CN111862632A - 一种智能交通信号灯防拥堵的方法及装置 - Google Patents

Abstract

本发明公开了一种智能交通信号灯防拥堵的方法及装置，包括服务器、车流量监测模块、车流量预测模块、交通拥堵预测模块、信号灯控制调度模块和信号灯模块，所述车流量监测模块对交叉路口车辆的车型信息、车辆行驶速度信息、道路车流量信息和停车线等待车辆数量进行采集，所述车流量预测模块和交通拥堵预测模块对车流量监测模块所监测数据进行分析处理，并得到结果，信号灯控制调度模块实现调度，本发明是一种智能交通信号灯防拥堵的方法及装置，通过车流量监测模块实时多方位的检测车流量信息，实现对实时车流量预测和交通拥堵预测，当车流量小时缩短绿灯时间，当车流量大时延长绿灯时间，降低交通堵塞现象的发生概率。

Description

一种智能交通信号灯防拥堵的方法及装置

技术领域

本发明涉及的是智能交通信号灯技术领域，具体为一种智能交通信号灯防拥堵的方法及装置。

背景技术

随着人们经济条件的不断提升，车辆的使用越来越多，交通信号灯起到疏通交通的作用，交通信号灯的使用避免交通堵塞现象，同时降低交通事故的发生。

目前，国内城市中各路口设置的交通信号灯几乎都是固定时长的，即，为路口设置的红绿灯的时长都是固定不变的，而该时长一般是根据道路平均车流量来设置的，且一旦设置完毕，在较长时间内一般不会轻易进行改动，即，不管这条道路的路口的车流量因何种因素带来了何种变化，例如，其它道路修路、损坏等异常情况导致的临时增大了该路口的车流量，该路口交通信号灯的时长也不会改变，实际情况每个时间段车流量不同，东西行车方向和南北行车方向车流量不同，造成等待时间较长，而路口无车辆通过的现象，最终造成交通拥堵。

发明内容

本发明的目的是为了解决以上所提出的问题，而提出的一种智能交通信号灯防拥堵的方法及装置。

为实现上述目的，本发明提供如下技术方案：包括服务器、车流量监测模块、车流量预测模块、交通拥堵预测模块、信号灯控制调度模块和信号灯模块，所述车流量监测模块对交叉路口车辆的车型信息、车辆行驶速度信息、道路车流量信息和停车线等待车辆数量进行采集，所述车流量预测模块和交通拥堵预测模块对车流量监测模块所监测数据进行分析处理，并得到结果，信号灯控制调度模块根据所述分析处理结果延长东西行车绿灯时长缩短南北行车绿灯时长或延长南北行车绿灯时长缩短东西行车绿灯时长，根据交通路口实际情况，通过手动控制模块实现延长东西行车绿灯时长缩短南北行车绿灯时长或延长南北行车绿灯时长缩短东西行车绿灯时长。

优选的，所述车流量监测模块，包括：磁感线圈检测装置、视频图像检测装置和上一路口视频图像检测装置，所述磁感应线圈检测装置包括三个规格相同的地磁感应线圈1、地磁感应线圈2和地磁感应线圈3，所述地磁感应线圈1位于行车道等待线内侧，所述地磁感应线圈1与地磁感应线圈2之间直线距离为6-8米，所述地磁感应线圈 2与地磁感应线圈3之间直线距离为6-8米，所述视频图像检测装置由摄像机、补光灯和测速器组成，所述车流量监测模块与服务器通过电性连接，所述磁感线圈检测装置与车流量监测模块通过无线信号进行连接，所述视频图像检测装置与车流量监测模块通过电性连接，所述上一路口视频图像检测装置与视频图像检测装置结构相同。

优选的，所述车流量预测模块采用小波神经网络算法，所述小波神经网络算法由小波分析和神经网络预测组成，所述首先通过小波分析对实验数据进行特征向量的提取，并将提取到的特征向量作为第二部分的输入向量，然后通过神经网络进行网络训练，正反两向传播调整权值，最终实现小波神经网络的构建，所述通过车流量监测模块检测主要交通道路路口五个周期的车流量数据，所述小波神经网络交通流量预测流程为：系统建模-构建合适的小波神经网络--小波神经网络初始化-小波神经网络训练-训练结束-小波神经网络测试-结束，所述车流量监测模块五个周期车流量数据，提供三个周期车流量数据进行小波神经网络训练，提供两个周期车流量数据进行小波神经网络测试。

