通路口相连的各道路中，具有最大交通拥堵指数的道路和具有最小交通拥堵指数的道路通行方向是互斥的；因此，当将具有最大交通拥堵指数的道路对应的绿灯持续时间增加时间阈值，而将具有最小交通拥堵指数的道路对应的绿灯持续时间减少所述时间阈值时，在保证交通信号灯的整体控制时间不变的情况下，能够根据道路路况对交通信号灯进行实时、灵活、有效的控制，从而保障车辆的正常运行以及有效的减少交通路口的交通拥堵现象。
这里，当所述切换决策模块103将具有最大交通拥堵指数的道路对应的绿灯持续时间增加所述时间阈值之后，所述切换决策模块103可继续根据所述拥堵分析模块102获取的每条道路的交通拥堵指数对交通信号灯进行控制，比如当确定当前周期对应的具有最大交通拥堵指数的道路上的车辆数量在下一个周期开始减少后，则可将所述具有最大交通拥堵指数的道路对应的绿灯持续时间减少。
进一步地，该车联网平台10还可包括：存储模块104，用于存储每条道路的当前路况信息；所述道路的当前路况信息包括道路的交通拥堵指数、道路的已拥堵时长、道路对应的绿灯持续时间、当前时间。
具体地，在计算出每条道路的交通拥堵指数并基于每条道路的交通拥堵指数对交通信号灯进行调整之后，可获知每条道路的当前路况信息，包括道路的交通拥堵指数、道路的已拥堵时长、当前时间、道路对应的绿灯持续时间，则存储模块104存储每条道路的当前路况信息，以供后续需要用到时进行调用；所述道路对应的绿灯持续时间为所述切换决策模块103执行完相应操作后，道路实际的绿灯持续时间；所述道路的已拥堵时长可根据道路的历史路况信息和所述当前时间进行获取。
进一步地，所述拥堵分析模块102，还可用于根据具有最大交通拥堵指数的所述道路上车辆的行驶数据，计算具有最大交通拥堵指数的所述道路上行驶方向相同的车辆数量。
具体地，所述拥堵分析模块102根据具有最大交通拥堵指数的所述道路上车辆的行驶数据以及具有最大交通拥堵指数的所述道路中车道的分布情况，计算具有最大交通拥堵指数的所述道路上行驶方向相同的车辆数量。
这里，所述行驶方向包括直行和左转弯；所述拥堵分析模块102计算具有最大交通拥堵指数的所述道路上行驶方向相同的车辆数量包括计算具有最大交通拥堵指数的所述道路上直行方向的车辆数量和计算具有最大交通拥堵指数的所述道路上左转弯方向的车辆数量；此外，所述行驶方向还可包括右转弯，所述拥堵分析模块102计算具有最大交通拥堵指数的所述道路上行驶方向相同的车辆数量还可包括计算具有最大交通拥堵指数的所述道路上右转弯方向的车辆数量。
如此，通过计算获取具有最大拥堵指数的所述道路上行驶方向相同的车辆数量，可获知每个行驶方向的车辆数量，以便更精准的增加具体哪个方向对应的绿灯持续时间，从而减少具有最大拥堵指数的所述道路上车辆的数量；此外，还可根据与具有最大交通拥堵指数的所述道路通行方向互斥的、且具有最小交通拥堵指数的所述道路上车辆的行驶数据以及所述具有最小交通拥堵指数的所述道路中车道的分布情况，计算所述具有最小交通拥堵指数的所述道路上行驶方向相同的车辆数量，也以便更精准的减少具体哪个方向对应的绿灯持续时间。
所述切换决策模块103，具体用于：确定具有最大交通拥堵指数的所述道路直行方向的车辆数量大于第一车辆阈值或左转弯方向的车辆数量时，将具有最大交通拥堵指数的所述道路直行方向对应的绿灯持续时间增加所述时间阈值；或，确定具有最大交通拥堵指数的所述道路左转弯方向的车辆数量大于第二车辆阈值或直行方向的车辆数量时，将具有最大交通拥堵指数的所述道路左转弯方向对应的绿灯持续时间增加所述时间阈值。
这里，所述时间阈值可根据实际情况进行设置，比如设置为1秒、2秒、5秒等；当具有最大交通拥堵指数的所述道路直行方向的车辆数量大于第一车辆阈值或左转弯方向的车辆数量时，说明道路直行方向的车辆数量较多，且道路直行方向可能比较拥堵，需要增加道路直行方向对应的绿灯持续时间，以尽快减少道路直行方向的车辆数量；当具有最大交通拥堵指数的所述道路左转弯方向的车辆数量大于第二车辆阈值或直行方向的车辆数量时，说明道路左转弯方向的车辆数量较多，且道路左转弯方向可能比较拥堵，需要增加道路左转弯方向对应的绿灯持续时间，以尽快减少道路左转弯方向的车辆数量。
这里，当与具有最大交通拥堵指数的所述道路通行方向互斥的、且具有最小交通拥堵指数的所述道路直行方向的车辆数量大于第三车辆阈值或左转弯方向的车辆数量时，说明道路直行方向的车辆数量多于需要左转弯的车辆，可以减少道路左转弯方向对应的绿灯持续时间；当与具有最大交通拥堵指数的所述道路通行方向互斥的、且具有最小交通拥堵指数的所述道路左转弯方向的车辆数量大于第四车辆阈值或直行方向的车辆数量时，说明道路左转弯方向的车辆数量较多，可以减少道路直行方向对应的绿灯持续时间。
这样，根据不同车道的车辆数量，更精准、灵活的对道路中需要调整的车道进行调整，以尽量减少具有较多车辆数量的车道中的车辆，从而尽快缓解交通拥堵压力、促进交通路口的畅通。
进一步地，该车联网平台10还可包括：应用模块105，用于根据每条道路的交通拥堵指数，获取每条道路的路况信息并向车联网用户推送所述路况信息。
这里，所述应用模块105可根据与目标交通路口相连的各条道路的交通拥堵指数，获取每条道路的路况信息，并向车联网用户推送所述路况信息；以及，预测未来一段时间内比如未来半个小时内每条道路或目标交通路口出现拥堵的概率，并采取相应的措施进行处理，比如：通过向处于目标交通路口一定范围内比如一千米以内的车联网用户发送路况信息，及时告知车联网用户道路的路况信息；或者，及时通过消息告知道路管理人员或交通管理部门，以使道路管理人员或交通管理部门提前采取一定的交通疏通手段或方式。
在实际应用中，所述数据采集模块101、拥堵分析模块102、切换决策模块103、存储模块104、应用模块105均可由位于终端的中央处理器(CPU)、微处理器(MPU)、数字信号处理器(DSP)、或现场可编程门阵列(FPGA)等实现。
图3为本发明实施例一交通信号灯的控制方法的实现流程示意图，该方法包括：
步骤201：获取当前与目标交通路口相连的各条道路上在设定范围内车辆的行驶数据；
具体地，在与目标交通路口相连的各道路上的设定范围内，安装于车辆上的数据采集装置周期性采集车辆的行驶数据，并将采集到的所述车辆的行驶数据传输给车联网平台，则在任意时间，车联网平台获取到当前与目标交通路口相连的各条道路上在设定范围内车辆的行驶数据。
这里，所述数据采集装置可通过无线网络与车联网平台进行通信，且所述数据采集装置可以是车联网终端、4G后视镜等设备；所述设定范围用于限定获取的行驶数据所对应的车辆所处的位置范围，例如所述设定范围可设置为距离交通信号灯50米以内或100米以内等采用具体数值限定的范围，所述设定范围也可为所述目标交通路口与所述目标交通路口的相邻交通路口之间的道路区间；在任意一时间点，任意一条道路上在设定范围内可能有一辆车辆或一辆以上车辆，也可能没有车辆；所述数据采集装置周期性采集车辆的行驶数据并传输给车联网平台的过程中，所述数据采集装置采集数据和上传数据的频率可以以秒级或分钟级为单位，例如车联网终端可每隔1秒、10秒或1分钟为单位采集车辆的行驶数据，然后上传给车联网平台；所述车辆的行驶数据可包括车辆的位置数据、车辆的车速、车辆的加速度、当前时间等；所述车辆的位置数据用于确定车辆所处的位置，可用于判断车辆与前方的交通信号灯之间的距离、车辆处于哪条道路以及车辆的行驶方向，比如判断车辆是准备直行还是准备转弯等，所述位置数据可以是GPS数据；所述行驶方向可表示车辆当前或将要行驶的方向，例如车辆当前是否直行、当前是否将要转弯等，所述行驶方向可根据每条道路的位置与车辆所处的位置进行获取；所述车速、加速度可用于确定车辆当前的车速状态，比如车辆是否正在加速、减速或停车状态；所述当前时间用于表示所述车辆的位置数据、所述车辆的车速、所述车辆的加速度等信息的采集时间。
