CN111179610A - 一种交通信号设备的控制方法及装置 - Google Patents
一种交通信号设备的控制方法及装置 Download PDFInfo
- Publication number
- CN111179610A CN111179610A CN202010055626.8A CN202010055626A CN111179610A CN 111179610 A CN111179610 A CN 111179610A CN 202010055626 A CN202010055626 A CN 202010055626A CN 111179610 A CN111179610 A CN 111179610A
- Authority
- CN
- China
- Prior art keywords
- traffic
- target
- image data
- characteristic information
- current
- 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
- G08G1/07—Controlling traffic signals
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种交通信号设备的控制方法及装置,涉及数据处理技术领域,方法包括:获取当前时刻交通信号设备关联的目标路口的交通图像数据;根据交通图像数据获得目标路口的当前交通特征信息;根据当前交通特征信息,获得目标路口的交通信号设备的调整参数;根据调整参数控制交通信号设备的状态变更时间。在本申请实施例中能够根据实时数据的计算实时调整交通信号设备的状态变更时间,能够应对各种突发交通场景,并提供实时的解决方案,有效改善了目标路口的交通拥堵情况,提高了目标路口的通行率。
Description
技术领域
本发明实施例涉及数据处理技术领域,尤其涉及一种交通信号设备的控制方法及装置。
背景技术
阶段随着我国城市道路的迅速扩张、汽车保有量剧增,加剧了城市道路拥堵,给城市交通控制与管理带来巨大的压力,而城市路网中的平面交叉即道路的相交点,成为了城市道路网络交通流的运行瓶颈。其中,城市交通信号设备的控制方式会影响城市路网中的通行效率。
现有技术中,通常是根据历史交通数据来调整交通信号设备的控制方式,例如通过某交通信号设备对应的多个路段的历史交通数据,确定历史拥堵程度、历史通行效率等信息,来调整交通信号设备的控制方案,例如调整交通信号设备的某个状态的显示时长等。
但是城市交通系统的运行是复杂多变的,道路交通系统又随着时间和空间的变化不断变化,如上下班高峰期或者出现交通事故、暴雨暴雪或其它突发事件时,交通系统将出现严重堵塞甚至瘫痪。所以现有技术中对交通信号设备的控制方法不能应对突发情况,调整方式不灵活。
发明内容
本申请实施例提供一种交通信号设备的控制方法及装置,能够实时交通信号设备的控制调整,适用于各种突发交通场景。
一方面,本申请实施例提供一种交通信号设备的控制方法,方法包括:
获取当前时刻交通信号设备关联的目标路口的交通图像数据;
根据交通图像数据获得目标路口的当前交通特征信息;
根据当前交通特征信息,获得目标路口的交通信号设备的调整参数;
根据调整参数控制交通信号设备的状态变更时间。
一方面,本申请实施例提供一种交通信号设备的控制装置,包括:
获取单元,用于获取当前时刻交通信号设备关联的目标路口的交通图像数据;
特征信息确定单元,用于根据所述交通图像数据获得所述目标路口的当前交通特征信息;
调整参数确定单元,用于根据所述当前交通特征信息,获得所述目标路口的交通信号设备的调整参数;
调整单元,用于根据所述调整参数控制所述交通信号设备的状态变更时间。
可选的,所述当前交通特征信息包括所述目标路口中正在通行的第一交通目标的第一交通特征信息以及等待通行的第二交通目标的第二交通特征信息,所述第一交通特征信息用于表征所述第一交通目标的运动状态,所述第二交通特征信息用于表征所述第二交通目标的拥堵程度;
所述调整参数确定单元具体用于:
根据所述第一交通特征信息以及所述第二交通特征信息,获得所述目标路口的交通信号设备的调整参数。
可选的,所述特征信息确定单元具体用于:
根据所述交通图像数据以及已训练的交通目标识别模型,从所述交通图像数据中确定所述第一交通目标的图像数据以及所述第二交通目标的图像数据;
根据所述第一交通目标的图像数据得到所述第一交通特征信息,根据所述第二交通目标的图像数据得到所述第二交通特征信息;
根据所述第一交通目标的图像数据以及所述第二交通目标的图像数据获得所述目标路口的当前交通特征信息。
可选的,所述交通图像数据为多帧图像数据,所述特征信息确定单元具体用于:
根据每帧交通图像数据以及已训练的交通目标识别模型确定所述第一交通目标的图像数据;
根据各所述第一交通目标的图像数据确定所述第一交通目标的速度特征、加速度特征以及所述第一交通目标与所述交通信号设备之间的距离特征得到所述第一交通特征信息。
可选的,所述第一交通目标为多个,所述特征信息确定单元具体用于:
从每帧交通图像数据中确定与所述交通信号设备距离最近的第一交通目标的图像数据。
可选的,所述特征信息确定单元具体用于:
确定所述第二交通目标的图像数据中所述第二交通目标的数量,并将所述第二交通目标的数量之和作为所述待通行交通目标的第二交通特征信息。
可选的,所述调整参数确定单元具体用于:
将所述当前交通特征信息输入至已训练的调整模型中,获得所述目标路口的交通信号设备的调整参数,所述已训练的调整模型是根据训练交通图像数据、待训练模型以及训练目标训练得到的,所述训练目标为所述训练交通图像数据对应的通行效率与设定效率匹配。
可选的,所述获取单元还用于:
获取所述交通信号设备的当前状态变更时间以及预设的安全通过时间阈值,所述安全通过时间阈值用于表征通行所述目标路口的安全性;
所述调整参数确定单元具体用于:
将所述当前交通特征信息、所述交通信号设备的当前状态变更时间以及预设的安全通过时间阈值输入至已训练的调整模型中,获得所述目标路口的交通信号设备的调整参数。
一方面,本申请实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,处理器执行计算机程序时实现上述任一种交通信号设备的控制方法的步骤。
一方面,本申请实施例提供了一种计算机可读存储介质,其存储有可由计算机设备执行的计算机程序,当所述程序在计算机设备上运行时,使得所述计算机设备执行上述任一种数交通信号设备的控制方法的步骤。
本申请实施例提供的交通信号设备的控制方法,能够通过当前时刻交通信号设备关联的目标路口的交通图像数据确定当前时刻的目标路口的实时交通特征信息,并通过实时交通特征信息来确定交通信息设备的调整参数,通过调整参数来控制交通信号设备的状态变更时间,也就是说,在本申请实施例中能够根据实时数据的计算实时调整交通信号设备的状态变更时间,能够应对各种突发交通场景,并提供实时的解决方案,有效改善了目标路口的交通拥堵情况,提高了目标路口的通行率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为现有技术中提供的一种交通信号设备的控制系统的架构图示意图;
图2为本申请实施例提供的一种交通信号设备的控制方法的流程示意图;
图3为本申请实施例提供的一种布设了交通信号设备以及成像设备的交通路口的场景示意图;
图4为本申请实施例提供的一种交通路口的场景示意图;
图5为本申请实施例提供的一种交通路口的场景示意图;
图6为本申请实施例提供的一种交通信号设备的控制装置的结构示意图;
图7为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了方便理解,下面对本申请实施例中涉及的名词进行解释:
交通控制:也叫交通信号控制,或城市交通控制,就是依靠交通警或采用交通信号控制设施,随交通变化特性来指挥车辆和行人的通行。
交通控制运用现代化的通讯设施、信号装置、传感器、监控设备和计算机对运行中的车辆进行准确地组织、调控,使其能够安全畅通地运行。交通管制分为静态管理和动态管理,而交通控制就是其中的动态管理。
交通信号设备:指的是能够产生交通信号的电子设备,可以是交通信号灯,也可以是交通信号语音设备,通常针对车辆的交通信号灯有三种颜色,即红、绿、黄。红色表示不可通行,绿色表示可以通行,黄色表示越过停车线的车辆可以继续通行,其它不可通行。针对行人的交通信号灯通常有两种颜色,即红、绿。红色表示不可通行,绿色表示可以通行。
图像分类:根据各自在图像信息中所反映的不同特征,把不同类别的目标区分开来的图像处理方法。它利用计算机对图像进行定量分析,把图像或图像中的每个像元或区域划归为若干个类别中的某一种,以代替人的视觉判读。核心是从给定的分类集合中给图像分配一个标签的任务,可以通过机器学习的方法进行图像分类。
机器学习(ML,Machine Learning):是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径。机器学习的核心是“使用算法解析数据,从中学习,然后对世界上的某件事情做出决定或预测”。这意味着,与其显式地编写程序来执行某些任务,不如教计算机如何开发一个算法来完成任务。
深度学习(DL,Deep Learning):是机器学习领域中一个新的研究方向,它被引入机器学习使其更接近于最初的目标——人工智能(AI,Artificial Intelligence)。
现阶段,我国巨大的城市交通需求与现有交通系统和交通结构正日益形成矛盾,城市交通拥堵及其伴生的环境污染与安全等问题已引起整个社会的广泛关注。现有技术中通常采用历史交通数据进行交通信号设备的控制调整,例如,通过过去一个月的历史交通数据,例如历史通行车辆的车速,历史通行车辆的数量以及历史拥堵度等,周期调整交通信号设备的状态变更时间。
但是由于现有技术中是周期调整交通信号设备的状态变更时间的,所以不能满足实时交通场景的需求。
基于上述现有技术的缺点,本申请的发明人构思了一种交通信号设备的控制方法,通过当前时刻交通信号设备关联的目标路口的交通图像数据确定当前时刻的目标路口的实时交通特征信息,并通过实时交通特征信息来确定交通信息设备的调整参数,通过调整参数来控制交通信号设备的状态变更时间,也就是说,在本申请实施例中能够根据实时数据的计算实时调整交通信号设备的状态变更时间,能够应对各种突发交通场景,并提供实时的解决方案,有效改善了目标路口的交通拥堵情况,提高了目标路口的通行率。
在介绍完本申请实施例的设计思想之后,下面对本申请实施例的技术方案的架构做一些简单介绍,需要说明的是,以下介绍的架构仅用于说明本申请实施例而非限定。在具体实施时,可以根据实际需要灵活地应用本申请实施例提供的技术方案。
为进一步说明本申请实施例提供的技术方案,下面结合附图以及具体实施方式对此进行详细的说明。虽然本申请实施例提供了如下述实施例或附图所示的方法操作步骤,但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中,这些步骤的执行顺序不限于本申请实施例提供的执行顺序。
