CN109697866B - 一种边缘计算交通信号灯控制系统及控制方法 - Google Patents

Abstract

本发明涉及一种边缘计算交通信号灯控制系统及控制方法，包括：信息采集模块，用于采集道路目标区域的模拟信号，对所述模拟信号进行预处理，得到车流量信息；信息处理模块，用于根据车流量信息进行动态调整学习，获得第一交通信号灯配时策略；信息优化模块，用于根据预设算法和车流量信息对第一交通信号灯配时策略进行全局优化，得到第二交通信号灯配时策略。本发明实施例在信息优化模块与信息采集模块之间设置信息处理模块，缓解了信息优化模块的计算压力，提高了系统的响应速度。

Description

一种边缘计算交通信号灯控制系统及控制方法

技术领域

本发明属于通信与交通技术领域，具体涉及一种边缘计算交通信号灯控制系统及控制方法。

背景技术

随着城市的发展和人民生活水平的日益提高，车辆数量的急剧增长，导致城市道路交通系统的压力越来越大,随之而来的交通拥堵、交通事故频频出现,这些现象已经严重影响了人们的出行效率和生活质量，尤其在道路的交叉口最容易发生交通堵塞，并且还可能影响周围交叉口的车辆，扩大交通拥堵，而这些密集的车流提高了发生安全事故的概率，给人们的生命财产带来了巨大的威胁和损失，尤其对应对紧急消息的快速广播和紧急车辆的及时救援产生了极大的影响。

目前主流的交通信号控制方法可分为三类：固定分配时间控制、感应分配时间控制、自适应交通信号时间分配控制。

固定分配时间控制是目前存在的最常用的控制方法，根据历史交通信息来计算出不同日期的不同时段采用的交通信号灯的时间分配方案，对道路交通车流量进行单段式和多段式控制。这种方法固定在系统中重复的地执行直到人为去改变，该方法只适用于那些交通流较为稳定的场景。

感应式信号时间分配控制是利用各种传感器来检测车流量的信息，采用可编程的逻辑来控制信号的绿灯点亮时间，以响应实时的交通需求。与固定分配时间控制相比，感应时间分配控制是基于各种交通传感器在线采集的数据以完成实时的响应控制。

自适应交通信号时间分配控制提供了一种能够实时、自动调整交通信号灯状态的方法，目的是在交通参数随时间变化条件下，实现和保持控制系统全局性能的水平。

上述三种方法在进行交通信号时间分配控制时，传统的交通信号灯存在固定配时控制的缺陷；感应交通信号控制对信号周期时长、周期分界不敏感，缺乏全局的控制能力；自适应交通信号控制在数据流较大的情况下难以及时响应，这些都会产生交通堵塞，道路空间利用率不高的问题。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种边缘计算交通信号灯控制系统及控制方法。本发明要解决的技术问题通过以下技术方案实现：

本发明实施例提供了一种边缘计算交通信号灯控制系统，包括：

信息采集模块，用于采集道路目标区域的模拟信号，对所述模拟信号进行预处理，得到车流量信息；

信息处理模块，用于根据所述车流量信息进行动态调整学习，获得第一交通信号灯配时策略；

信息优化模块，用于根据预设算法和所述车流量信息对所述第一交通信号灯配时策略进行全局优化，得到第二交通信号灯配时策略。

在本发明的一个实施例中，所述信息采集模块包括雷达采集模块。

在本发明的一个实施例中，所述雷达采集模块包括：

雷达，用于采集所述模拟信号；

模拟滤波模块，用于对所述模拟信号进行低通滤波，得到模拟滤波信号；

AD转换模块，用于将所述模拟滤波信号转换为数字信号；

DSP模块，用于对所述数字信号进行快速傅氏变换和恒虚警阈值处理，得到所述车流量信息。

在本发明的一个实施例中，所述信息处理模块包括边缘基站。

在本发明的一个实施例中，所述动态调整学习公式为：

Q_t+1(s_t+1,a_t+1)＝(1-α)Q_t(s_t,a_t)+α×[r_t+1+γ×maxQ_t+1(s_t+1,a_t+1)]