此外，由于交通路口的交通信号灯一般都不对右转弯车辆进行控制，为了简化后续计算过程，车联网平台还可对获取到的与目标交通路口相连的各道路上在设定范围内车辆的行驶数据进行筛选，以提取出直行车辆和左转弯车辆的行驶数据作为后续计算处理的目标数据。
根据图2所示的交通路口的示意图；其中，与该交通路口相连的各道路分别为：由南往北道路、由北往南道路、由西往东道路、由东往西道路，并且每条道路具有3条或3条以上车道，可包括至少一条直行车道、至少一条左转弯车道、至少一条右转弯车道；该交通路口的交通信号灯包括控制由南往北道路的第一组红绿灯1、控制由北往南道路的第二组红绿灯2、控制由西往东道路的第三组红绿灯3、控制由东往西道路的第四组红绿灯4；在实际应用中，对各组红绿灯可采取共同控制或单独控制方式，在忽略右转弯车辆的行驶情况下，下面以对第一组红绿灯1和第二组红绿灯2采用不同控制方式为例进行说明：在共同控制方式下，当第一组红绿灯1中的直行绿灯与第二组红绿灯2中的直行绿灯同时工作时，由南往北的车辆和由北往南的车辆可同时通行；当第一组红绿灯1中的左转弯绿灯与第二组红绿灯2中的左转弯绿灯同时工作，由南往西的车辆和由北往东的车辆可同时通行。而在单独控制方式下，当第一组红绿灯1中的直行绿灯和左转弯绿灯同时工作时，由南往北的车辆和由南往西的车辆可同时通行，而由北往南的通行方向与由南往西的通行方向互斥、且由北往东的通行方向与由南往北的通行方向互斥，因此由北往南的车辆和由北往东的车辆不可通行；当第二组红绿灯2中的直行绿灯和左转弯绿灯同时工作时，由北往南的车辆和由北往东的车辆可同时通行，而由南往北的通行方向与由北往东的通行方向互斥、且由南往西的通行方向与由北往南的通行方向互斥，因此由南往北的车辆和由南往西的车辆不可通行。本实施例中，以对图2中各组红绿灯采取共同控制方式、且只获取每条道路的黑色圆点虚线与控制该道路的红绿灯组之间的车辆的行驶数据为例进行说明，，例如对于由南往北道路，则车联网平台只获取第一组红绿灯1与由南往北道路上的黑色圆点虚线之间的车辆的行驶数据。
步骤202：根据每条道路上在设定范围内车辆的行驶数据和交通拥堵指数计算规则，计算每条道路的交通拥堵指数；
具体地，基于步骤201中获取到的每条道路上在设定范围内车辆的行驶数据，计算每条道路的交通拥堵状态的维度；根据每条道路的交通拥堵状态的维度，采用交通拥堵指数计算规则计算每条道路的交通拥堵指数。
这里，所述根据车辆的行驶数据，计算每条道路的交通拥堵状态的维度，包括：根据车辆的位置数据，计算处于同一道路上的车辆数量；根据车辆的车速数据和所述处于同一道路上的车辆数量，计算在所述同一道路上车速低于车速阈值的车辆数量与所述处于同一道路上的车辆数量的比值、以及所述同一道路上车辆的最低车速；根据所述同一道路的历史路况信息和当前时间，确定所述同一道路的已拥堵时长。
其中，所述比值可用百分比方式表示，所述车速阈值可根据实际情况进行设置；所述道路的历史路况信息可包括道路的历史交通拥堵指数、道路的历史已拥堵时长；根据所述道路的历史已拥堵时长和/或道路的历史交通拥堵指数，可知道路是否已经处于拥堵状态、以及当道路已经处于拥堵状态时的已拥堵时长和道路开始处于拥堵状态的时间。本实施例中，以所述维度包括道路上车速低于车速阈值的车辆数量在该道路所有车辆数量中所占的百分比(以下简称“百分比”)、该道路上车辆的最低车速(以下简称“最低车速”)、该道路已经拥堵的时长(以下简称“拥堵时长”)为例进行说明。
所述根据每条道路的交通拥堵状态的维度，采用交通拥堵指数计算规则计算每条道路的交通拥堵指数，包括：根据道路的交通拥堵状态的维度，基于维度等级对照表和交通拥堵指数计算公式计算每条道路的交通拥堵指数；其中，所述交通拥堵指数计算规则包括维度等级对照表和交通拥堵指数计算公式，所述维度等级对照表和所述交通拥堵指数计算公式是预先设置的，表1为维度等级对照表，如下所示：
表1
所述交通拥堵指数计算公式如下所示：
其中，N表示交通拥堵状态的维度的数量，各维度的权重可以预先设置；本实施例中，i＝1时表示维度为百分比，i＝2时表示维度为最低车速，i＝3时表示维度为拥堵时长；表2为当各维度的权重均为1时，不同维度处于不同等级与不同交通拥堵指数之间的对照表；其中，交通拥堵指数的最小值为6，而最大值为22，因此可将交通拥堵指数的等级划分为17个等级。在实际应用中，所述交通拥堵指数计算公式、维度等级对照表可通过分析、统计实际路况信息进行设置和调整。
步骤203：基于拥堵控制关系表和每条道路的所述交通拥堵指数确定需要调整所述目标交通路口的交通信号灯时，在下一个交通信号灯转换周期内，将具有最大交通拥堵指数的道路对应的绿灯持续时间增加时间阈值，将与具有最大交通拥堵指数的所述道路通行方向互斥的、且具有最小拥堵指数的道路对应的绿灯持续时间减少所述时间阈值。
具体地，根据每条道路的所述交通拥堵指数，获取道路的交通拥堵指数总和；比对所述交通拥堵指数总和与拥堵控制关系表，确定所述交通拥堵指数总和属于所述拥堵控制关系表中需要调整交通信号灯对应的交通拥堵指数区间时，判定需要调整所述目标交通路口的交通信号灯；并在下一个交通信号灯转换周期内，将具有最大交通拥堵指数的道路对应的绿灯持续时间增加时间阈值，将与具有最大交通拥堵指数的所述道路通行方向互斥的、且具有最小拥堵指数的道路对应的绿灯持续时间减少所述时间阈值。
表2
这里，所述拥堵控制关系表包含不同交通拥堵指数总和区间、以及对应的是否需要调整交通信号灯的指示；本实施例中，可将每条道路的路况按照交通拥堵指数区间划分为以下四个等级：交通拥堵指数处于6到10之间为正常；交通拥堵指数处于10到14之间为一般拥堵；交通拥堵指数处于14到18之间为拥堵；交通拥堵指数处于18到22之间为严重拥堵。此外，根据交通拥堵指数区间划分等级情况，对于具有四条道路的交叉路口而言，可将拥堵控制关系表划分为包括以下三个等级：当交通拥堵指数总和处于24至24+X之间时，不需要调整交通信号灯；当交通拥堵指数总和处于24+X至88-X之间时，需要调整交通信号灯；当交通拥堵指数总和处于88-X至88之间时，不需要调整交通信号灯；所述X为正整数，且在设置后可根据实际情况进行调整。另外，还可在拥堵控制关系表中附加还需要每两条道路之间的交通拥堵指数或所有道路相互之间的交通拥堵指数满足预设关系时，才允许调整交通信号灯，以便对交通信号灯做出更灵活的控制；所述预设关系可以是每两条道路的交通拥堵指数的差值的绝对值大于设置的第一阈值、或所有道路中至少有两条道路的交通拥堵指数的差值的绝对值大于设置的第二阈值；例如，当图2中四条道路对应的交通拥堵指数总和处于拥堵控制关系表中需要调整交通信号灯对应的区间时，还需要满足至少有两条道路的交通拥堵指数的差值的绝对值大于设置的第一阈值，才允许调整交通信号灯。