参考图1,其为本申请实施例提供的一种交通信号设备的控制系统的架构图。该架构至少包括至少一个图像采集设备101,数据处理设备102、控制设备103以及交通信号设备104;需要说明的是,图1所示的图像采集设备101的数量为3个,但在实际使用中,图像采集设备101的数量可以是一个或多个,具体可视实际使用需求而定,同样的,图1所示的交通信号设备104的数量可以是一个或多个,具体可视实际使用需求而定。
在本申请实施例中,图像采集设备101可以为摄像设备,例如设置在路口配置的360度旋转的球机,图像采集设备101与数据处理设备102连接,可选的,可以通过有限网络的方式或者无线网络的方式进行连接。另一种可选的实施例中,图像采集设备101还包括数据库,数据处理设备102从数据库中获取交通图像数据。
在本申请实施例中,数据处理设备102为具有图像信息处理功能的电子设备,可以是但不限于桌面计算机、移动电话、移动电脑、平板电脑等电子设备,也可以是服务器,或者服务器集群等。同时,服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
数据处理设备102对获取到的交通图像数据进行处理,并得到调整参数,数据处理设备102将调整参数发送给控制设备103。可选的,在本申请实施例中,数据处理设备102与控制设备103可以通过有线网络连接,也可以通过无线网络连接。
控制设备103为具有控制交通信号设备104的能力,可选的,控制设备103为控制交通信号设备104的部分组件。
控制设备103在接收到调整参数后,根据调整参数调整交通信号设备104的状态,例如,调整交通信号设备104的红灯时间以及绿灯时间。
当然,本申请实施例提供的架构并不限用于图1所示的结构,本申请实施例并不进行限制。为进一步说明本申请实施例提供的技术方案,下面结合附图以及具体实施方式对此进行详细的说明。虽然本申请实施例提供了如下述实施例或附图所示的方法操作步骤,但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中,这些步骤的执行顺序不限于本申请实施例提供的执行顺序。
下面结合图1所示的系统架构,对本申请实施例提供的技术方案进行说明。
参考图2,本申请实施例提供一种交通信号设备的控制方法,包括以下步骤:
步骤S201,获取当前时刻交通信号设备关联的目标路口的交通图像数据。
具体的,在本申请实施例中,交通信号设备通常设置在路口中,交通信号设备通常设置在路口的各侧,例如,如图3所示,在图3中,路口为十字路口,别分为,在每个方向上都设置了交通信号设备,当然,在本申请实施例中,路口不限于十字路口,还可以包括丁字路口等。
由于交通信号设备的信号调整或者状态变更都是相关的,所以在本申请实施例中,将设置在路口的多个交通信号设备作为一个整体进行描述。则交通信号设备关联的路口都作为目标路口,例如图3中的四个方向的路口都作为目标路口。
在本申请实施例中,可以实时获取目标路口的交通图像数据,也就是说,在当前时刻就获取当前时刻的目标路口的交通图像数据。
一种可选的实施例中,可以通过设置在目标路口的各路段之间的成像设备采集当前时刻目标路口的交通图像数据。例如,如图3所示,在当前路口具有的四个方向上都布设了成像设备,成像设备的数量为一个或者多个,通过成像设备获取当前时刻目标路口的交通图像数据。
另一种可选的实施例中,成像设备为视频拍摄设备,可以通过成像设备拍摄的视频中获取交通图像数据。
可选的,在本申请实施例中,成像设备可以是现有技术中存在的监控设备或者违法拍照设备,改造成本低,便于方案的实行。
在本申请实施例中,交通图像数据中至少包括交通参与者、车辆以及道路交通设施,交通参与者一般指行人、管理者、驾驶人、乘车人;车辆,包括私家车辆、公共车辆、商业车辆、应急车辆、非机动车辆、清洁车辆等;道路交通设施包括通信设施、信号控制设备、检测与监控设备、交通安全设施、标志、标线等。
在本申请实施例中,由于行人和车辆会影响路口的整体通行效率,所以在本申请实施中,将行人和车辆作为交通目标。
一种可选的实施例中,由于交通图像数据中可以包括上述的交通参与者、车辆以及道路交通设施的图像信息,所以在本申请实施中,在获取到目标路口的交通图像数据后,确定交通图像数据中的交通目标,并确定交通目标的图像数据。
例如,在本申请实施例中,获取到的交通图像数据如图4所示,在图4中包括树木、多辆车,将多辆车的图像数据提取出来进行处理。
一种可选的实施例中,可以使用车辆识别模型从交通数据中提取出车辆图像数据,车辆识别模型可以是一种监督学习模型、半监督学习模型以及无监督学习模型。
另一种可选的实施例中,车辆识别模型为深度学习模型,例如用邻近算法KNN、支持向量机SVM和BP神经网络等。
具体的,可以通过车辆识别模型获取交通图像数据这个的原始像素,并通过颜色空间RGB以及边缘检查算法HOG进行图像数据提取,通过车辆识别模型中的滑窗将交通图像数据中的所有车辆的图像数据提取出来。
可选的,在本申请实施例中,还需要对提取的车辆图像数据进行去重,确保交通信号设备的准确控制。
在本申请实施例中,由于在目标路口中,可通行的交通车辆以及等待通行的车辆会影响交通信号设备的状态变更,所以在本申请实施例中,将目标路口中的交通目标分为正在通行的第一交通目标以及等待通行的第二交通目标。示例性的,第一交通目标为交通信号设备绿灯侧的车辆,第二交通目标为交通信号设备红灯侧的车辆。
步骤S202,根据所述交通图像数据获得所述目标路口的当前交通特征信息。
