CN110660220A - 一种城市轨道列车优先路权分配方法以及系统 - Google Patents
一种城市轨道列车优先路权分配方法以及系统 Download PDFInfo
- Publication number
- CN110660220A CN110660220A CN201910948251.5A CN201910948251A CN110660220A CN 110660220 A CN110660220 A CN 110660220A CN 201910948251 A CN201910948251 A CN 201910948251A CN 110660220 A CN110660220 A CN 110660220A
- Authority
- CN
- China
- Prior art keywords
- intersection
- train
- rail train
- pedestrian
- vehicle
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/087—Override of traffic control, e.g. by signal transmitted by an emergency vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/48—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for in-vehicle communication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30236—Traffic on road, railway or crossing
Abstract
本发明提供一种城市轨道列车优先路权分配方法以及系统,本发明通过利用双目相机获取交叉路口人行道的图像,并利用激光雷达实时获取交叉路口人行道上行人和车辆的位置和速度;并利用YOLOV3算法得到行人的准确位置和速度,并利用车载GPS实时获取列车的速度和位置,并根据人行道上行人的情况控制列车通行,本发明不仅保证了列车的优先路权,同时降低了交通事故的发生;通过利用YOLOV3算法提取的深度特征和激光雷采集的三维点云数据,实现行人立体定位,从而准确建立行人的正常轨迹,进一步降低了交通事故率;对保障运动行人安全、车辆安全运营具有重要的工程应用价值;实现综合距离、运动态势的行人安全风险自主辨识与预警规范。
Description
技术领域
本发明涉及轨道交通技术领域,尤其是一种城市轨道列车优先路权分配方法以及系统。
背景技术
随着城市轨道交通方式的不断涌现,城市轨道列车出现在人们的生活中。当前,城市轨道交通中发展的比较好主要是地铁,拥有独立路权。国办发〔2018〕52号文件对城市轨道交通系统的建设条件做了严格的规定,地铁审批“门槛”大大提高。新型城市轨道交通成为中小型城市的主要发展方向,但新型城市轨道交通发展的主要瓶颈问题就是没有独立路权,其行至交叉路口时,依然会受交叉路口信号灯的限制。
城市轨道列车常见敷设型式为路段中专用路权,但是到了交叉口,由于受道路交通信号的控制,会与其他交通参与者产生直接的平面冲突。所以从交叉口混合路权的角度,列车与道路的协同是必不可少的。在安全方面,新型城市轨道列车与地铁等轨道交通不一样,它不在封闭区间内运行。国内外一些相关统计数据表明,列车的安全事故80%以上都是发生在交叉口附近的区域内。在效率方面,新型城市轨道列车的定位为中低运量公交。在这种中低运量的规模下,需要得到一定的信号优先来保证运行速度和服务水平。如果没有有效的协同控制,列车的运行效率往往会受交叉口的制约,其延误率非常高。列车的效率将基本等同于常规公交,甚至更低,无法与机动车形成竞争。
目前在运营的有轨电车通过交叉路口时,多数采用一种类似“固定闭塞”的模式,即列车将要到达十字路口时,无论十字路口目前处于什么状况,在与有轨电车相垂直的道必须变红灯且停止通行,这样虽然保证了有轨电车的优先通行权,但是这种模式既没有安全预警机制,且更易导致交叉路况复杂化,不利于道路通畅。
发明内容
针对现有技术的不足,本发明提供一种城市轨道列车优先路权智能分配系统,实现交叉路口车辆、行人运动参数与列车运动参数的合理匹配,保证列车到达交叉路口前,路口内车辆和行人已清空。
本发明的技术方案为:
一种城市轨道列车优先路权分配方法,包括以下步骤:
S1)、利用双目相机获取交叉路口人行道的图像,并利用激光雷达实时获取交叉路口人行道上行人和车辆的位置和速度;
S2)、利用YOLOV3算法对双目相机实时获取的人行道图像进行图像检测,提取图像的深度特征,对道路交叉口的参与者进行识别分类,并利用激光雷采集的三维点云数据得到交叉路口行人或车辆的位置S1、速度V1,以及行人或车辆通过人行道的最长时间T1;并根据识别结果建立正常轨迹、异常轨迹的模式库,并评估模式的安全风险;