这里，当道路交通拥堵指数总和较小时，可认为所有道路的路况为正常畅通，不调整交通信号灯中红绿灯切换时间；当道路交通拥堵指数总和较大即每条道路的路况为拥堵或严重拥堵时，可认为调整交通信号灯无意义，而不调整交通信号灯中红绿灯切换时间；以及，当每两条道路的交通拥堵指数之间的差值较小时，也可认为调整交通信号灯无意义，因此也不调整交通信号灯中红绿灯切换时间。
当对交通信号灯中的所有红绿灯组采用共同控制方式时，在与目标交通路口相连的各道路中，具有最大交通拥堵指数的道路和具有最小交通拥堵指数的道路通行方向可能不互斥；因此，在将具有最大交通拥堵指数的道路对应的绿灯持续时间增加时间阈值时，需要将与具有最大交通拥堵指数的所述道路通行方向互斥的、且具有最小拥堵指数的道路对应的绿灯持续时间减少所述时间阈值，以保证交通信号灯的整体控制时间不变；举例说明：在图2所示的交通路口中，假设在所有道路中由南往北道路的交通拥堵指数最大、而由北往南道路的交通拥堵指数最小，而与由南往北道路通行方向互斥的道路中具有最小交通拥堵指数的道路是由西往东道路；由于第一组红绿灯1和第二组红绿灯2通常采用相同控制信号进行控制、第三组红绿灯3和第四组红绿灯4也采用相同控制信号进行控制，即第一组红绿灯1的直行方向绿灯和第二组红绿灯2的直行方向绿灯同时被点亮和被熄灭、第一组红绿灯1的左转弯方向绿灯和第二组红绿灯2的左转弯方向绿灯也同时被点亮和被熄灭，第三组红绿灯3和第四组红绿灯4的情况与上述情形一样，只是当第一组红绿灯1的绿灯和第二组红绿灯2的绿灯被点亮时，第三组红绿灯3的绿灯和第四组红绿灯4的绿灯全部被熄灭；如果由南往北通行方向或由南往西通行方向对应的绿灯持续时间增加时间阈值即增加第一组红绿灯1的绿灯持续时间，那这样将增加交通信号灯的整体控制时间；那么，只能够在增加第一组红绿灯1的绿灯持续时间时，减少第三组红绿灯3的绿灯持续时间，即增加第一组红绿灯1和第二组红绿灯2的绿灯持续时间，减少第三组红绿灯3和第四组红绿灯4的绿灯持续时间，从而在保证交通信号灯的整体控制时间不变情形下，能够根据道路路况对交通信号灯进行实时、灵活、有效的控制，从而保障车辆的正常运行以及有效的减少交通路口的交通拥堵现象。
当对交通信号灯中的所有红绿灯组采用单独控制方式时，在与目标交通路口相连的各道路中，具有最大交通拥堵指数的道路和具有最小交通拥堵指数的道路通行方向是互斥的；因此，当将具有最大交通拥堵指数的道路对应的绿灯持续时间增加时间阈值，而将具有最小交通拥堵指数的道路对应的绿灯持续时间减少所述时间阈值时，在保证交通信号灯的整体控制时间不变的情况下，能够根据道路路况对交通信号灯进行实时、灵活、有效的控制，从而保障车辆的正常运行以及有效的减少交通路口的交通拥堵现象。
这里，当车联网平台将具有最大交通拥堵指数的道路对应的绿灯持续时间增加所述时间阈值之后，车联网平台可继续根据获取的每条道路的交通拥堵指数对交通信号灯进行控制，比如当确定当前周期对应的具有最大交通拥堵指数的道路上的车辆数量在下一个周期开始减少后，则可将所述具有最大交通拥堵指数的道路对应的绿灯持续时间减少。
进一步地，该方法还可包括：
存储每条道路的当前路况信息；所述道路的当前路况信息包括道路的交通拥堵指数、道路的已拥堵时长、道路对应的绿灯持续时间、当前时间。
具体地，在计算出每条道路的交通拥堵指数之后，可获知每条道路的当前路况信息，包括道路的交通拥堵指数、道路的已拥堵时长、道路对应的绿灯持续时间、当前时间，则车联网平台存储每条道路的当前路况信息，以供后续需要用到时进行调用；所述道路对应的绿灯持续时间为执行完步骤203之后，道路实际的绿灯持续时间；所述道路的已拥堵时长可根据道路的历史路况信息和所述当前时间进行获取。
进一步地，在所述基于拥堵控制关系表和每条道路的所述交通拥堵指数确定需要调整所述目标交通路口的交通信号灯之前或之后，该方法还包括：
根据具有最大交通拥堵指数的所述道路上车辆的行驶数据，计算具有最大交通拥堵指数的所述道路上行驶方向相同的车辆数量。
具体地，根据具有最大交通拥堵指数的所述道路上车辆的行驶数据以及具有最大交通拥堵指数的所述道路中车道的分布情况，计算具有最大交通拥堵指数的所述道路上行驶方向相同的车辆数量。
这里，所述行驶方向包括直行和左转弯；所述计算具有最大交通拥堵指数的所述道路上行驶方向相同的车辆数量包括计算具有最大交通拥堵指数的所述道路上直行方向的车辆数量和计算具有最大交通拥堵指数的所述道路上左转弯方向的车辆数量；此外，所述行驶方向还可包括右转弯，所述计算具有最大交通拥堵指数的所述道路上行驶方向相同的车辆数量还可包括计算具有最大交通拥堵指数的所述道路上右转弯方向的车辆数量。
如此，通过计算获取具有最大拥堵指数的所述道路上行驶方向相同的车辆数量，可获知每个行驶方向的车辆数量，以便更精准的增加具体哪个方向对应的绿灯持续时间，从而减少具有最大拥堵指数的所述道路上车辆的数量；此外，还可根据与具有最大交通拥堵指数的所述道路通行方向互斥的、且具有最小交通拥堵指数的所述道路上车辆的行驶数据以及所述具有最小交通拥堵指数的所述道路中车道的分布情况，计算所述具有最小交通拥堵指数的所述道路上行驶方向相同的车辆数量，也以便更精准的减少具体哪个方向对应的绿灯持续时间。
进一步地，所述将具有最大交通拥堵指数的道路对应的绿灯持续时间增加时间阈值，包括：
确定具有最大交通拥堵指数的所述道路直行方向的车辆数量大于第一车辆阈值或左转弯方向的车辆数量时，将具有最大交通拥堵指数的所述道路直行方向对应的绿灯持续时间增加所述时间阈值；或，确定具有最大交通拥堵指数的所述道路左转弯方向的车辆数量大于第二车辆阈值或直行方向的车辆数量时，将具有最大交通拥堵指数的所述道路左转弯方向对应的绿灯持续时间增加所述时间阈值。
这里，所述时间阈值可根据实际情况进行设置，比如设置为1秒、2秒、5秒等；当具有最大交通拥堵指数的所述道路直行方向的车辆数量大于第一车辆阈值或左转弯方向的车辆数量时，说明道路直行方向的车辆数量较多，且道路直行方向可能比较拥堵，需要增加道路直行方向对应的绿灯持续时间，以尽快减少道路直行方向的车辆数量；当具有最大交通拥堵指数的所述道路左转弯方向的车辆数量大于第二车辆阈值或直行方向的车辆数量时，说明道路左转弯方向的车辆数量较多，且道路左转弯方向可能比较拥堵，需要增加道路左转弯方向对应的绿灯持续时间，以尽快减少道路左转弯方向的车辆数量。
这里，当与具有最大交通拥堵指数的所述道路通行方向互斥的、且具有最小交通拥堵指数的所述道路直行方向的车辆数量大于第三车辆阈值或左转弯方向的车辆数量时，说明道路直行方向的车辆数量多于需要左转弯的车辆，可以减少道路左转弯方向对应的绿灯持续时间；当与具有最大交通拥堵指数的所述道路通行方向互斥的、且具有最小交通拥堵指数的所述道路左转弯方向的车辆数量大于第四车辆阈值或直行方向的车辆数量时，说明道路左转弯方向的车辆数量较多，可以减少道路直行方向对应的绿灯持续时间。
这样，根据不同车道的车辆数量，更精准、灵活的对道路中需要调整的车道进行调整，以尽量减少具有较多车辆数量的车道中的车辆，从而尽快缓解交通拥堵压力、促进交通路口的畅通。