优选的，所述交通拥堵预测模块采用尖点突变理论算法，所述根据尖点突变理论算法得到：

(1)发生拥堵状态车辆的临界点密度ρveh/km，

(2)发生拥堵状态车辆的临界点速度μ㎞/h

所述根据车流量监测模块实时检测交通道路中车辆速度、车辆数量和车辆等待长度，得出实时拥堵车辆临界点密度和速度。

优选的，所述信号灯控制调度模块由自动控制和手动控制两种，所述信号灯控制调度模块默认为自动控制模式，若当手动控制开启后，自动控制模式关闭，手动控制模式优先。

优选的，所述信号灯控制调度模块采用自动控制模式，根据所述交通拥堵预测模块和车流量监测模块数据判断是否到达交通堵塞临界值，若当东西行车方向到达交通堵塞临界值，延长在达到交通临界值东西行车方向上的绿灯时长，同时延长在南北行车方向上红灯时长缓解交通堵塞现象，若东西行车方向上未达到交通堵塞临界值，则根据车流量监测模块检测数值，车流量、停车线等待车辆数量和上一个视频图像检测装置车流量大小，同时根据地磁感应线圈3检测车辆为零或车流量较小时，缩短在东西行车方向上绿灯时长，同时缩短在南北行车方向上红灯时长。

与现有技术相比，本发明的有益效果是：本发明是一种智能交通信号灯防拥堵的方法及装置，通过车流量监测模块实时多方位的检测车流量信息，实现对实时车流量预测和交通拥堵预测，计算出拥堵临界值，当车流量小时缩短绿灯时间，当车流量大时延长绿灯时间，降低交通堵塞现象的发生概率。

附图说明

图1为本发明智能交通信号灯防拥堵的方法及装置的原理图。

图2为本发明智能交通信号灯防拥堵的方法及装置车流量监测模块的原理图。

图3为本发明智能交通信号灯防拥堵的方法及装置车流量预测模块的原理图。

图4为本发明智能交通信号灯防拥堵的方法及装置交通堵塞预测模块的原理图。

图5为本发明智能交通信号灯防拥堵的方法及装置信号灯调度控制模块的原理图。

图6为本发明智能交通信号灯防拥堵的方法及装置车流量预测模块的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-6，本发明提供一种技术方案：包括服务器、车流量监测模块、车流量预测模块、交通拥堵预测模块、信号灯控制调度模块和信号灯模块，所述车流量监测模块对交叉路口车辆的车型信息、车辆行驶速度信息、道路车流量信息和停车线等待车辆数量进行采集，所述车流量预测模块和交通拥堵预测模块对车流量监测模块所监测数据进行分析处理，并得到结果，信号灯控制调度模块根据所述分析处理结果延长东西行车绿灯时长缩短南北行车绿灯时长或延长南北行车绿灯时长缩短东西行车绿灯时长，根据交通路口实际情况，通过手动控制模块实现延长东西行车绿灯时长缩短南北行车绿灯时长或延长南北行车绿灯时长缩短东西行车绿灯时长，所述车流量监测模块，包括：磁感线圈检测装置、视频图像检测装置和上一路口视频图像检测装置，所述磁感应线圈检测装置包括三个规格相同的地磁感应线圈1、地磁感应线圈2和地磁感应线圈3，所述地磁感应线圈1位于行车道等待线内侧，所述地磁感应线圈1与地磁感应线圈2之间直线距离为6-8米，所述地磁感应线圈2与地磁感应线圈3之间直线距离为6-8米，所述视频图像检测装置由摄像机、补光灯和测速器组成，所述车流量监测模块与服务器通过电性连接，所述磁感线圈检测装置与车流量监测模块通过无线信号进行连接，所述视频图像检测装置与车流量监测模块通过电性连接，所述上一路口视频图像检测装置与视频图像检测装置结构相同，所述车流量预测模块采用小波神经网络算法，所述小波神经网络算法由小波分析和神经网络预测组成，所述车流量预测模块首先通过小波分析对实验数据进行特征向量的提取，并将提取到的特征向量作为第二部分的输入向量，然后通过神经网络进行网络训练，正反两向传播调整权值，最终实现小波神经网络的构建，所述通过车流量监测模块检测主要交通道路路口五个周期的车流量数据，所述小波神经网络交通流量预测流程为：系统建模-构建合适的小波神经网络--小波神经网络初始化-小波神经网络训练-训练结束-小波神经网络测试-结束，所述车流量监测模块五个周期车流量数据，提供三个周期车流量数据进行小波神经网络训练，提供两个周期车流量数据进行小波神经网络测试，所述交通拥堵预测模块采用尖点突变理论算法，所述根据尖点突变理论算法得到：

(1)发生拥堵状态车辆的临界点密度ρveh/km，

(2)发生拥堵状态车辆的临界点速度μ㎞/h

根据所述车流量监测模块实时检测交通道路中车辆速度、车辆数量和车辆等待长度，得出实时拥堵车辆临界点密度和速度，所述信号灯控制调度模块由自动控制和手动控制两种，所述信号灯控制调度模块默认为自动控制模式，若当手动控制开启后，自动控制模式关闭，手动控制模式优先，所述信号灯控制调度模块采用自动控制模式，根据所述交通拥堵预测模块和车流量监测模块数据判断是否到达交通堵塞临界值，若当东西行车方向到达交通堵塞临界值，延长在达到交通临界值东西行车方向上的绿灯时长，同时延长在南北行车方向上红灯时长缓解交通堵塞现象，若东西行车方向上未达到交通堵塞临界值，则根据车流量监测模块检测数值，车流量、停车线等待车辆数量和上一个视频图像检测装置车流量大小，同时根据地磁感应线圈3检测车辆为零或车流量较小时，缩短在东西行车方向上绿灯时长，同时缩短在南北行车方向上红灯时长。

实施步骤

第一步：车流量监测模块工作，通过磁感线圈检测装置中的三个地磁感应线圈实时检测停车线内等待车辆的数量，即，为停车线内等待车辆的长度，同时检测通过车辆的车流量；视频图像检测装置通过摄像机、补光灯和测速器实现对通过车辆类型、车流量、车速进行检测，并将数据进行转存在服务器内，同时结合上一路口视频图像检测装置检测通过上一路口车流量和车速。

第二步：车流量预测模块通过小波神经网络算法，进行预测每个时间段的车流量，根据车流量监测模块检测数据，提取五周的数据，将前三周监测数据导入小波神经网络算法内实现对小波神经网络算法的训练，并通过后两周监测数据进行检测小波神经网络算法的准确定，根据实验正确率达到87.69％。

第三步：交通拥堵预测模块通过尖点突变理论算法计算出交通路口实时造成交通拥堵的车流量临界点密度值和临界点速度值，作为信号灯调度控制模块的判断依据，并对车流量监测模块进行数据分析，在造成交通拥堵车流量临界点内，并对车流量监测模块数据进行分析处理。

第四步：信号灯调度控制模块分为自动控制模式和手动控制模式，所述信号灯控制调度模块默认为自动控制模式，若当手动控制开启后，自动控制模式关闭，手动控制模式优先，若手动控制关闭，则为自动控制模式，根据所述交通拥堵预测模块和车流量监测模块数据判断是否到达交通堵塞临界值，若当东西行车方向到达交通堵塞临界值，延长在达到交通临界值东西行车方向上的绿灯时长，同时延长在南北行车方向上红灯时长缓解交通堵塞现象，若东西行车方向上未达到交通堵塞临界值，若，东西行车方向通过地磁感应线圈监测停车线内等待车辆较少，同时通过视频图像监测装置核查停车线内等待车辆较少，监测车流量较小时，并结合上一路口视频图像检测装置检测车流量大小，调整缩短东西行车方向绿灯时长，延长南北行车方向绿灯时长，若，东西行车方向通过地磁感应线圈监测停车线内等待车辆较多，同时通过视频图像检测装置核查停车线内等待车辆较多，结合上一路口视频图像检测装置检测流量大小，延长东西行车方向绿灯时长，延长南北行车方向红灯时长。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (7)

1.一种智能交通信号灯防拥堵的装置，其特征在于：包括服务器、车流量监测模块、车流量预测模块、交通拥堵预测预模块、信号灯控制调度模块和信号灯模块，所述车流量监测模块对交叉路口车辆的车型信息、车辆行驶速度信息、道路车流量信息和停车线等待车辆数量进行采集，所述车流量预测模块和交通拥堵预测模块对车流量监测模块所监测数据进行分析处理，并得到结果，信号灯控制调度模块根据所述分析处理结果延长东西行车绿灯时长缩短南北行车绿灯时长或延长南北行车绿灯时长缩短东西行车绿灯时长，根据交通路口实际情况，通过手动控制模块实现延长东西行车绿灯时长缩短南北行车绿灯时长或延长南北行车绿灯时长缩短东西行车绿灯时长。

2.根据权利要求1所述的一种智能交通信号灯防拥堵的装置，其特征在于：所述车流量监测模块，包括：磁感线圈检测装置、视频图像检测装置和上一路口视频图像检测装置，所述磁感应线圈检测装置包括三个规格相同的地磁感应线圈1、地磁感应线圈2和地磁感应线圈3，所述地磁感应线圈1位于行车道等待线内侧，所述地磁感应线圈1与地磁感应线圈2之间直线距离为6-8米，所述地磁感应线圈2与地磁感应线圈3之间直线距离为6-8米，所述视频图像检测装置由摄像机、补光灯和测速器组成，所述车流量监测模块与服务器通过电性连接，所述磁感线圈检测装置与车流量监测模块通过无线信号进行连接，所述视频图像检测装置与车流量监测模块通过电性连接，所述上一路口视频图像检测装置与视频图像检测装置结构相同。

3.根据权利要求1所述的一种智能交通信号灯防拥堵的装置，其特征在于：所述车流量预测模块采用小波神经网络算法，所述小波神经网络算法由小波分析和神经网络预测组成，所述车流量预测模块首先通过小波分析对实验数据进行特征向量的提取，并将提取到的特征向量作为第二部分的输入向量，然后通过神经网络进行网络训练，正反两向传播调整权值，最终实现小波神经网络的构建，所述车流量预测模块通过车流量监测模块检测主要交通道路路口五个周期的车流量数据，所述小波神经网络交通流量预测流程为：系统建模-构建合适的小波神经网络--小波神经网络初始化-小波神经网络训练-训练结束-小波神经网络测试-结束，所述车流量监测模块五个周期车流量数据，提供三个周期车流量数据进行小波神经网络训练，提供两个周期车流量数据进行小波神经网络测试。

4.根据权利要求1所述的一种智能交通信号灯防拥堵的装置，其特征在于：所述交通拥堵预测模块采用尖点突变理论算法，所述根据尖点突变理论算法得到：

(1)发生拥堵状态车辆的临界点密度ρveh/km，

(2)发生拥堵状态车辆的临界点速度μ㎞/h

所述交通拥堵预测模块根据车流量监测模块实时检测交通道路中车辆速度、车辆数量和车辆等待长度，得出实时拥堵车辆临界点密度和速度。

5.根据权利要求1所述的一种智能交通信号灯防拥堵的方法及装置，其特征在于：所述信号灯控制调度模块由自动控制和手动控制两种，所述信号灯控制调度模块默认为自动控制模式，若当手动控制开启后，自动控制模式关闭，手动控制模式优先。

6.根据权利要求1或5所述的一种智能交通信号灯防拥堵的装置，其特征在于：所述信号灯控制调度模块采用自动控制模式，根据所述交通拥堵预测模块和车流量监测模块数据判断是否到达交通堵塞临界值，若当东西行车方向到达交通堵塞临界值，延长在达到交通临界值东西行车方向上的绿灯时长，同时延长在南北行车方向上红灯时长缓解交通堵塞现象，若东西行车方向上未达到交通堵塞临界值，则根据车流量监测模块检测数值，车流量、停车线等待车辆数量和上一个视频图像检测装置车流量大小，同时根据地磁感应线圈3检测车辆为零或车流量较小时，缩短在东西行车方向上绿灯时长，同时缩短在南北行车方向上红灯时长。

7.一种智能交通信号灯防拥堵的方法，其特征在于，包括以下步骤：

第一步：车流量监测模块工作，通过磁感线圈检测装置中的三个地磁感应线圈实时检测停车线内等待车辆的数量，即，为停车线内等待车辆的长度，同时检测通过车辆的车流量；视频图像检测装置通过摄像机、补光灯和测速器实现对通过车辆类型、车流量、车速进行检测，并将数据进行转存在服务器内，同时结合上一路口视频图像检测装置检测通过上一路口车流量和车速；

第二步：车流量预测模块通过小波神经网络算法，进行预测每个时间段的车流量，根据车流量监测模块检测数据，提取五周的数据，将前三周监测数据导入小波神经网络算法内实现对小波神经网络算法的训练，并通过后两周监测数据进行检测小波神经网络算法的准确定；

第三步：交通拥堵预测模块通过尖点突变理论算法计算出交通路口实时造成交通拥堵的车流量临界点密度值和临界点速度值，作为信号灯调度控制模块的判断依据，并对车流量监测模块进行数据分析，在造成交通拥堵车流量临界点内，并对车流量监测模块数据进行分析处理；

第四步：信号灯调度控制模块分为自动控制模式和手动控制模式，所述信号灯控制调度模块默认为自动控制模式，若当手动控制开启后，自动控制模式关闭，手动控制模式优先，若手动控制关闭，则为自动控制模式，根据所述交通拥堵预测模块和车流量监测模块数据判断是否到达交通堵塞临界值，若当东西行车方向到达交通堵塞临界值，延长在达到交通临界值东西行车方向上的绿灯时长，同时延长在南北行车方向上红灯时长缓解交通堵塞现象，若东西行车方向上未达到交通堵塞临界值，若，东西行车方向通过地磁感应线圈监测停车线内等待车辆较少，同时通过视频图像监测装置核查停车线内等待车辆较少，监测车流量较小时，并结合上一路口视频图像检测装置检测车流量大小，调整缩短东西行车方向绿灯时长，延长南北行车方向绿灯时长，若，东西行车方向通过地磁感应线圈监测停车线内等待车辆较多，同时通过视频图像检测装置核查停车线内等待车辆较多，结合上一路口视频图像检测装置检测流量大小，延长东西行车方向绿灯时长，延长南北行车方向红灯时长。

Images