S3)、利用车载GPS实时获取轨道列车位置和速度,并根据轨道列车的位置和速度计算轨道列车距离交叉路口停止线的距离S2,以及到达交叉路口停止线的时间T2;
S4)、若轨道列车行驶方向为绿灯,且相应人行道上无行人或车辆,控制轨道列车鸣笛并通过交叉路口;
若轨道列车行驶方向为红灯,且相应人行道上有行人或者车辆,若轨道列车到达交叉路口停止线的时间T2大于车辆或行人通过人行道的最长时间T1,即T2>T1,则控制轨道列车鸣笛并顺利通过;若轨道列车到达交叉路口停止线的时间T2小于车辆或行人通过人行道的最长时间T1,即T2<T1,则调整轨道列车的速度至到达交叉路口停止线的时间T2大于车辆或行人通过人行道的最长时间T1,即T2>T1,且当轨道列车到达交叉路口停止线的时间等于车辆或行人通过人行道的最长时间时,信号控制系统将与轨道列车相垂直的方向调为红灯,并控制列车鸣笛示意。
优选的,步骤S2)中,利用YOLOV3算法对双目相机实时获取的人行道图像进行图像检测,提取图像的深度特征具体包括以下步骤:
S201)、采集不同交通环境下交叉路口人行道上的车辆和行人的图像作为训练集;
S202)、将训练集图像输入YOLOV3网络的对网络进行多任务训练;并利用训练得到的YOLOv3多种压缩模型之间存在的正交性加速行人检测识别;通过极大值抑制得到置信度最高的人体包围框;
S203)、将人体包围框进行切割提取,输入至HMM网络进行姿态估计建议,利用中心点回归原则进行姿态估计建议回归,得到行人态势分析及安全风险预测;
S204)、并利用激光雷达采集的三维点云数据联合标定,从而判断物体相对于双目相机坐标系的位置,其转化计算式如下:
通过将点云的极坐标的角度和距离信息转化为笛卡尔坐标系下的x,y,z坐标,其转换式如下:
当激光雷达扫描平面墙体时,呈现出类似双曲线分布轮廓图,这是由于激光雷达在圆形环境中扫描一周的路径为若干个向上或向下的圆锥面,其形成的点云图为圆形,当扫描的环境不为圆形时,其点云图为所有圆锥面与扫描环境的交线,因此,当激光雷达扫描平面墙体时,矩形面与圆锥面的交线为一系列的双曲线,即:
式中,式中,fu、fv、u0、v0是相机参数,fu、fv是相机XY轴方向尺度因子,u0、v0是,R,t,m11、m12、m13、m14、m21、m22、m23、m24、m31、m32、m33、m33为,r为实测距离,ω激光的垂直角度,α为激光的水平旋转角度,x、y、z分别为极坐标投影到X、Y、Z轴上的坐标。
本发明还提供一种城市轨道列车优先路权分配系统,包括
检测单元,包括至少一个双目相机和一个激光雷达,所述的双目相机设置在人行道上端,用于采集人行道上的行人和车辆图像;所述的激光雷达设置在十字路口中央,用于实时检测行人、车辆的速度和位置;
处理单元,用于利用YOLOV3算法对双目相机采集的图像进行图像检测,提取图像的深度特征,对道路交叉口的参与者进行识别分类,并利用激光雷采集的三维点云数据得到交叉路口行人或车辆的位置以及速度;并根据识别结果建立正常轨迹、异常轨迹的模式库,并评估模式的安全风险;
列车检测系统,所述的列车检测系统包括至少1个安装在轨道列车上的车载GPS,用于根据一定时间间隔内高速列车移动的距离,进而检测高速列车的速度和位置;根据列车速度和位置判断列车距离交叉路停止线的距离,以及到达交叉路停止线的时间;
中央控制器,用于根据处理单元和列车检测系统处理的信息控制轨道列车通行;
车载控制器,根据中央控制器的指令控制轨道列车。
优选的,所述的中央控制器获取列车检测系统传输的高速列车的速度信息、位置信息、以及距离交叉路口停止线的距离和到达交叉路口停止线的时间;
所述的中央控制器还用于获取处理单元处理的交叉路口行人和车辆的信息速度和位置信息;
若轨道列车行驶方向为绿灯,且相应人行道上无行人和车辆,中央控制器将相应的信息传输给车载控制器,控制轨道列车鸣笛并通过交叉路口;
若轨道列车行驶方向为绿灯,且相应人行道上有行人或者车辆时,若轨道列车到达交叉路口停止线的时间大于车辆或行人通过人行道的最长时间,中央控制箱将相应的信息传输给车载控制器,控制轨道列车鸣笛并顺利通过;若轨道列车到达交叉路口停止线的时间小于车辆或行人通过人行道的最长时间,中央控制将信息传输给车载控制器以调整轨道列车的速度,其中,调整后的列车速度等于列车距离交叉路口停止线的距离除行人或车辆通过人行道的最长时间,并控制列车鸣笛示意。
本发明的有益效果为:
1、本发明通过实时获取轨道列车行使方向的相应人行道的行人和车辆情况,不仅保证了列车的优先路权,同时降低了交通事故的发生;
2、本发明通过利用YOLOV3算法提取的深度特征和激光雷采集的三维点云数据,实现行人立体定位,进一步提高了采集信息的准确性,从而准确建立行人的正常轨迹,进一步降低了交通事故率;对保障运动行人安全、车辆安全运营具有重要的工程应用价值;