此外，车联网平台还可根据与目标交通路口相连的各条道路的交通拥堵指数，获取每条道路的路况信息，预测未来一段时间内比如未来半个小时内每条道路或目标交通路口出现拥堵的概率，并采取相应的措施进行处理，比如：通过向处于目标交通路口一定范围内比如一千米以内的车联网用户发送路况消息，及时告知车联网用户道路的路况信息；或者，及时通过消息告知道路管理人员或交通管理部门，以使道路管理人员或交通管理部门提前采取一定的交通疏通手段或方式。
综上所述，本发明实施例可以通过实时分析与交通路口相连的各条道路的路况信息，获取道路实时的拥堵情况，在保证对交通路口的交通信号灯的整体控制时间不变的前提下，能够根据道路路况对交通信号灯进行实时、灵活、有效的控制，从而保障车辆的正常运行以及有效的减少交通路口的交通拥堵现象。
实施例二
下面通过一个具体示例对本发明实施例一作进一步说明，图4为本发明实施例二交通信号灯的控制方法的具体实现流程示意图，该方法应用于场景如图5所示的T形交叉路口，与该T形交叉路口相连的各条道路分别为：由南往北道路、由北往南道路和由西往东道路，并且每条道路具有2条或2条以上车道，可包括至少一条直行车道、或至少一条左转弯车道、或至少一条右转弯车道；该T形交叉路口的交通信号灯包括控制由南往北道路的第一组红绿灯1、控制由北往南道路的第二组红绿灯2、控制由西往东道路的第三组红绿灯3；其中，对第一组红绿灯1、第二组红绿灯2和第三组红绿灯3分别采用单独控制方式；本实施例中以以下情形为例进行说明：当第一组红绿灯1中的直行绿灯和左转弯绿灯同时被点亮时，第二组红绿灯2中的直行绿灯和第三组红绿灯3中的左转弯绿灯未被点亮，此时由南往北的车辆和由南往西的车辆可同时通行，而由北往南的车辆和由西往北的车辆禁止通行；当第二组红绿灯2中的直行绿灯被点亮时，第一组红绿灯1中的直行绿灯和左转弯绿灯以及第三组红绿灯3中的左转弯绿灯未被点亮；当第三组红绿灯3中的左转弯绿灯被点亮时，第一组红绿灯1中的直行绿灯和左转弯绿灯以及第二组红绿灯2中的直行绿灯未被点亮。
这里，也可以是当第一组红绿灯1中的直行绿灯和第二组红绿灯2中的直行绿灯同时被点亮时，第三组红绿灯3中的左转弯绿灯未被点亮；以及，当第一组红绿灯1中的左转弯绿灯被点亮时，第一组红绿灯1中的直行绿灯、第二组红绿灯2中的直行绿灯和第三组红绿灯3中的左转弯绿灯未被点亮。
基于上述场景，该方法包括：
步骤301、获取与交叉路口相连的各条道路上车辆的行驶数据；
具体地，在与T形交叉路口相连的各道路上，安装于车辆上的数据采集装置周期性采集车辆的行驶数据，并将采集到的所述车辆的行驶数据传输给车联网平台，则车联网平台周期性的获取与交叉路口相连的各条道路上车辆的行驶数据。
这里，所述数据采集装置可通过无线网络与车联网平台进行通信，且所述数据采集装置可以是车联网终端、4G后视镜等设备；车联网平台获取到车辆的行驶数据可以是处于当前T形交叉路口与相邻交叉路口之间的道路上的车辆的行驶数据，也可以是处于与当前T形交叉路口相连的各道路上的设定范围内的车辆的行驶数据；所述设定范围用于表示与交通信号灯之间的距离值，例如所述设定范围可设置为50米或100米等；本实施例中，以车联网平台只获取如图5所示的T形交叉路口各方向对应的红绿灯与黑色圆点虚线之间的车辆的行驶数据为例进行说明，例如对于由南往北道路，则车联网平台只获取第一组红绿灯1与由南往北道路上的黑色圆点虚线之间的车辆的行驶数据。
这里，所述数据采集装置周期性采集车辆的行驶数据并传输给车联网平台的过程中，所述数据采集装置采集数据和上传数据的频率可以以秒级或分钟级为单位，例如车联网终端可每隔1秒、20秒或2分钟为单位采集车辆的行驶数据，然后上传给车联网平台；所述车辆的行驶数据可包括车辆的GPS数据、车辆的车速、车辆的加速度、当前时间等；所述车辆的GPS数据用于确定车辆所处的位置，可用于判断车辆与前方的交通信号灯之间的距离、车辆处于哪条道路以及车辆的行驶方向，比如判断车辆是准备直行还是准备转弯等；所述行驶方向可表示车辆当前或将要行驶的方向，例如车辆当前是否直行、当前是否将要转弯等，所述行驶方向可根据每条道路的位置与车辆所处的位置进行获取；所述车速、加速度可用于确定车辆当前的车速状态，比如车辆是否正在加速、减速或停车状态；所述当前时间用于表示所述车辆的GPS数据、所述车辆的车速、所述车辆的加速度等信息的采集时间。
此外，由于T形交叉路口的交通信号灯一般都不对右转弯车辆进行控制，为了简化后续计算过程，车联网平台还可从获取到与T形交叉路口相连的各道路上车辆的行驶数据中、提取出直行车辆或左转弯车辆的行驶数据作为后续计算处理的目标数据。
步骤302、根据所述车辆的行驶数据和预设的路况拥堵状态分析算法，计算与交叉路口相连的每条道路的交通拥堵指数；
具体地，根据步骤301中获取到的所述车辆的行驶数据，车联网平台基于预设的路况拥堵状态分析算法计算与T形交叉路口相连的每条道路的交通拥堵指数。
这里，所述路况拥堵状态分析算法的基本思想可以描述为包括以下步骤：
步骤302a：根据与交叉路口相连的各条道路上车辆的行驶数据，确定每条道路的路况拥堵状态的维度；
具体地，根据与T形交叉路口相连的各条道路上车辆的行驶数据，确定每条道路上车速低于车速阈值的车辆数量在该条道路上所有车辆数量中所占的百分比(以下简称“百分比”)、每条道路上车辆的最低车速(以下简称“最低车速”)、每条道路已经拥堵的时长(以下简称“拥堵时长”)。
这里，当车辆的车速低于车速阈值时可认为该车辆处于低速或怠速状态；对于任意一条道路，获取该道路上车速低于车速阈值的车辆数量以及该道路上所有车辆数量后，可求取该道路上车速低于车速阈值的车辆数量在该道路上所有车辆数量中所占的百分比；对于任意一条道路，获取该道路上所有车辆的车速后，可求取该道路上车辆的最低车速；对于任意一条道路，根据存储在数据库中的该道路的历史路况状态和所述当前时间，可确定该道路的已拥堵时长。
这里，对于任意一条道路上的任意一辆车而言，如果该辆车在一定时间内的位置没变动或一直未通过该T形交叉路口，则可认为该辆车所在的道路处在拥堵状态。
步骤302b：根据每条道路的路况拥堵状态的维度，计算每条道路的交通拥堵指数；
具体地，根据每条道路的路况拥堵状态的维度，基于预设的交通拥堵指数计算公式和维度等级对照表计算每条道路的交通拥堵指数。
其中，表1为维度等级对照表；所述交通拥堵指数计算公式如下所示：
其中，N表示路况拥堵状态的维度的数量，各维度的权重可以预先设置；本实施例中，i＝1时表示维度为百分比，i＝2时表示维度为最低车速，i＝3时表示维度为拥堵时长；表2为当各维度的权重均为1时，不同维度处于不同等级与不同交通拥堵指数之间的对照表；其中，交通拥堵指数的最小值为6，而最大值为22，因此可将交通拥堵指数的等级划分为17个等级。在实际应用中，所述交通拥堵指数计算公式、维度等级对照表可通过分析、统计实际路况信息进行设置和调整。
表1
步骤303、根据每条道路的交通拥堵指数，调整红绿灯的切换时间；
具体地，根据每条道路的交通拥堵指数，采用预设的红绿灯切换时间算法调整红绿灯的切换时间。
表2
这里，所述红绿灯切换时间算法的基本思想可以描述为包括以下步骤：
步骤303a、根据预设的拥堵控制关系表和每条道路的交通拥堵指数，判断是否需要调整交叉路口的交通信号灯；
具体地，根据每条道路的交通拥堵指数，计算道路的交通拥堵指数总和；比对所述道路的交通拥堵指数总和与预设的拥堵控制关系表，判断所述道路的交通拥堵指数总和是否属于所述预设的拥堵控制关系表中需要调整交通信号灯对应的交通拥堵指数区间，若属于，则执行步骤303b；若不属于，则继续执行步骤301。