具体的,在本申请实施例中,通过交通图像数据,确定了当前交通特征信息,该信息可以包括车辆流量、车辆速度、行人和/或非机动车流量、行人和/或非机动车速度、机动车排队长度、行人和/或非机动车等候数等等。
一种可选的实施例中,可以在交通图像数据中获得第一交通目标以及第二交通目标的交通特征信息。
进一步地,可以根据第一交通目标的图像数据中确定第一交通特征信息,根据第二交通目标图像数据中确定第二交通特征信息。
具体的,在本申请实施例中,由于在目标路口拥堵程度以及可通行车辆的车速等信息对目标路口的交通情况具有较大的影响,所以在本申请实施例中,根据各第一交通目标的图像数据确定第一交通目标的速度特征、加速度特征以及第一交通目标与交通信号设备之间的距离特征得到第一交通特征信息。也就是说,第一交通特征信息至少表征了第一交通目标的运动趋势。
一种可选的实施例中,第一交通目标的速度特征是通过针对同一交通目标的多帧图像数据确定的,通过设置在目标路口设定区域内的多个地理位置的成像设备采集的多帧图像数据中获取同一交通目标的多帧图像数据,并根据不同地理位置的图像数据确定第一交通目标的速度特征。
示例性的,第一交通目标的图像数据为第一地理位置设置的第一成像设备获取的第一图像数据,第二地理位置设置的第二成像设备获取的第二图像数据,根据两个地理位置之间的位置差,以及第一交通目标在两个图像数据帧中的位置确定第一交通目标的速度以及加速度特征。
一种可选的实施例中,可以通过公式1示例性解释第一交通目标的速度特征,具体的,用S(t+1)表征第一交通目标在t+1时刻距离交通信号设备之间的距离,S(t)表征第一交通目标在t时刻距离交通信号设备之间的距离,Δt表示的t时刻到t+1时刻的变化率,则第一交通目标的速度特征speed表示为:
同样的,第一交通目标在t时刻以及t+1时间之间的速度变化率就是该第一交通目标的加速度特征acceleration,具体如公式2所示:
另一种可选的实施例中,可以通过第一交通目标的图像数据确定第一交通目标与交通信号设备的距离,并根据第一交通目标与交通信号设备的距离、第一交通目标的速度以及加速度来确定第一交通目标预计到达交通信号设备的时间。可选的,可以通过成像设备的成像位置以及计成像设备和第一交通目标之间的角度,来确定第一交通目标与交通信号设备的距离。
一种可选的实施例中,可以通过成像设备距离地面的直线距离以及计算出来的成像设备和第一交通目标之间的角度,来计算第一交通目标与交通信号设备的距离,具体的成像设备距离地面的直线距离以及计算出来的成像设备和第一交通目标之间的角度之间的函数关系有多种,用f()来代表函数关系,则第一交通目标与交通信号设备的距离S用公式3表示,公式3中camera代表成像设备距离地面的直线距离,object表示的是第一交通目标,具体公式3表示如下:
S=f(camera,object) 公式3
若与交通信号设备的距离最近的第一交通目标在当前的交通信号设备的状态变更时间到达时,仍不能通过,则其它第一交通目标也不能通过,所以在本申请中,可以将与交通信号设备距离最近的第一交通目标的作为本申请中需要获取图像数据的第一交通目标。
同样的,车辆的拥堵程度也会影响目标路口的通行效率,所以需要确定第二交通目标的第二交通特征信息。可以理解,在本实施例中第二交通特征信息可以是能够体现车辆的拥堵程度的任何特征。可选的,确定第二交通目标的图像数据中第二交通目标的数量,并将第二交通目标的数量之和作为第二交通特征信息。可选的,还可以确定第二交通目标的图像数据中第二交通目标的数量和第二交通目标的图像所覆盖的地理范围大小,并将第二交通目标的数量之和与该地理范围大小的比值作为第二交通特征信息。可选的,还可以确定第二交通目标的图像数据中各个第二交通目标之间的平均距离作为第二交通特征信息。
步骤S203,根据所述当前交通特征信息,获得所述目标路口的交通信号设备的调整参数。
具体的,在本申请实施例中,可以通过交通特征信息中的各个参数的参数值以及各参数的权重来确定调整参数。例如,交通特征信息中有拥堵特征、速度特征;拥堵特征对应参数1,速度特征对应参数2,拥堵特征的权重为权重1,速度特征的权重为权重2,通过各参数以及权重之和确定调整参数。
在一种可选的实施例中,可以维护一张参数对照表,在该参数表中记载有当前交通特征信息以及与该当前交通特征信息对应的调整参数。在一些实施例中,当前交通特征信息可以包括第一交通目标的第一交通特征信息和第二交通目标的第二交通特征信息。在该参数对照表中可以通过查找到当前交通特征信息来得到与其对应的调整参数。以这种方式获取目标路口的交通信号设备的调整参数,简单快速,节省资源。
在另一种可选的实施例中,可以通过已训练的调整模型确定调整参数,已训练的调整模型是根据训练交通图像数据、待训练模型以及训练目标训练得到的,训练目标为训练交通图像数据对应的通行效率与设定效率匹配。该调整模型可以是机器学习模型,通过这种方法确定调整参数,参数调节更灵活准确,更有效地提高了通行效率,具有更好的交通调节效果。
其中,训练交通图像数据可以是历史交通图像数据,可以具体为某一路口的交通图像数据,或者是交通仿真数据。训练目标是提高该路口的通行效率,可以通过训练待训练模型的通行效率来调整待训练模型的参数,直到通行效率与设定效率匹配时,训练完毕。
一种可选的实施例中,待训练模型为生成对抗GAN模型,模型通过框架中(至少)两个模块:生成模型(Generative Model)和判别模型(Discriminative Model)的互相博弈学习产生相当好的输出。一种可选的实施例中,生成模型可以生成调整参数,判别模型用于判别使用生成模型的调整参数是否能够使通行效率是否满足要求。
另一种可选的实施例中,还可以将交通信号设备的当前状态变更时间以及预设的安全通过时间阈值输入至已训练的调整模型中,获得目标路口的交通信号设备的调整参数。其中预设的安全通过时间阈值表征通行目标路口的安全性。示例性的进行说明,第一交通目标到达目标路口的时间为5s,此时的交通信号设备的可通行状态为6s,虽然在交通信号设备状态变换前可以通过目标路口,但是安全性不高,所以可以设置安全通过时间阈值来表征通行目标路口的安全性。将安全通过时间阈值加入到模型中有助于提高路况通行的安全性。
示例性的,在本申请实施例中,安全通过时间阈值用SLT表示,t时刻绿灯还剩的通行时间为OGT,t时刻红灯侧车辆的拥堵程度用cost表示,t时刻绿灯侧距离绿灯路口最近车辆预计到达绿灯路口的时间用DT表示,则可以通过已训练的调整模型的计算能力确定调整参数NGT,具体如公式4所示,在公式4中,已训练的调整模型的计算能力用f()表征。
NGT=f(cost,DT,SLT,OGT) 公式4
可选的,在本申请实施例中的交通信号设备的当前状态变更时间可以为红灯变换为绿灯的时间,或者绿灯变为红灯的时间。
可选的,在本申请实施例中,由于调整交通信号设备的控制方案的最终目的是希望提高该目标路口的通行效率,所以可以将第一交通特征信息的值取正值,将第二交通特征信息的值取负值。
步骤S204,根据所述调整参数控制所述交通信号设备的状态变更时间。
具体的,在本申请实施例中,根据调整参数可以将交通信号设备的状态变更时间从第一时间变换为第二时间。具体的,若调整参数为正数,则增加第一时间,若调整参数为负数,则减少第一时间。
也就是说,通过本申请实施例能够实时的增加交通信号设备的状态的延续时间,或者减少交通信号设备的状态的延续时间,便于灵活调整交通方案。
为了更好的解释本申请实施例,下面结合一种具体的实施场景描述本申请实施例提供的交通信号设备的控制方法,具体如图5所示,交通信号设备为红绿灯设备,目标路口为十字路口,十字路口的四个方向都各设置了两个成像设备,在当前时刻时,获取所有成像设备获取的交通图像数据,并识别交通图像数据中的车辆信息。
在当前时刻,第一方向的红灯侧有第一车辆,则获取第一车辆的图像数据,确定了第一车辆的数量为1,第二方向的红灯侧有第二车辆以及第三车辆,则获取第二车辆以及第三车辆的图像数据,确定了第二车辆以及第三车辆的数量为2,则红灯侧的车辆拥堵程度为3。
在当前时刻,第一方向的绿灯侧有第四辆车以及第五辆车,第二方向的绿灯侧有第六辆车,且第六辆车距离绿灯的距离最近,则获取第六辆车的图像数据,确定了第六辆车到达绿灯的预估时间。
将红灯侧的车辆拥堵程度、第六辆车到达绿灯的预估时间、当前绿灯时间以及预设的安全通过阈值输入至已训练的调整模型中,获得目标路口的交通信号设备的调整参数,并根据调整参数调整绿灯的持续时长。
基于相同的技术构思,本申请实施例提供了一种交通信号设备的控制装置600,如图6所示,包括:
获取单元601,用于获取当前时刻交通信号设备关联的目标路口的交通图像数据;
特征信息确定单元602,用于根据所述交通图像数据获得所述目标路口的当前交通特征信息;
调整参数确定单元603,用于根据所述当前交通特征信息,获得所述目标路口的交通信号设备的调整参数;
调整单元604,用于根据所述调整参数控制所述交通信号设备的状态变更时间。
可选的,所述当前交通特征信息包括所述目标路口中正在通行的第一交通目标的第一交通特征信息以及等待通行的第二交通目标的第二交通特征信息,所述第一交通特征信息用于表征所述第一交通目标的运动状态,所述第二交通特征信息用于表征所述第二交通目标的拥堵程度;
所述调整参数确定单元603具体用于:
根据所述第一交通特征信息以及所述第二交通特征信息,获得所述目标路口的交通信号设备的调整参数。
可选的,所述特征信息确定单元602具体用于:
根据所述交通图像数据以及已训练的交通目标识别模型,从所述交通图像数据中确定所述第一交通目标的图像数据以及所述第二交通目标的图像数据;
根据所述第一交通目标的图像数据得到所述第一交通特征信息,根据所述第二交通目标的图像数据得到所述第二交通特征信息;
根据所述第一交通目标的图像数据以及所述第二交通目标的图像数据获得所述目标路口的当前交通特征信息。
可选的,所述交通图像数据为多帧图像数据,所述特征信息确定单元602具体用于:
根据每帧交通图像数据以及已训练的交通目标识别模型确定所述第一交通目标的图像数据;
根据各所述第一交通目标的图像数据确定所述第一交通目标的速度特征、加速度特征以及所述第一交通目标与所述交通信号设备之间的距离特征得到所述第一交通特征信息。
可选的,所述第一交通目标为多个,所述特征信息确定单元602具体用于:
从每帧交通图像数据中确定与所述交通信号设备距离最近的第一交通目标的图像数据。
可选的,所述特征信息确定单元602具体用于:
确定所述第二交通目标的图像数据中所述第二交通目标的数量,并将所述第二交通目标的数量之和作为所述待通行交通目标的第二交通特征信息。
可选的,所述调整参数确定单元603具体用于:
将所述当前交通特征信息输入至已训练的调整模型中,获得所述目标路口的交通信号设备的调整参数,所述已训练的调整模型是根据训练交通图像数据、待训练模型以及训练目标训练得到的,所述训练目标为所述训练交通图像数据对应的通行效率与设定效率匹配。
可选的,所述获取单元601还用于:
获取所述交通信号设备的当前状态变更时间以及预设的安全通过时间阈值,所述安全通过时间阈值用于表征通行所述目标路口的安全性;
所述调整参数确定单元603具体用于:
将所述当前交通特征信息、所述交通信号设备的当前状态变更时间以及预设的安全通过时间阈值输入至已训练的调整模型中,获得所述目标路口的交通信号设备的调整参数。
基于相同的技术构思,本申请实施例提供了一种计算机设备,如图7所示,包括至少一个处理器701,以及与至少一个处理器连接的存储器702,本申请实施例中不限定处理器701与存储器702之间的具体连接介质,图7中处理器701和存储器702之间通过总线连接为例。总线可以分为地址总线、数据总线、控制总线等。
在本申请实施例中,存储器702存储有可被至少一个处理器701执行的指令,至少一个处理器701通过执行存储器702存储的指令,可以执行前述的交通信号设备的控制方法中所包括的步骤。
其中,处理器701是计算机设备的控制中心,可以利用各种接口和线路连接终端设备的各个部分,通过运行或执行存储在存储器702内的指令以及调用存储在存储器702内的数据,从而获得客户端地址。可选的,处理器701可包括一个或多个处理单元,处理器701可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器701中。在一些实施例中,处理器701和存储器702可以在同一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
处理器701可以是通用处理器,例如中央处理器(CPU)、数字信号处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器702作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器702可以包括至少一种类型的存储介质,例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory,RAM)、静态随机访问存储器(Static Random Access Memory,SRAM)、可编程只读存储器(Programmable Read Only Memory,PROM)、只读存储器(Read Only Memory,ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性存储器、磁盘、光盘等等。存储器702是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。本申请实施例中的存储器702还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
基于相同的技术构思,本申请实施例提供了一种计算机可读存储介质,其存储有可由计算机设备执行的计算机程序,当所述程序在计算机设备上运行时,使得所述计算机设备执行交通信号设备的控制方法的步骤。
上述计算机可读存储介质可以是计算机能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样,倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (11)
1.一种交通信号设备的控制方法,其特征在于,所述方法包括:
获取当前时刻交通信号设备关联的目标路口的交通图像数据;
根据所述交通图像数据获得所述目标路口的当前交通特征信息;
根据所述当前交通特征信息,获得所述目标路口的交通信号设备的调整参数;
根据所述调整参数控制所述交通信号设备的状态变更时间。
2.根据权利要求1所述的方法,其特征在于,所述当前交通特征信息包括所述目标路口中正在通行的第一交通目标的第一交通特征信息以及等待通行的第二交通目标的第二交通特征信息,所述第一交通特征信息用于表征所述第一交通目标的运动状态,所述第二交通特征信息用于表征所述第二交通目标的拥堵程度;
所述根据所述当前交通特征信息,获得所述目标路口的交通信号设备的调整参数,包括:
根据所述第一交通特征信息以及所述第二交通特征信息,获得所述目标路口的交通信号设备的调整参数。
3.根据权利要求2所述的方法,其特征在于,所述根据所述交通图像数据获得所述目标路口的当前交通特征信息,包括:
根据所述交通图像数据以及已训练的交通目标识别模型,从所述交通图像数据中确定所述第一交通目标的图像数据以及所述第二交通目标的图像数据;
根据所述第一交通目标的图像数据得到所述第一交通特征信息,根据所述第二交通目标的图像数据得到所述第二交通特征信息;
根据所述第一交通目标的图像数据以及所述第二交通目标的图像数据获得所述目标路口的当前交通特征信息。
4.根据权利要求3所述的方法,其特征在于,所述交通图像数据为多帧图像数据,所述根据所述交通图像数据以及已训练的交通目标识别模型,从所述交通图像数据中确定所述第一交通目标的图像数据,包括:
根据每帧交通图像数据以及已训练的交通目标识别模型确定所述第一交通目标的图像数据;
所述根据所述第一交通目标的图像数据得到所述第一交通特征信息,包括:
根据各所述第一交通目标的图像数据确定所述第一交通目标的速度特征、加速度特征以及所述第一交通目标与所述交通信号设备之间的距离特征得到所述第一交通特征信息。
5.根据权利要求4所述的方法,其特征在于,所述第一交通目标为多个,所述从每帧交通图像数据中确定所述第一交通目标的图像数据,包括:
从每帧交通图像数据中确定与所述交通信号设备距离最近的第一交通目标的图像数据。
6.根据权利要求3所述的方法,其特征在于,所述根据所述第二交通目标的图像数据得到所述第二交通特征信息,包括:
确定所述第二交通目标的图像数据中所述第二交通目标的数量,并将所述第二交通目标的数量之和作为所述第二交通特征信息。
7.根据权利要求1所述的方法,其特征在于,所述根据所述当前交通特征信息,获得所述目标路口的交通信号设备的调整参数,包括:
将所述当前交通特征信息输入至已训练的调整模型中,获得所述目标路口的交通信号设备的调整参数,所述已训练的调整模型是根据训练交通图像数据、待训练模型以及训练目标训练得到的,所述训练目标为所述训练交通图像数据对应的通行效率与设定效率匹配。
8.根据权利要求7所述的方法,其特征在于,所述将所述当前交通特征信息输入至已训练的调整模型前,还包括:
获取所述交通信号设备的当前状态变更时间以及预设的安全通过时间阈值,所述安全通过时间阈值用于表征通行所述目标路口的安全性;
所述将所述当前交通特征信息输入至已训练的调整模型中,获得所述目标路口的交通信号设备的调整参数,包括:
将所述当前交通特征信息、所述交通信号设备的当前状态变更时间以及预设的安全通过时间阈值输入至已训练的调整模型中,获得所述目标路口的交通信号设备的调整参数。
9.一种交通信号设备的控制装置,其特征在于,包括:
获取单元,用于获取当前时刻交通信号设备关联的目标路口的交通图像数据;
特征信息确定单元,用于根据所述交通图像数据获得所述目标路口的当前交通特征信息;
调整参数确定单元,用于根据所述当前交通特征信息,获得所述目标路口的交通信号设备的调整参数;
调整单元,用于根据所述调整参数控制所述交通信号设备的状态变更时间。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1~8任一权利要求所述方法的步骤。
11.一种计算机可读存储介质,其特征在于,其存储有可由计算机设备执行的计算机程序,当所述程序在计算机设备上运行时,使得所述计算机设备执行权利要求1~8任一权利要求所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010055626.8A CN111179610B (zh) | 2020-01-17 | 2020-01-17 | 一种交通信号设备的控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010055626.8A CN111179610B (zh) | 2020-01-17 | 2020-01-17 | 一种交通信号设备的控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111179610A true CN111179610A (zh) | 2020-05-19 |
CN111179610B CN111179610B (zh) | 2022-01-28 |
Family
ID=70652802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010055626.8A Active CN111179610B (zh) | 2020-01-17 | 2020-01-17 | 一种交通信号设备的控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111179610B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111710175A (zh) * | 2020-06-28 | 2020-09-25 | 北京百度网讯科技有限公司 | 交通信号灯的控制方法及装置 |
CN114333371A (zh) * | 2021-12-27 | 2022-04-12 | 中电金信软件有限公司 | 交通信号机控制方法、装置、电子设备及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101577054A (zh) * | 2009-02-27 | 2009-11-11 | 北京中星微电子有限公司 | 一种交通信号灯的控制方法及系统 |
CN101789178A (zh) * | 2009-01-22 | 2010-07-28 | 中国科学院自动化研究所 | 街区路口交通信号优化控制方法 |
CN105719495A (zh) * | 2016-03-16 | 2016-06-29 | 深圳市哈工大交通电子技术有限公司 | 交通信号灯联动控制系统及其控制方法 |
CN106971563A (zh) * | 2017-04-01 | 2017-07-21 | 中国科学院深圳先进技术研究院 | 智能交通信号灯控制方法及系统 |
CN110164153A (zh) * | 2019-05-30 | 2019-08-23 | 哈尔滨理工大学 | 一种交通信号自适应配时方法 |
KR102029656B1 (ko) * | 2019-07-08 | 2019-11-08 | 주식회사 이엘 | 사물인터넷기반 임베디드 방식의 교통신호 자율운영시스템 |
-
2020
- 2020-01-17 CN CN202010055626.8A patent/CN111179610B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101789178A (zh) * | 2009-01-22 | 2010-07-28 | 中国科学院自动化研究所 | 街区路口交通信号优化控制方法 |
CN101577054A (zh) * | 2009-02-27 | 2009-11-11 | 北京中星微电子有限公司 | 一种交通信号灯的控制方法及系统 |
CN105719495A (zh) * | 2016-03-16 | 2016-06-29 | 深圳市哈工大交通电子技术有限公司 | 交通信号灯联动控制系统及其控制方法 |
CN106971563A (zh) * | 2017-04-01 | 2017-07-21 | 中国科学院深圳先进技术研究院 | 智能交通信号灯控制方法及系统 |
CN110164153A (zh) * | 2019-05-30 | 2019-08-23 | 哈尔滨理工大学 | 一种交通信号自适应配时方法 |
KR102029656B1 (ko) * | 2019-07-08 | 2019-11-08 | 주식회사 이엘 | 사물인터넷기반 임베디드 방식의 교통신호 자율운영시스템 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111710175A (zh) * | 2020-06-28 | 2020-09-25 | 北京百度网讯科技有限公司 | 交通信号灯的控制方法及装置 |
CN111710175B (zh) * | 2020-06-28 | 2021-11-12 | 阿波罗智联(北京)科技有限公司 | 交通信号灯的控制方法及装置 |
CN114333371A (zh) * | 2021-12-27 | 2022-04-12 | 中电金信软件有限公司 | 交通信号机控制方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111179610B (zh) | 2022-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107368890B (zh) | 一种以视觉为中心的基于深度学习的路况分析方法及系统 | |
WO2022022721A1 (zh) | 轨迹预测方法、装置、设备、存储介质及程序 | |
CN112052787B (zh) | 基于人工智能的目标检测方法、装置及电子设备 | |
CN114023062B (zh) | 一种基于深度学习和边缘计算的交通流信息监测方法 | |
CN110795813A (zh) | 一种交通仿真方法及装置 | |
CN111179610B (zh) | 一种交通信号设备的控制方法及装置 | |
JP6778842B2 (ja) | 画像処理方法およびシステム、記憶媒体およびコンピューティングデバイス | |
KR102143034B1 (ko) | 객체의 미래 움직임 예측을 통한 동영상에서의 객체 추적을 위한 방법 및 시스템 | |
CN112307978A (zh) | 目标检测方法、装置、电子设备及可读存储介质 | |
CN115512251A (zh) | 基于双分支渐进式特征增强的无人机低照度目标跟踪方法 | |
Ketcham et al. | Recognizing the Illegal Parking Patterns of Cars on the Road in Front of the Bus Stop Using the Support Vector Machine | |
CN115273032A (zh) | 交通标志识别方法、装置、设备及介质 | |
CN117218622A (zh) | 路况检测方法、电子设备及存储介质 | |
CN114926791A (zh) | 一种路口车辆异常变道检测方法、装置、存储介质及电子设备 | |
CN113160272B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
Gupta et al. | Real-time traffic control and monitoring | |
CN117611795A (zh) | 基于多任务ai大模型的目标检测方法、模型训练方法 | |
CN117392638A (zh) | 一种服务于机器人场景的开放物体类别感知方法及装置 | |
CN114078319A (zh) | 一种检测交通事故隐患地点的方法及装置 | |
CN115019242A (zh) | 一种交通场景的异常事件检测方法、装置和处理设备 | |
CN115564800A (zh) | 行动轨迹预测方法和装置 | |
Tran et al. | Pedestrian activity prediction based on semantic segmentation and hybrid of machines | |
CN116311015A (zh) | 道路场景识别方法、装置、服务器、存储介质和程序产品 | |
Saadeldin et al. | Real-time vehicle counting using custom YOLOv8n and DeepSORT for resource-limited edge devices | |
Wang et al. | A method of vehicle flow training and detection based on ResNet50 with CenterNet method |
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 |