3、本发明通过行人运动模型,通过机器学习方法辨识距离、速度、人车关系的影响要素及其相互作用,计算行人安全边界条件,提出行人风险评价标准与高风险行人主动预警规范;综合距离、运动态势的行人安全风险自主辨识与预警规范。
附图说明
图1为本发明路权分配方法的流程示意图;
图2为本发明处理单元的处理流程图;
图3为本发明YOLOV3网络的结构图;
图4为本发明交叉路口的路线图;
图5为本发明系统的框架图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明:
如图1所示,一种城市轨道列车优先路权分配方法,包括以下步骤:
S1)、利用双目相机获取交叉路口人行道的图像,并利用激光雷达实时获取交叉路口人行道上行人和车辆的位置和速度;
S2)、利用YOLOV3算法对双目相机实时获取的人行道图像进行图像检测,提取图像的深度特征,对道路交叉口的参与者进行识别分类,并利用激光雷采集的三维点云数据得到交叉路口行人或车辆的位置S1、速度V1,以及行人或车辆通过人行道的最长时间T1;并根据识别结果建立正常轨迹、异常轨迹的模式库,并评估模式的安全风险;具体可参见图2,其中,本实施例中,如图3所示,所述的YOLOV3网络由53个全连接卷积层构成,其对图像的检测采用的是端对端的检测,将整个图片的分为S*S个区域,通过对具有物体的区域进行检测,即对行人或车辆的区域进行检测,其具有3个全卷积特征提取器,416*416大小的图像经YOLOV3网络处理后降维为52*52,26*26,13*13的图像,并分别具有3个全卷积特征提取器,其中,内核分别为1*1和3*3,。
S3)、利用车载GPS实时获取轨道列车位置和速度,并根据轨道列车的位置和速度计算轨道列车距离交叉路口停止线的距离S2,以及到达交叉路口停止线的时间T2;
S4)、若轨道列车行驶方向为绿灯,且相应人行道上无行人或车辆,控制轨道列车鸣笛并通过交叉路口;
若轨道列车行驶方向为绿灯,且相应人行道上有行人或者车辆,若轨道列车到达交叉路口停止线的时间T2大于车辆或行人通过人行道的最长时间T1,即T2>T1,则控制轨道列车鸣笛并顺利通过;若轨道列车到达交叉路口停止线的时间T2小于车辆或行人通过人行道的最长时间T1,即T2<T1,则调整轨道列车的速度V3,所述的V3等于列车距离交叉路口停止线的距离S2除行人或车辆通过人行道的最长时间T1,并控制列车鸣笛示意。
优选的,步骤S2)中,利用YOLOV3算法对双目相机实时获取的人行道图像进行图像检测,提取图像的深度特征,具体包括以下步骤:
S201)、采集不同交通环境下交叉路口人行道上的车辆和行人的图像作为训练集;
S202)、将训练集图像输入YOLOV3网络的对网络进行多任务训练;并利用训练得到的YOLOv3多种压缩模型之间存在的正交性加速行人检测识别;通过极大值抑制得到置信度最高的人体包围框;
S203)、将人体包围框进行切割提取,输入至HMM网络进行姿态估计建议,利用中心点回归原则进行姿态估计建议回归,得到行人态势分析及安全风险预测;
S204)、并利用激光雷达采集的三维点云数据联合标定,从而判断物体相对于双目相机坐标系的位置,其转化计算式如下:
通过将点云的极坐标的角度和距离信息转化为笛卡尔坐标系下的x,y,z坐标,其转换式如下:
当激光雷达扫描平面墙体时,呈现出类似双曲线分布轮廓图,这是由于激光雷达在圆形环境中扫描一周的路径为若干个向上或向下的圆锥面,其形成的点云图为圆形,当扫描的环境不为圆形时,其点云图为所有圆锥面与扫描环境的交线,因此,当激光雷达扫描平面墙体时,矩形面与圆锥面的交线为一系列的双曲线,即:
式中,fu、fv、u0、v0是相机参数,fu、fv是相机XY轴方向尺度因子,u0、v0是,R,t,m11、m12、m13、m14、m21、m22、m23、m24、m31、m32、m33、m33为,r为实测距离,ω激光的垂直角度,α为激光的水平旋转角度,x、y、z分别为极坐标投影到X、Y、Z轴上的坐标。
如图4和5所示,本实施例提供一种城市轨道列车优先路权分配系统,包括
检测单元,包括至少一个双目相机和一个激光雷达,所述的双目相机设置在人行道上端,用于采集人行道上的行人和车辆图像;所述的激光雷达设置在十字路口中央,用于实时检测行人、车辆的速度和位置;
处理单元,用于利用YOLOV3算法对双目相机采集的图像进行图像检测,提取图像的深度特征,对道路交叉口的参与者进行识别分类,并利用激光雷采集的三维点云数据得到交叉路口行人或车辆的位置以及速度;并根据识别结果建立正常轨迹、异常轨迹的模式库,并评估模式的安全风险;
列车检测系统,所述的列车检测系统包括至少1个安装在轨道列车上的车载GPS,用于根据一定时间间隔内高速列车移动的距离,进而检测高速列车的速度和位置;根据列车速度和位置判断列车距离交叉路停止线的距离,以及到达交叉路停止线的时间;