这里，可将每条道路的路况按照交通拥堵指数划分为以下四个等级：交通拥堵指数处于6到10之间为正常；交通拥堵指数处于10到14之间为一般拥堵；交通拥堵指数处于14到18之间为拥堵；交通拥堵指数处于18到22之间为严重拥堵。此外，根据交通拥堵指数划分等级情况，对于具有三条道路的交叉路口而言，可将拥堵控制关系表划分为包括以下三个等级：当交通拥堵指数总和处于18至18+X之间时，不需要调整交通信号灯；当交通拥堵指数总和处于18+X至66-X之间时，需要调整交通信号灯；当交通拥堵指数总和处于66-X至66之间时，不需要调整交通信号灯；所述X为正整数，且在设置后可根据实际情况进行调整，例如X可设置为6。另外，还可在拥堵控制关系表中附加还需要每两条道路之间的交通拥堵指数或所有道路相互之间的交通拥堵指数满足预设关系时，才允许调整交通信号灯，以便对交通信号灯做出更灵活的控制；所述预设关系可以是每两条道路的交通拥堵指数的差值的绝对值大于设置的第一阈值、或所有道路中至少有两条道路的交通拥堵指数的差值的绝对值大于设置的第二阈值。
这里，当道路交通拥堵指数总和较小时，可认为所有道路的路况为正常畅通，不调整交通信号灯中红绿灯切换时间；当道路交通拥堵指数总和较大即每条道路的路况为拥堵或严重拥堵时，可认为调整交通信号灯无意义，而不调整交通信号灯中红绿灯切换时间；以及，当每两条道路的交通拥堵指数之间的差值较小时，也可认为调整交通信号灯无意义，因此也不调整交通信号灯中红绿灯切换时间。
假设图5所示的与T形交叉路口相连的三条道路中，由南往北道路的交通拥堵指数为6、由北往南道路的交通拥堵指数为8、由西往东道路的交通拥堵指数为22，则所有道路的交通拥堵指数总和为36；以上面的举例而言，交通拥堵指数总和范围为18～66；根据正态分布法，可以认为当交通拥堵指数总和处于18～24和60～66这两个区间时，不再进行交通信号灯的调整；而当交通拥堵指数总和处于24～60区间时，需要进行交通信号灯的调整。
步骤303b、确定需要调整所述交叉路口的交通信号灯时，根据每条道路的交通拥堵指数调整红绿灯切换时间。
具体地，确定需要调整所述交叉路口的交通信号灯时，将每条道路的交通拥堵指数输入状态机，状态机根据每条道路的交通拥堵指数产生对红绿灯时间调整的操作，包括：将交通拥堵指数最大的道路对应的绿灯持续时间增加为T+M*dt，将交通拥堵指数最小的道路对应的绿灯持续时间减少为T'-M*dt；T为在当前交通信号灯控制或转换周期内具有最大交通拥堵指数的道路对应的绿灯持续时间，T'为在当前交通信号灯控制或转换周期内具有最小交通拥堵指数的道路对应的绿灯持续时间；M为正整数且初始时M取值为1；dt为时间单位，通常取1秒。
这里，所述状态机可看作是处理器，用于根据道路的交通拥堵指数调整红绿灯切换时间。
当图5中由南往北道路的交通拥堵指数为6、由北往南道路的交通拥堵指数为8、由西往东道路的交通拥堵指数为22时，则南往北道路的路况状态为正常，由北往南道路的路况状态为正常，而由西往东道路的路况状态为严重拥堵；因此，将由西往东道路的绿灯持续时间增加M*dt，与之同时，将南往北道路的绿灯持续时间减少M*dt。
这里，在执行完步骤303之后车联网平台继续执行步骤301、步骤302，以获取在下一时刻各条道路上车辆的行驶数据，以及获取在下一时刻各条道路的交通拥堵指数，从而判断各条道路的路况状态，比如判断上一时刻具有最大交通拥堵指数的道路的拥堵程度在下一时刻是否改善、上一时刻具有最大交通拥堵指数的道路在下一时刻是否从严重拥堵变成拥堵、或者上一时刻具有最大交通拥堵指数的道路在下一时刻是否从拥堵变成正常等；如果判断出上一时刻具有最大交通拥堵指数的道路的拥堵程度在下一时刻仍未明显改善，则继续执行步骤303并将M递增为2，以此类推，反复操作。
这里，由于交叉路口涉及多个方向，需要考虑到路况资源分配的均衡性；因此，控制与交叉路口相连的所有道路的交通信号灯完成整个红绿灯切换的总时长将作为执行步骤303的先决判断条件，即：只有在保证所有道路通行方向的通过时间的总和即所有红绿灯的切换总时间不增加的情况下，才能执行。此外，当某条道路上的车辆的数量开始降低以后，也可执行相反操作，比如：调整该条道路对应的绿灯持续时间减少M*dt。
步骤304、根据每条道路的交通拥堵指数，获取每条道路的路况信息并向车联网用户推送所述路况信息。
这里，车联网平台还可以根据与当前交叉路口相连的各条道路的交通拥堵指数，获取每条道路的路况信息，并向车联网用户推送所述路况信息；以及，预判未来一段时间内比如30分钟内每条道路或目标交通路口出现拥堵的概率，并采取相应的措施进行处理，比如：通过向处于目标交通路口一定范围内比如一千米以内的车联网用户发送路况信息，及时告知车联网用户道路的路况信息；或者，及时通过消息告知道路管理人员或交通管理部门，以使道路管理人员或交通管理部门提前采取一定的交通疏通手段或方式。此外，当道路出现严重拥堵情况比如交通拥堵指数总和处于60～66区间时，也可实时通知相关部门进行处理。
综上所述，本发明实施例利用车联网获取道路上车辆的行驶数据，实时分析道路拥堵情况，并做出及时而灵活的红绿灯系统的切换时间调整；本发明实施例的主要优点是可以根据实时道路的拥堵情况计算红绿灯的切换时间，并提供了较为可行的路况拥堵状态分析算法和红绿灯切换时间算法，甚至可以通过分析车联网大数据进行预测道路的路况。
为实现上述方法，本发明实施例还提供了一种车联网平台，图1为该车联网平台的组成结构示意图，该车联网平台包括：数据采集模块101、拥堵分析模块102、切换决策模块103、应用模块105；其中，
所述数据采集模块101，用于获取与交通路口相连的各条道路上已与车联网连接的车辆的行驶数据；
所述拥堵分析模块102，用于根据所述车辆的行驶数据，计算每条道路的交通拥堵参数；
所述切换决策模块103，用于根据所述每条道路的交通拥堵参数，判断采取红绿灯切换时间的操作；
所述应用模块105，用于根据所述每条道路的交通拥堵参数，获取每条道路的路况信息并向车联网用户推送所述路况信息。
这里，所述车辆的行驶数据可以通过各种车联网终端进行采集，比如：车载诊断系统(OBD，On-Board Diagnostic)终端、4G后视镜等，然后由车联网终端传输给所述数据采集模块101；由于车辆的行驶数据包含的种类比较多，建议主要采集的数据是GPS数据、重力传感器(G-sensor，Gravity sensor)数据以及可以用于判断或计算车辆位置、车速的原始数据；此外，数据采集的频率应达到秒级。
这里，所述切换决策模块103调整红绿灯切换时间需要满足以下条件，即调整后的该交通路口的所有方向的整个红绿灯切换的总时长不增加，且调整后会使实际整个红绿灯切换的总时长和交通拥堵指数总和不增加，否则会在下一个时间间隔例如5分钟做再次的调整。
这里，所述应用模块105还可包括：用于向车联网用户推送路况消息的路况消息推送子模块、用于向车联网用户推送行驶路线的线路协助选择子模块、用于预测道路未来的路况状态的拥堵指数预测子模块等；例如，所述路况消息推送子模块可按周统计道路路况的拥堵度并向车联网用户推送路况消息，所述线路协助选择子模块可根据路况向车主推送上下班行驶路线推测等。