其中，s为道路交叉口交通状态，a为交通信号灯配时策略，Q为s和a的表，α为学习效率，γ为折扣因子，r为执行交通信号灯配时策略a后的反馈，l为车流量信息。

在本发明的一个实施例中，所述信息优化模块包括云中心。

在本发明的一个实施例中，所述预设算法包括遗传算法、粒子群算法、蚁群算法、模拟退火算法中的任一种。

在本发明的一个实施例中，所述信息优化模块还用于输出所述第二交通信号灯配时策略至所述信息处理模块；

所述信息处理模块还用于将所述第二交通信号灯配时策略发送至信号灯。

本发明的另一个实施例提供了一种边缘计算交通信号灯控制方法，包括步骤：

采集道路目标区域的模拟信号，对所述模拟信号进行预处理，得到车流量信息；

根据所述车流量信息进行动态调整学习，获得第一交通信号灯配时策略；

根据预设算法和所述车流量信息对所述第一交通信号灯配时策略进行全局优化，得到第二交通信号灯配时策略。

在本发明的一个实施例中，采集道路目标区域的模拟信号，对所述模拟信号进行预处理，得到车流量信息，包括：

采集所述模拟信号；

对所述模拟信号进行低通滤波，得到模拟滤波信号；

将所述模拟滤波信号转换为数字信号；

对所述数字信号进行快速傅氏变换和恒虚警阈值处理，得到所述车流量信息。

与现有技术相比，本发明的有益效果：

1、本发明在信息优化模块与信息采集模块之间设置信息处理模块，通过信息处理模块对信息采集模块采集的模拟信号进行动态调整得到车流量信息，然后在信息优化模块对车流量信息进行全局优化，减少了数据向信息优化模块的传输，缓解了信息优化模块的计算压力，提高了系统的响应速度，减缓了交通堵塞，提高了道路利用率。

2、本发明的边缘计算交通信号灯控制系统以传统的固定分配信号灯时间为基础，根据车流量信息利用Q学习实现对交通信号灯配时的动态或自适应调整控制，有效缓解了交通拥堵的情况。

3、本发明的边缘计算交通信号灯控制系统支持单点交通信号控制与多点交通信号控制的协调统一，具有全局优化控制的能力，极大提高了道路的空间资源利用率，有效地改善交通堵塞的情况。

附图说明

图1为本发明实施例提供的一种边缘计算交通信号灯控制系统的结构框架图。

图2为本发明实施例提供的另一种边缘计算交通信号灯控制系统的结构框架图。

具体实施方式

下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

实施例一

请参见图1，图1为本发明实施例提供的一种边缘计算交通信号灯控制系统的结构框架图，包括：信息采集模块、信息处理模块和信息优化模块。

在本发明的一个实施例中，信息采集模块用于采集道路目标区域的模拟信号，对模拟信号进行预处理，得到车流量信息。

进一步的，请参见图2，图2为本发明实施例提供的另一种边缘计算交通信号灯控制系统的结构框架图，信息采集模块包括但不限于雷达采集模块。

进一步的，雷达采集模块包括雷达、模拟滤波模块、AD转换模块和DSP模块，在这些模块中对模拟信号进行预处理。其中，预处理的过程包括：雷达用于采集并输出道路目标区域的模拟信号；模拟滤波模块连接雷达，用于接收模拟信号，并对模拟信号进行低通滤波，得到并输出模拟滤波信号；AD转换模块连接模拟滤波模块，用于接收模拟滤波信号，将模拟滤波信号进行AD转换，编程为数字信号，并输出数字信号；DSP模块连接AD转换模块，用于接收数字信号，对数字信号进行快速傅氏变换(FFT变换)和恒虚警阈值处理，得到并输出车流量信息。

具体的，道路目标区域是指雷达在安装固定好时所对应的扇区；进一步的，雷达固定安装好时，雷达的斜下方有一个回波反射区，采集的模拟信号为车行道回波反射区的模拟信号；进一步的，模拟信号就是回波反射区反射回的波形信号。

具体的，由于每一个运动的车辆都会产生一个峰值，DSP模块对数字信号进行FFT变换后，会提取出差频信号的峰值；但是提取出的峰值中可能会存在一些杂波，因此，在进行FFT变换后采用恒虚警阈值处理来筛选峰值，统计在阈值上的峰值，从而得到车辆的个数即车流量信息。

需要说明的是，每一个雷达对应一个扇区，城市有若干道路交叉口，因此，本发明实施例的边缘计算交通信号灯控制系统包括若干雷达采集模块，对应于若干信息采集模块。

在本发明的一个实施例中，信息采集模块输出的车流量信息通过网络模块实时的传输给信息处理模块；具体的，网络模块包括局域网。

在本发明的一个实施例中，信息处理模块，用于根据所述车流量信息进行动态调整学习，获得第一交通信号灯配时策略。进一步的，信息处理模块连接信息采集模块，当接收到信息采集模块发送的车流量信息后，信息处理模块根据车流量信息进行实时动态调整学习，学习完成后得到第一交通信号灯配时策略。

进一步的，信息处理模块包括但不限于边缘基站，动态调整学习包括但不限于Q学习；具体的，边缘基站由搭载Linux系统的Arm主板组成，边缘基站通过根据获得的道路交叉口的车流量信息，以传统的固定配时信号为基础，通过Q学习来动态调整局部道路交叉口的交通信号灯配时，得到第一交通信号灯配时策略。

进一步的，Q学习公式为：

Q_t+1(s_t+1,a_t+1)＝(1-α)Q_t(s_t,a_t)+α×[r_t+1+γ×maxQ_t+1(s_t+1,a_t+1)] (1)

其中，s为道路交叉口交通状态，a为交通信号灯配时策略，Q为s和a的表，α为学习效率，γ为折扣因子，r为执行交通信号灯配时策略a后的反馈，l为车流量信息。

进一步的，公式(1)中，s包括道路交叉口信号状态和车流量状态；Q学习中的Q为Q估计，Q估计就是在当前信号状态s下，对采取交通信号灯配时策略a后达到的车流量状态s所获得奖励值的估计。进一步的，每次Q学习决策时，估算所有配时方案所获得奖励的估计值，选取能获得最大预估奖励的动作来执行。

对于每一个交通信号灯配时策略和道路交叉口交通状态(s,a)，将a和s分别作为表格的行和列，可以得到一张Q表；其中，Q_t+1(s_t+1,a_t+1)是更新后的Q表中(s_t+1,a_t+1)处的Q值，Q_t(s_t,a_t)是指当前Q表s_t,a_t处的值，折扣因子γ处于(0～1)之间，maxQ_t+1(s_t+1,a_t+1)是更新后状态所能得到的最大Q值的估计。

进一步的，公式(2)中，执行交通信号灯配时策略a后的反馈r包括奖励和不予奖励两种情况：当当前车流量信息小于上一时刻的车流量信息即l_tk＞l_t(k+1)时，奖励为正，r_t(s,a)＝1；当当前车流量信息大于上一时刻的车流量信息时，不予奖励，r_t(s,a)＝0。

具体的，基于Q学习获得第一交通信号灯配时策略的方法为：以红灯时车辆数目最小为目标，选择传统的固定交通信号灯配时策略为基础，根据雷达采集模块输出的车流量信息，动态调整局部道路交叉口的绿灯信号分配时间；其中，局部道路交叉口是指一个边缘基站下所连接的雷达。进一步的，根据车流量的大小对绿灯信号分配时间划分等级，车流量越多，等级越高，对应的绿灯信号分配时间越长。

本发明的边缘计算交通信号灯控制系统以传统的固定分配信号灯时间为基础，根据车流量信息利用Q学习实现对交通信号灯配时的动态或自适应调整控制，有效缓解了交通拥堵的情况。

需要说明的是，一般情况下，该控制系统包括若干个边缘基站，对应于若干个信息处理模块；一个边缘基站下连接有多个雷达。

在本发明的一个实施例中，边缘基站通过网络模块将车流量信息和第一交通信号灯配时策略传输至信息优化模块，具体的，网络模块包括Internet。

在本发明的一个实施例中，信息优化模块用于根据预设算法和所述车流量信息对所述第一交通信号灯配时策略进行全局优化，得到第二交通信号灯配时策略。进一步的，信息优化模块连接信息处理模块，当接收到信息处理模块发送的第一交通信号灯配时策略和车流量信息后，根据预设算法和车流量信息对第一交通信号灯配时策略进行优化，得到第二交通信号灯配时策略。

进一步的，信息优化模块优化得到第二交通信号灯配时策略后，将第二交通信号灯配时策略发送至信息处理模块，信息处理模块再讲第二交通信号灯配时策略发送至信号灯。

进一步的，信息优化模块包括但不限于云中心。

进一步的，云中心从边缘基站获得各个道路交叉口的车流量信息和第一交通信号灯配时策略后，根据所有的道路交叉口的车流量信息对所有的第一交通信号灯配时策略进行全局优化，从而获得所有道路交叉口最优的交通信号灯配时策略，然后将该交通信号灯配时策略发送至各个边缘基站，各个边缘基站再将该交通信号灯配时策略发送至各个道路交叉口的信号灯上。

需要说明的是，第一交通信号灯配时策略是指与一个边缘基站所连接的雷达对应的道路交叉口的信号灯配时策略，是指局部的、一部分交通信号灯配时策略，每一个边缘基站对应多个第一交通信号灯配时策略；而第二交通信号灯配时策略是指云中心对所有边缘基站发送的第一交通信号灯配时策略进行优化后得到的方案，是指全局的、所有的交通信号灯配时策略。

进一步的，全局优化方法包括但不限于：遗传算法、粒子群算法、蚁群算法、模拟退火算法中的任一种。

进一步的，可以通过云中心实时监测各个道路交叉口的车流量信息，当遇到紧急情况时，可进行紧急交通管制，人为调整干预交通信号灯配时策略。进一步的，紧急情况包括：为消防车、救护车、抢险车等建立紧急通道，为特勤提前规划路线等；经过人为调整后的信号灯配时策略下发给信号灯进行交通管制。

本发明在信息优化模块与信息采集模块之间设置信息处理模块，通过信息处理模块对信息采集模块采集的模拟信号进行动态调整得到车流量信息，然后在信息优化模块对车流量信息进行全局优化，减少了数据向信息优化模块的传输，缓解了信息优化模块的计算压力，提高了系统的响应速度，减缓了交通堵塞，提高了道路利用率。

本发明实施例在云中心与雷达采集模块之间设置边缘基站，通过边缘基站对雷达采集模块采集的模拟信号进行计算得到车流量信息，然后在云中心对车流量信息进行全局优化，减少了数据向云中心的传输，缓解了云中心的计算压力，提高了系统的响应速度，减缓了交通堵塞，提高了道路利用率。

本发明实施例的边缘计算交通信号灯控制系统支持单点交通信号控制与多点交通信号控制的协调统一，具有全局优化控制的能力，极大的提高了道路的空间资源利用率，有效地改善交通堵塞的情况。

实施例二

本发明实施例还提供了一种边缘计算交通信号灯控制方法，包括步骤：

S1、验证数据传输的正确性。

S11、初始化系统：启动各个道路交叉口的雷达采集模块，启动各个边缘基站，启动云中心。包括：

S12、通过网络建立雷达采集模块、边缘基站与云中心的连接，验证数据传输的正确性。进一步的，验证数据传输的正确性是指：云中心给某一个道路交叉口的信号灯发送交通信号灯配时策略，如给信号灯发送一个周期内有50s绿灯、40s红灯的配时策略，看看对应的信号灯显示是否一致。

S2、采集道路目标区域的模拟信号，对所述模拟信号进行预处理，得到车流量信息。

进一步的，根据雷达下方的模拟扇区，采集道路返回的模拟信号，经过模拟电路滤波、AD转换、快速傅氏变换、恒虚警自适应阈值处理，获得个各道路交叉口的车流量信息。

进一步的，经过模拟电路滤波、AD转换、快速傅氏变换、恒虚警自适应阈值处理包括：接收所述模拟信号，对所述模拟信号进行低通滤波，得到并输出模拟滤波信号；接收所述模拟滤波信号，将所述模拟滤波信号进行AD转换，转换为数字信号，输出所述数字信号；接收所述数字信号，对所述数字信号进行快速傅氏变换和恒虚警阈值处理，得到并输出所述车流量信息。

S3、根据所述车流量信息进行动态调整学习，获得第一交通信号灯配时策略。包括：

S31、边缘基站通过局域网访问各个道路交叉口雷达模块返回的车流量信息，进行本地缓存。

S32、边缘基站以传统固定分配信号时间为基础，根据车流量信息调整评价函数，通过Q学习动态调整局部道路交叉口的信号灯信号配时；当目前的车流量信息小于上一时刻的车流量信息，奖励为正，当目前的车流量信息大于上一时刻的车流量信息时，不予奖励。动态调整学习完毕后，获得第一交通信号灯配时策略，并将第一交通信号灯配时策略与车流量信息一起输出。

S4、根据预设算法和所述车流量信息对所述第一交通信号灯配时策略进行全局优化，得到第二交通信号灯配时策略。包括：

云中心通过网络获得各个边缘基站各道路交叉口的车流量信息与对应交通信号灯的配时信息，通过遗传算法调整优化获得全局信号配时方案，然后通过边缘基站将交通信号灯配时方案对应发送给各个道路交叉口的信号灯。

进一步的，调整优化获得全局信号配时方案还可以通过粒子群算法、蚁群算法、模拟退火算法等算法来实现。

另外，通过在云中心获得的交通流量信息，可以实时监控各道路交叉口的交通状况，也可人为调整干预交通信号灯的配时，进行应急处理与交通管制。

本发明实施例提供的边缘计算交通信号灯控制方法中的各步骤，与上述控制系统实施例的各模块一一对应，其实现原理和技术效果类似，在此不再赘述。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (7)

1.一种边缘计算交通信号灯控制系统，其特征在于，包括：

信息采集模块，用于采集道路目标区域的模拟信号，对所述模拟信号进行预处理，得到车流量信息；其中，所述信息采集模块包括多个雷达采集模块；

信息处理模块，通过网络模块与所述信息采集模块连接，用于根据所述车流量信息进行动态调整学习，以红灯时车辆数目最小为目标，选择传统的固定交通信号灯配时策略为基础，根据所述车流量信息动态调整局部道路交叉口的绿灯信号分配时间，使绿灯信号分配时间的长短与车流量的大小相对应，获得第一交通信号灯配时策略；其中，所述信息处理模块包括多个边缘基站，所述第一交通信号灯配时策略为一个边缘基站所连接的雷达对应的道路交叉口的信号灯配时策略；

信息优化模块，通过网络模块与所述信息处理模块连接，用于根据预设算法和所述车流量信息对所述第一交通信号灯配时策略进行全局优化，得到第二交通信号灯配时策略；其中，所述信息优化模块包括一个云中心，所述第二交通信号灯配时策略为云中心对所有边缘基站发送的第一交通信号灯配时策略进行优化后得到的方案。

2.如权利要求1所述的边缘计算交通信号灯控制系统，其特征在于，所述雷达采集模块包括：

雷达，用于采集所述模拟信号；

模拟滤波模块，用于对所述模拟信号进行低通滤波，得到模拟滤波信号；

AD转换模块，用于将所述模拟滤波信号转换为数字信号；

DSP模块，用于对所述数字信号进行快速傅氏变换和恒虚警阈值处理，得到所述车流量信息。

3.如权利要求1所述的边缘计算交通信号灯控制系统，其特征在于，所述动态调整学习公式为：

Q_t+1(s_t+1,a_t+1)＝(1-α)Q_t(s_t,a_t)+α×[r_t+1+γ×maxQ_t+1(s_t+1,a_t+1)]

其中，s为道路交叉口交通状态，a为交通信号灯配时策略，Q为s和a的表，α为学习效率，γ为折扣因子，r为执行交通信号灯配时策略a后的反馈，l为车流量信息。

4.如权利要求1所述的边缘计算交通信号灯控制系统，其特征在于，所述预设算法包括遗传算法、粒子群算法、蚁群算法、模拟退火算法中的任一种。

5.如权利要求1所述的边缘计算交通信号灯控制系统，其特征在于，

所述信息优化模块还用于输出所述第二交通信号灯配时策略至所述信息处理模块；

所述信息处理模块还用于将所述第二交通信号灯配时策略发送至信号灯。

6.一种边缘计算交通信号灯控制方法，其特征在于，采用如权利要求1所述的边缘计算交通信号灯控制系统进行控制，包括步骤：

采集道路目标区域的模拟信号，对所述模拟信号进行预处理，得到车流量信息；

根据所述车流量信息进行动态调整学习，以红灯时车辆数目最小为目标，选择传统的固定交通信号灯配时策略为基础，根据所述车流量信息动态调整局部道路交叉口的绿灯信号分配时间，使绿灯信号分配时间的长短与车流量的大小相对应，获得第一交通信号灯配时策略；其中，所述第一交通信号灯配时策略为一个边缘基站所连接的雷达对应的道路交叉口的信号灯配时策略；

根据预设算法和所述车流量信息对所述第一交通信号灯配时策略进行全局优化，得到第二交通信号灯配时策略；其中，所述第二交通信号灯配时策略为云中心对所有边缘基站发送的第一交通信号灯配时策略进行优化后得到的方案。

7.如权利要求6所述的边缘计算交通信号灯控制方法，其特征在于，采集道路目标区域的模拟信号，对所述模拟信号进行预处理，得到车流量信息，包括：

采集所述模拟信号；

对所述模拟信号进行低通滤波，得到模拟滤波信号；

将所述模拟滤波信号转换为数字信号；

对所述数字信号进行快速傅氏变换和恒虚警阈值处理，得到所述车流量信息。

Images