中央控制器,用于根据处理单元和列车检测系统处理的信息控制轨道列车通行;
车载控制器,根据中央控制器的指令控制轨道列车。
所述的中央控制器实时获取列车检测系统传输的高速列车的速度信息、位置信息、以及距离交叉路口停止线的距离和到达交叉路口停止线的时间;以及处理单元处理的交叉路口行人和车辆的信息速度和位置信息;
若轨道列车行驶方向为绿灯,且相应人行道上无行人和车辆,中央控制器将相应的信息传输给车载控制器,控制轨道列车鸣笛并通过交叉路口;
若轨道列车行驶方向为红灯,且相应人行道上有行人或者车辆时,若轨道列车到达交叉路口停止线的时间大于车辆或行人通过人行道的最长时间,中央控制箱将相应的信息传输给车载控制器,控制轨道列车鸣笛并顺利通过;若轨道列车到达交叉路口停止线的时间小于车辆或行人通过人行道的最长时间,中央控制将信息传输给车载控制器以调整轨道列车的速度,其中,轨道列车调速至到达交叉路口停止线的时间大于车辆或行人通过人行道的最长时间,且当轨道列车到达交叉路口停止线的时间等于车辆或行人通过人行道的最长时间时,信号控制系统将与轨道列车相垂直的方向调为红灯,并控制列车鸣笛示意。
上述实施例和说明书中描述的只是说明本发明的原理和最佳实施例,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。
Claims (4)
1.一种城市轨道列车优先路权分配方法,其特征在于,包括以下步骤:
S1)、利用双目相机获取交叉路口人行道的图像,并利用激光雷达实时获取交叉路口人行道上行人和车辆的位置和速度;
S2)、利用YOLOV3算法对双目相机实时获取的人行道图像进行图像检测,提取图像的深度特征,对道路交叉口的参与者进行识别分类,并利用激光雷采集的三维点云数据得到交叉路口行人或车辆的位置S1、速度V1,以及行人或车辆通过人行道的最长时间T1;并根据识别结果建立正常轨迹、异常轨迹的模式库,并评估模式的安全风险;
S3)、利用车载GPS实时获取轨道列车位置和速度,并根据轨道列车的位置和速度计算轨道列车距离交叉路口停止线的距离S2,以及到达交叉路口停止线的时间T2;
S4)、若轨道列车行驶方向为绿灯,且相应人行道上无行人或车辆,控制轨道列车鸣笛并通过交叉路口;
若轨道列车行驶方向为红灯,且相应人行道上有行人或者车辆;
若轨道列车到达交叉路口停止线的时间T2大于车辆或行人通过人行道的最长时间T1,即T2>T1,则控制轨道列车鸣笛并顺利通过;若轨道列车到达交叉路口停止线的时间T2小于车辆或行人通过人行道的最长时间T1,即T2<T1,则调整轨道列车的速度至到达交叉路口停止线的时间T2大于车辆或行人通过人行道的最长时间T1,即T2>T1,且当轨道列车到达交叉路口停止线的时间等于车辆或行人通过人行道的最长时间时,信号控制系统将与轨道列车相垂直的方向调为红灯,并控制列车鸣笛示意。
2.根据权利要求1所述的一种城市轨道列车优先路权分配方法,其特征在于:步骤S2)中,利用YOLOV3算法对双目相机实时获取的人行道图像进行图像检测,提取图像的深度特征,具体包括以下步骤:
S201)、采集不同交通环境下交叉路口人行道上的车辆和行人的图像作为训练集;
S202)、将训练集图像输入YOLOV3网络的对网络进行多任务训练;并利用训练得到的YOLOv3多种压缩模型之间存在的正交性加速行人检测识别;通过极大值抑制得到置信度最高的人体包围框;
S203)、将人体包围框进行切割提取,输入至HMM网络进行姿态估计建议,利用中心点回归原则进行姿态估计建议回归,得到行人态势分析及安全风险预测;
S204)、并利用激光雷达采集的三维点云数据联合标定,从而判断物体相对于双目相机坐标系的位置,其转化计算式如下:
通过将点云的极坐标的角度和距离信息转化为笛卡尔坐标系下的x,y,z坐标,其转换式如下:
当激光雷达扫描平面墙体时,呈现出类似双曲线分布轮廓图,这是由于激光雷达在圆形环境中扫描一周的路径为若干个向上或向下的圆锥面,其形成的点云图为圆形,当扫描的环境不为圆形时,其点云图为所有圆锥面与扫描环境的交线,因此,当激光雷达扫描平面墙体时,矩形面与圆锥面的交线为一系列的双曲线,即:
式中,fu、fv、u0、v0是相机参数,fu、fv是相机XY轴方向尺度因子,u0、v0是,R,t,m11、m12、m13、m14、m21、m22、m23、m24、m31、m32、m33、m33为,r为实测距离,ω激光的垂直角度,α为激光的水平旋转角度,x、y、z分别为极坐标投影到X、Y、Z轴上的坐标。
3.一种城市轨道列车优先路权分配系统,其特征在于:包括
检测单元,包括至少一个双目相机和一个激光雷达,所述的双目相机设置在人行道上端,用于采集人行道上的行人和车辆图像;所述的激光雷达设置在十字路口中央,用于实时检测行人、车辆的速度和位置;
处理单元,用于利用YOLOV3算法对双目相机采集的图像进行图像检测,提取图像的深度特征,对道路交叉口的参与者进行识别分类,并利用激光雷采集的三维点云数据得到交叉路口行人或车辆的位置以及速度;并根据识别结果建立正常轨迹、异常轨迹的模式库,并评估模式的安全风险;
列车检测系统,所述的列车检测系统包括至少1个安装在轨道列车上的车载GPS,用于根据一定时间间隔内高速列车移动的距离,进而检测高速列车的速度和位置;根据列车速度和位置判断列车距离交叉路停止线的距离,以及到达交叉路停止线的时间;
中央控制器,用于根据处理单元和列车检测系统处理的信息控制轨道列车通行;
车载控制器,用于根据中央控制器的指令控制轨道列车通行或调整列车的速度。
4.根据权利要求3所述的一种城市轨道列车优先路权分配系统,其特征在于:所述的中央控制器获取列车检测系统传输的高速列车的速度信息、位置信息、以及距离交叉路口停止线的距离和到达交叉路口停止线的时间;
所述的中央控制器还用于获取处理单元处理的交叉路口行人和车辆的信息速度和位置信息;
若轨道列车行驶方向为绿灯,且相应人行道上无行人和车辆,中央控制器将相应的信息传输给车载控制器,控制轨道列车鸣笛并通过交叉路口;
若轨道列车行驶方向为红灯,且相应人行道上有行人或者车辆时,若轨道列车到达交叉路口停止线的时间大于车辆或行人通过人行道的最长时间,中央控制箱将相应的信息传输给车载控制器,控制轨道列车鸣笛并顺利通过;若轨道列车到达交叉路口停止线的时间小于车辆或行人通过人行道的最长时间,中央控制将信息传输给车载控制器以调整轨道列车的速度,其中,轨道列车调速至到达交叉路口停止线的时间大于车辆或行人通过人行道的最长时间,且当轨道列车到达交叉路口停止线的时间等于车辆或行人通过人行道的最长时间时,信号控制系统将与轨道列车相垂直的方向调为红灯,并控制列车鸣笛示意。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910948251.5A CN110660220B (zh) | 2019-10-08 | 2019-10-08 | 一种城市轨道列车优先路权分配方法以及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910948251.5A CN110660220B (zh) | 2019-10-08 | 2019-10-08 | 一种城市轨道列车优先路权分配方法以及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110660220A true CN110660220A (zh) | 2020-01-07 |
CN110660220B CN110660220B (zh) | 2022-01-28 |
Family
ID=69038540
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910948251.5A Active CN110660220B (zh) | 2019-10-08 | 2019-10-08 | 一种城市轨道列车优先路权分配方法以及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110660220B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111462488A (zh) * | 2020-04-01 | 2020-07-28 | 北京工业大学 | 一种基于深度卷积神经网络和交叉口行为特征模型的交叉口安全风险评估方法 |
CN111477011A (zh) * | 2020-04-08 | 2020-07-31 | 图达通智能科技(苏州)有限公司 | 一种用于道路路口预警的检测装置及检测方法 |
CN112750334A (zh) * | 2020-12-21 | 2021-05-04 | 华南理工大学 | 一种基于Petri网的场馆自动驾驶车辆集中控制方法 |
US20220108607A1 (en) * | 2020-12-21 | 2022-04-07 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Method of controlling traffic, electronic device, roadside device, cloud control platform, and storage medium |
CN114892556A (zh) * | 2021-08-16 | 2022-08-12 | 苏州工业园区科佳自动化有限公司 | 一种新型智慧斑马线系统 |
CN114892556B (zh) * | 2021-08-16 | 2024-04-26 | 苏州工业园区科佳自动化有限公司 | 一种新型智慧斑马线系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6157322A (en) * | 1993-11-09 | 2000-12-05 | Anderson; Merrill J. | Automated railroad crossing warning system |
CN105702044A (zh) * | 2016-04-26 | 2016-06-22 | 哈尔滨工业大学 | 一种考虑非优先相位车辆延误增加上限的有轨电车优先控制方法 |
CN105913674A (zh) * | 2016-05-16 | 2016-08-31 | 上海市城市建设设计研究总院 | 多交叉口离线协调的有轨电车信号优先方法 |
CN106251656A (zh) * | 2016-10-12 | 2016-12-21 | 上海市城市建设设计研究总院 | 基于有轨电车主动运行控制系统的交叉口通行控制方法 |
CN106710256A (zh) * | 2017-01-23 | 2017-05-24 | 同济大学 | 一种专有路权下有轨电车信号被动优先方法 |
CN106971569A (zh) * | 2017-03-27 | 2017-07-21 | 华南理工大学 | 基于预测有轨电车到达交叉口时刻的信号优先控制方法 |
CN109102702A (zh) * | 2018-08-24 | 2018-12-28 | 南京理工大学 | 基于视频车辆检测和雷达信号融合的车辆测速方法 |
CN109308801A (zh) * | 2018-08-28 | 2019-02-05 | 五邑大学 | 一种城市轨道列车优先路权分配系统 |
-
2019
- 2019-10-08 CN CN201910948251.5A patent/CN110660220B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6157322A (en) * | 1993-11-09 | 2000-12-05 | Anderson; Merrill J. | Automated railroad crossing warning system |
CN105702044A (zh) * | 2016-04-26 | 2016-06-22 | 哈尔滨工业大学 | 一种考虑非优先相位车辆延误增加上限的有轨电车优先控制方法 |
CN105913674A (zh) * | 2016-05-16 | 2016-08-31 | 上海市城市建设设计研究总院 | 多交叉口离线协调的有轨电车信号优先方法 |
CN106251656A (zh) * | 2016-10-12 | 2016-12-21 | 上海市城市建设设计研究总院 | 基于有轨电车主动运行控制系统的交叉口通行控制方法 |
CN106710256A (zh) * | 2017-01-23 | 2017-05-24 | 同济大学 | 一种专有路权下有轨电车信号被动优先方法 |
CN106971569A (zh) * | 2017-03-27 | 2017-07-21 | 华南理工大学 | 基于预测有轨电车到达交叉口时刻的信号优先控制方法 |
CN109102702A (zh) * | 2018-08-24 | 2018-12-28 | 南京理工大学 | 基于视频车辆检测和雷达信号融合的车辆测速方法 |
CN109308801A (zh) * | 2018-08-28 | 2019-02-05 | 五邑大学 | 一种城市轨道列车优先路权分配系统 |
Non-Patent Citations (1)
Title |
---|
欧冬秀,陈丽璇,施莉娟,何向俊,董德存: "基于交叉口信号优先的有轨电车车速引导控制模型及实现方法的研究", 《铁道学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111462488A (zh) * | 2020-04-01 | 2020-07-28 | 北京工业大学 | 一种基于深度卷积神经网络和交叉口行为特征模型的交叉口安全风险评估方法 |
CN111462488B (zh) * | 2020-04-01 | 2021-09-10 | 北京工业大学 | 一种基于深度卷积神经网络和交叉口行为特征模型的交叉口安全风险评估方法 |
CN111477011A (zh) * | 2020-04-08 | 2020-07-31 | 图达通智能科技(苏州)有限公司 | 一种用于道路路口预警的检测装置及检测方法 |
CN112750334A (zh) * | 2020-12-21 | 2021-05-04 | 华南理工大学 | 一种基于Petri网的场馆自动驾驶车辆集中控制方法 |
US20220108607A1 (en) * | 2020-12-21 | 2022-04-07 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Method of controlling traffic, electronic device, roadside device, cloud control platform, and storage medium |
CN114892556A (zh) * | 2021-08-16 | 2022-08-12 | 苏州工业园区科佳自动化有限公司 | 一种新型智慧斑马线系统 |
CN114892556B (zh) * | 2021-08-16 | 2024-04-26 | 苏州工业园区科佳自动化有限公司 | 一种新型智慧斑马线系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110660220B (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110660220B (zh) | 一种城市轨道列车优先路权分配方法以及系统 | |
Lv et al. | LiDAR-enhanced connected infrastructures sensing and broadcasting high-resolution traffic information serving smart cities | |
CN101075376B (zh) | 基于多视点的智能视频交通监控系统及方法 | |
JP6082802B2 (ja) | 物体検知装置 | |
CN109484393B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
US20220230449A1 (en) | Automatically perceiving travel signals | |
CN106530794A (zh) | 行车道路的自动识别和校准方法及系统 | |
MX2015001228A (es) | Dispositivo de deteccion de objetos tridimensionales, y metodo de deteccion de objetos tridimensionales. | |
US11914041B2 (en) | Detection device and detection system | |
JP2008304344A (ja) | 物標検出装置 | |
WO2021227305A1 (en) | On-board systems for trains and methods of determining safe speeds and locations of trains | |
US20210208282A1 (en) | Detection device and detection system | |
CN114419874B (zh) | 基于路侧感知设备数据融合的目标行车安全风险预警方法 | |
CN114093165A (zh) | 一种基于路侧激光雷达的车辆-行人冲突自动识别方法 | |
JPH0933232A (ja) | 物体観測方法およびその方法を用いた物体観測装置、ならびにこの装置を用いた交通流計測装置および駐車場観測装置 | |
CN107564336B (zh) | 一种信号交叉口左转冲突预警系统及预警方法 | |
CN114694060A (zh) | 一种道路抛洒物检测方法、电子设备及存储介质 | |
CN112489125A (zh) | 一种堆场行人自动检测方法及装置 | |
CN115440052B (zh) | 一种基于大数据的交通流控制方法及装置 | |
CN110033611B (zh) | 路口引导装置和方法 | |
CN109466556B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
JP2019095875A (ja) | 車両制御装置、車両制御方法、およびプログラム | |
JP6614508B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
JP6827391B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
US11592565B2 (en) | Flexible multi-channel fusion perception |
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 |