进一步地，该车联网平台还可包括：存储模块104，用于存储每条道路的当前路况信息；所述道路的当前路况信息包括道路的交通拥堵指数、道路对应的红绿灯持续时间、当前时间等。
在实际应用中，所述数据采集模块101、拥堵分析模块102、切换决策模块103、存储模块104、应用模块105均可由位于终端的中央处理器(CPU)、微处理器(MPU)、数字信号处理器(DSP)、或现场可编程门阵列(FPGA)等实现。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和范围之内所作的任何修改、等同替换和改进等，均包含在本发明的保护范围之内。
Claims (12)
1.一种交通信号灯的控制方法，其特征在于，所述方法包括：
获取当前与目标交通路口相连的各条道路上在设定范围内车辆的行驶数据；
根据每条道路上在设定范围内车辆的行驶数据，计算每条道路的交通拥堵状态的维度，根据每条道路的交通拥堵状态的维度，采用交通拥堵指数计算规则，计算每条道路的交通拥堵指数；其中，所述交通拥堵状态的维度包括：道路上车速低于车速阈值的车辆数量在该道路所有车辆数量中所占的百分比、该道路上车辆的最低速度、该道路已经拥堵的时长；其中，所述交通指数计算规则包括维度等级对照表和交通拥堵指数计算公式；所述维度等级对照表是预先设置的；所述交通拥堵指数计算公式如下：
基于拥堵控制关系表和每条道路的所述交通拥堵指数确定需要调整所述目标交通路口的交通信号灯时，在下一个交通信号灯转换周期内，将具有最大交通拥堵指数的道路对应的绿灯持续时间增加时间阈值，将与具有最大交通拥堵指数的所述道路通行方向互斥的、且具有最小拥堵指数的道路对应的绿灯持续时间减少所述时间阈值。
2.根据权利要求1所述的方法，其特征在于，所述基于拥堵控制关系表和每条道路的所述交通拥堵指数确定需要调整所述目标交通路口的交通信号灯，包括：
根据每条道路的所述交通拥堵指数，获取道路的交通拥堵指数总和；
比对所述交通拥堵指数总和与拥堵控制关系表，确定所述交通拥堵指数总和属于所述拥堵控制关系表中需要调整交通信号灯对应的交通拥堵指数区间时，判定需要调整所述目标交通路口的交通信号灯。
3.根据权利要求1所述的方法，其特征在于，
所述车辆的行驶数据包括车辆的位置数据、车辆的车速数据、当前时间；
所述根据每条道路上在设定范围内车辆的行驶数据，计算每条道路的交通拥堵状态的维度，根据每条道路的交通拥堵状态的维度，采用交通拥堵指数计算规则，计算每条道路的交通拥堵指数，包括：
根据车辆的位置数据，计算处于同一道路上的车辆数量；
根据车辆的车速数据和所述同一道路上的车辆数量，计算在所述同一道路上车速低于车速阈值的车辆数量与所述同一道路上的车辆数量的比值、以及所述同一道路上车辆的最低车速；
根据所述同一道路的历史路况信息和当前时间，确定所述同一道路的已拥堵时长；
根据所述比值、所述最低车速、所述已拥堵时长确定同一道路交通拥堵状态的维度，根据同一道路的交通拥堵状态的维度，采用交通拥堵指数计算规则，计算所述同一道路的交通拥堵指数。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于拥堵控制关系表和每条道路的所述交通拥堵指数确定需要调整所述目标交通路口的交通信号灯之后，所述方法还包括：
根据具有最大拥堵指数的所述道路上车辆的行驶数据，计算具有最大拥堵指数的所述道路上行驶方向相同的车辆数量。
5.根据权利要求4所述的方法，其特征在于，
所述行驶方向包括直行和左转弯；
所述将具有最大拥堵指数的道路对应的绿灯持续时间增加时间阈值，包括：
确定具有最大拥堵指数的所述道路直行方向的车辆数量大于第一车辆阈值或左转弯方向的车辆数量时，将具有最大拥堵指数的所述道路直行方向对应的绿灯持续时间增加所述时间阈值；或，确定具有最大拥堵指数的所述道路左转弯方向的车辆数量大于第二车辆阈值或直行方向的车辆数量时，将具有最大拥堵指数的所述道路左转弯方向对应的绿灯持续时间增加所述时间阈值。
6.根据权利要求3所述的方法，其特征在于，所述计算每条道路的交通拥堵指数之后，所述方法还包括：
存储每条道路的当前路况信息；所述道路的当前路况信息包括道路的交通拥堵指数、道路的已拥堵时长、当前时间。
7.一种车联网平台，其特征在于，所述车联网平台包括：数据采集模块、拥堵分析模块、切换决策模块；其中，
所述数据采集模块，用于获取当前与目标交通路口相连的各条道路上在设定范围内车辆的行驶数据；
所述拥堵分析模块，用于根据每条道路上在设定范围内车辆的行驶数据，计算每条道路的交通拥堵状态的维度，根据每条道路的交通拥堵状态的维度，采用交通拥堵指数计算规则，计算每条道路的交通拥堵指数；其中，所述交通拥堵状态的维度包括：道路上车速低于车速阈值的车辆数量在该道路所有车辆数量中所占的百分比、该道路上车辆的最低速度、该道路已经拥堵的时长；其中，所述交通指数计算规则包括维度等级对照表和交通拥堵指数计算公式；所述维度等级对照表是预先设置的；所述交通拥堵指数计算公式如下：
维度i的等级*维度i的权重；其中，N表示交通拥堵状态的维度的数量，各维度的权重可以预先设置；
所述切换决策模块，用于基于拥堵控制关系表和每条道路的所述交通拥堵指数确定需要调整所述目标交通路口的交通信号灯时，在下一个交通信号灯转换周期内，将具有最大交通拥堵指数的道路对应的绿灯持续时间增加时间阈值，将与具有最大交通拥堵指数的所述道路通行方向互斥的、且具有最小拥堵指数的道路对应的绿灯持续时间减少所述时间阈值。
8.根据权利要求7所述的车联网平台，其特征在于，所述切换决策模块基于拥堵控制关系表和每条道路的所述交通拥堵指数确定需要调整所述目标交通路口的交通信号灯为：
根据每条道路的所述交通拥堵指数，获取道路的交通拥堵指数总和；
比对所述交通拥堵指数总和与拥堵控制关系表，确定所述交通拥堵指数总和属于所述拥堵控制关系表中需要调整交通信号灯对应的交通拥堵指数区间时，判定需要调整所述目标交通路口的交通信号灯。
9.根据权利要求7所述的车联网平台，其特征在于，
所述车辆的行驶数据包括车辆的位置数据、车辆的车速数据、当前时间；
所述拥堵分析模块，具体用于：
根据车辆的位置数据，计算处于同一道路上的车辆数量；
根据车辆的车速数据和所述同一道路上的车辆数量，计算在所述同一道路上车速低于车速阈值的车辆数量与所述同一道路上的车辆数量的比值、以及所述同一道路上车辆的最低车速；
根据所述同一道路的历史路况信息和当前时间，确定所述同一道路的已拥堵时长；
根据所述比值、所述最低车速、所述已拥堵时长确定同一道路交通拥堵状态的维度，根据同一道路交通拥堵状态的维度，采用交通拥堵指数计算规则，计算所述同一道路的交通拥堵指数。
10.根据权利要求7至9任一项所述的车联网平台，其特征在于，所述拥堵分析模块，还用于根据具有最大拥堵指数的所述道路上车辆的行驶数据，计算具有最大拥堵指数的所述道路上行驶方向相同的车辆数量。
11.根据权利要求10所述的车联网平台，其特征在于，
所述行驶方向包括直行和左转弯；
所述切换决策模块将具有最大交通拥堵指数的道路对应的绿灯持续时间增加时间阈值为：
确定具有最大拥堵指数的所述道路直行方向的车辆数量大于第一车辆阈值或左转弯方向的车辆数量时，将具有最大拥堵指数的所述道路直行方向对应的绿灯持续时间增加所述时间阈值；或，确定具有最大拥堵指数的所述道路左转弯方向的车辆数量大于第二车辆阈值或直行方向的车辆数量时，将具有最大拥堵指数的所述道路左转弯方向对应的绿灯持续时间增加所述时间阈值。
12.根据权利要求9所述的车联网平台，其特征在于，所述车联网平台还包括：存储模块，用于存储每条道路的当前路况信息；所述道路的当前路况信息包括道路的交通拥堵指数、道路的已拥堵时长、当前时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710301727.7A CN108806283B (zh) | 2017-05-02 | 2017-05-02 | 一种交通信号灯的控制方法及车联网平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710301727.7A CN108806283B (zh) | 2017-05-02 | 2017-05-02 | 一种交通信号灯的控制方法及车联网平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108806283A CN108806283A (zh) | 2018-11-13 |
| CN108806283B true CN108806283B (zh) | 2021-06-08 |
Family
ID=64053949
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710301727.7A Active CN108806283B (zh) | 2017-05-02 | 2017-05-02 | 一种交通信号灯的控制方法及车联网平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108806283B (zh) |
Families Citing this family (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109559509B (zh) * | 2018-11-16 | 2023-01-03 | 浩鲸云计算科技股份有限公司 | 一种基于突发事件下信控诱导分流方法 |
| CN109658692B (zh) * | 2018-12-25 | 2020-02-28 | 武汉纵横智慧城市股份有限公司 | 基于自组网的信号灯控制方法、装置、设备及存储介质 |
| CN111613071A (zh) * | 2019-02-25 | 2020-09-01 | 北京嘀嘀无限科技发展有限公司 | 一种信号灯调整方法、装置及系统 |
| CN111613070B (zh) * | 2019-02-25 | 2022-04-05 | 北京嘀嘀无限科技发展有限公司 | 交通信号灯控制方法、装置、电子设备和计算机存储介质 |
| CN110444018B (zh) * | 2019-07-30 | 2020-11-03 | 腾讯科技（深圳）有限公司 | 仿真城市系统的控制方法和装置、存储介质及电子装置 |
| US11328589B2 (en) * | 2020-01-29 | 2022-05-10 | Mitsubishi Electric Research Labroatories, Inc. | Adaptive control of vehicular traffic |
| CN111951549B (zh) * | 2020-08-04 | 2022-03-25 | 内蒙古大学 | 在网联车辆环境下的自适应交通信号灯控制方法及系统 |
| CN114078327B (zh) * | 2020-08-20 | 2023-01-24 | 浙江宇视科技有限公司 | 道路拥堵状态检测方法、装置、设备和存储介质 |
| CN112396829B (zh) * | 2020-09-29 | 2022-06-07 | 南京莱斯信息技术股份有限公司 | 一种基于正向雷达数据的交叉口拥堵指数计算方法 |
| CN114577978B (zh) * | 2020-11-18 | 2023-08-15 | 中移物联网有限公司 | 基于路侧单元的尾气超标车辆的检测方法及路侧单元 |
| CN112614356A (zh) * | 2020-12-15 | 2021-04-06 | 中国联合网络通信集团有限公司 | 交通控制方法和装置 |
| CN112651613A (zh) * | 2020-12-18 | 2021-04-13 | 航天信息股份有限公司 | 交管政务服务管理系统 |
| CN112967507A (zh) * | 2021-02-26 | 2021-06-15 | 安徽达尔智能控制系统股份有限公司 | 一种基于绿波智能诊断系统的智慧交通管控方法及系统 |
| CN115116237A (zh) * | 2021-03-17 | 2022-09-27 | 博泰车联网科技(上海)股份有限公司 | 基于车联网交通灯智能调节方法、装置、存储介质和终端 |
| CN115148035A (zh) * | 2021-03-29 | 2022-10-04 | 广州汽车集团股份有限公司 | 一种基于智能网联汽车的城市级交通控制方法及系统 |
| CN113096420B (zh) * | 2021-03-31 | 2022-07-26 | 联想(北京)有限公司 | 一种信息处理方法、装置及系统 |
| CN113409593A (zh) * | 2021-06-25 | 2021-09-17 | 阿波罗智联(北京)科技有限公司 | 交通信号灯的控制信号生成方法、装置、电子设备和介质 |
| CN113487887A (zh) * | 2021-07-23 | 2021-10-08 | 京东城市(北京)数字科技有限公司 | 信号灯的控制方法、装置、电子设备及存储介质 |
| CN113850992A (zh) * | 2021-09-02 | 2021-12-28 | 南京微道科技有限公司 | 基于大数据的交通灯调控装置和方法 |
| CN113920730B (zh) * | 2021-10-11 | 2022-12-06 | 北京易华录信息技术股份有限公司 | 一种信号灯的时间分配方法、装置、电子设备及存储介质 |
| CN113879435B (zh) * | 2021-11-01 | 2022-11-01 | 深圳市乐骑智能科技有限公司 | 基于物联网电动滑板车转向灯自动控制方法及电动滑板车 |
| CN114170795B (zh) * | 2021-11-20 | 2023-04-07 | 武汉鑫弘凯交通科技有限公司 | 一种智能交通系统中的物联网交通监测系统的使用方法 |
| CN114399910B (zh) * | 2021-12-31 | 2023-07-28 | 深圳云天励飞技术股份有限公司 | 交通控制方法及相关设备 |
| CN115527382B (zh) * | 2022-09-08 | 2023-04-18 | 安徽交控信息产业有限公司 | 一种基于智能多目标优化算法的交通控制方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103295406A (zh) * | 2013-06-24 | 2013-09-11 | 广州万客达电子科技有限公司 | 智能交通防拥堵系统和装置 |
| CN103593976A (zh) * | 2013-11-28 | 2014-02-19 | 青岛海信网络科技股份有限公司 | 基于检测器确定道路交通状态的方法及系统 |
| CN104732766A (zh) * | 2015-04-08 | 2015-06-24 | 王蕾 | 信号灯前交通路口拥堵指数检测方法 |
| CN104916066A (zh) * | 2014-08-24 | 2015-09-16 | 李娜 | 交通路口信号灯自适应控制系统 |
| CN105225504B (zh) * | 2015-04-08 | 2016-05-25 | 江苏豪纬交通集团有限公司 | 信号灯前交通路口拥堵指数检测系统 |
| KR20160110753A (ko) * | 2015-03-11 | 2016-09-22 | 아주대학교산학협력단 | 감응식 교통 신호 제어 방법 및 장치 |
| CN106408945A (zh) * | 2016-11-28 | 2017-02-15 | 北京掌行通信息技术有限公司 | 一种交通拥堵评价方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9555811B2 (en) * | 2011-10-28 | 2017-01-31 | Thinkware Corporation | Method and apparatus for providing analysis index of roadway section based on road and traffic conditions |
-
2017
- 2017-05-02 CN CN201710301727.7A patent/CN108806283B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103295406A (zh) * | 2013-06-24 | 2013-09-11 | 广州万客达电子科技有限公司 | 智能交通防拥堵系统和装置 |
| CN103593976A (zh) * | 2013-11-28 | 2014-02-19 | 青岛海信网络科技股份有限公司 | 基于检测器确定道路交通状态的方法及系统 |
| CN104916066A (zh) * | 2014-08-24 | 2015-09-16 | 李娜 | 交通路口信号灯自适应控制系统 |
| KR20160110753A (ko) * | 2015-03-11 | 2016-09-22 | 아주대학교산학협력단 | 감응식 교통 신호 제어 방법 및 장치 |
| CN104732766A (zh) * | 2015-04-08 | 2015-06-24 | 王蕾 | 信号灯前交通路口拥堵指数检测方法 |
| CN105225504B (zh) * | 2015-04-08 | 2016-05-25 | 江苏豪纬交通集团有限公司 | 信号灯前交通路口拥堵指数检测系统 |
| CN106408945A (zh) * | 2016-11-28 | 2017-02-15 | 北京掌行通信息技术有限公司 | 一种交通拥堵评价方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于浮动车的深圳市道路交通运行评价研究;吕北岳;《中国博士学位论文全文数据库 工程科技II辑》;20170731;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108806283A (zh) | 2018-11-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108806283B (zh) | 一种交通信号灯的控制方法及车联网平台 | |
| US11380195B2 (en) | Road traffic analysis methods and apparatuses | |
| CN114418468B (zh) | 一种智慧城市交通调度策略控制方法和物联网系统 | |
| CN108053661B (zh) | 一种交通控制的方法及装置 | |
| US20190188800A1 (en) | Controlling autonomous vehicles to optimize traffic characteristics | |
| CN106384519B (zh) | 交通灯控制方法及装置 | |
| CN110907966A (zh) | 物联网时代下基于实时车流量的应急车辆导航系统及方法 | |
| CN108873905A (zh) | 自动驾驶车辆控制方法、自动驾驶车辆及可读存储介质 | |
| CN111613070B (zh) | 交通信号灯控制方法、装置、电子设备和计算机存储介质 | |
| Vreeswijk et al. | Energy efficient traffic management and control-the eCoMove approach and expected benefits | |
| CN105390000A (zh) | 一种基于路况交通大数据的交通信号控制系统及方法 | |
| CN105225500A (zh) | 一种交通控制辅助决策方法及装置 | |
| CN111968370B (zh) | 一种微波雷达智能可变车道感知系统及方法 | |
| CN111091295B (zh) | 一种城市区域边界控制系统 | |
| CN109300316B (zh) | 一种道路缓堵控制方法、系统及设备 | |
| CN112767683B (zh) | 一种基于反馈机制的路径诱导方法 | |
| CN103914988A (zh) | 一种交通路况数据处理方法、装置和系统 | |
| CN113808401A (zh) | 交通拥堵预测方法、装置、设备及存储介质 | |
| CN113807270A (zh) | 道路拥堵检测方法、装置及电子设备 | |
| CN116129650B (zh) | 一种基于大数据分析的交通预警系统及其方法 | |
| CN113411375A (zh) | 信息处理方法、设备及计算机存储介质 | |
| Li et al. | Cloud aided safety-based route planning | |
| CN116580565B (zh) | 一种基于云计算的政务大数据分析系统 | |
| CN116734883A (zh) | 一种道路拥堵预测及智能领航系统 | |
| CN113516857A (zh) | 一种基于雷达监测的交叉口信号配时动态调配方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |