CN112017437A - 路口交通信息感知控制系统和方法 - Google Patents
路口交通信息感知控制系统和方法 Download PDFInfo
- Publication number
- CN112017437A CN112017437A CN202010949131.XA CN202010949131A CN112017437A CN 112017437 A CN112017437 A CN 112017437A CN 202010949131 A CN202010949131 A CN 202010949131A CN 112017437 A CN112017437 A CN 112017437A
- Authority
- CN
- China
- Prior art keywords
- lane
- phase
- information
- intersection
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/081—Plural intersections under common control
- G08G1/083—Controlling the allocation of time between phases of a cycle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Abstract
公开了一种路口交通信息感知控制系统及相应方法,该系统包括:多个路口传感器,其被配置为分别采集路口连接的各条道路上的交通信息;一个或多个边缘处理模块,其被配置为处理所述各条道路上的交通信息,获得各条道路上的车辆目标信息和车道信息,并计算各条道路的各车道上的车辆统计信息;中心处理模块,其被配置为:根据所述各条道路的各车道上的车辆统计信息,计算各车道的车道占有率信息;并且根据所述车道占有率信息,对路口交通信号各相位的配时策略进行实时优化;以及路口交通信号控制系统,其被配置为根据所述优化的配时策略执行路口交通信号控制。
Description
技术领域
本发明涉及智能交通领域,具体涉及一种路口交通信息感知控制系统和方法。
背景技术
随着城市化的迅猛发展和汽车保有量的快速增加,城市道路拥堵压力越来越大。路口是道路拥堵的高发地,对路口交通信息进行多维度的感知和智能的、实时的控制是改善交通状况、提升通行效率的关键。
单一传感器存在自身的局限,如单一毫米波雷达传感器可以精确的测量目标的速度、位置,探测距离较远,且支持全天时、全天候获取数据,但无法获取颜色、车牌等目标信息和车道线等环境信息;而单一摄像头恰恰能够精确感知车道线、颜色、车型等信息,但易受光照、天气等因素的影响,对速度信息测量精度较低,探测距离较近。将雷达与摄像头数据进行融合,可以取长补短,实现对环境和目标的多维、精确、稳定的感知。但传感器采集的原始数据尤其是摄像头采集的视频数据量极大,路口不同方向的多个、多种传感器同时采集数据并传输,给数据传输和终端实时处理带来极大压力。
目前主流的单路口交通信号控制一般都采用定时控制的方案,分为单段式(固定配时)和多段式(不同时间段使用不同配时方案),不具有实时自适应调整的功能。近年来学术界与工业界提出了一些根据各个方向车流量自动调整信号配时的方案,在一定程度上提高了通行效率。但这些方案通常没有考虑分车道的车流信息,尤其是没有对各车道的车流进行统筹考虑和优化。此外,这些方案往往只考虑进口方向的车流信息,而没有考虑出口方向的车流信息,高峰时段当出口车流发生异常事件或拥堵时,容易导致出口溢出甚至路口死锁。由于仅根据进口方向车流信息进行自适应路口控制,没有实现车道级统筹优化,不能使道路使用效率达到整体最优。
可见,本领域中需要一种能够改进的路口交通信息感知控制解决方案。
发明内容
在本发明的一个方面,提供了一种路口交通信息感知控制系统,包括:
多个路口传感器,其被配置为分别采集路口连接的各条道路上的交通信息;
一个或多个边缘处理模块,其被配置为处理所述各条道路上的交通信息,获得各条道路上的车辆目标信息和车道信息,并计算各条道路的各车道上的车辆统计信息;
中心处理模块,其被配置为:
根据所述各条道路的各车道上的车辆统计信息,计算各车道的车道占有率信息;并且
根据所述车道占有率信息,对路口交通信号各相位的配时策略进行实时优化;以及
路口交通信号控制系统,其被配置为根据所述优化的配时策略执行路口交通信号控制。
在本发明的另一个方面,提供了一种路口交通信息感知控制方法,包括:
分别采集路口连接的各条道路上的交通信息;
处理所述各条道路上的交通信息,获得各条道路上的车辆目标信息和车道信息,并计算各条道路的各车道上的车辆统计信息;
根据所述各条道路的各车道上的车辆统计信息,计算各车道的车道占有率信息;
根据所述车道占有率信息,对路口交通信号各相位的配时策略进行实时优化;以及
根据所述优化的配时策略执行路口交通信号控制。
根据本发明的实施例的路口交通信息感知控制技术方案通过检测各个车道上的车辆信息获得车道占有率信息,并按照车道占有率来优化和调整路口交通信号配时策略,能够使道路使用效率达到整体最化。在一些实施例中,通过考虑出口溢出问题,能够避免在饱和的交通状态下失效的严重问题;进一步地,兼顾了行人通过车道不受影响,能够避免在车流量很小时段信号灯相位变化过快,提高了系统的鲁棒性。
附图说明
图1示出了根据本发明的实施例的一种路口交通信息感知控制系统的示意图。
图2示出了根据本发明的实施例的中心处理模块对路口交通信号各相位的配时确保路口不发生车辆溢出和行人通过不受影响的具体步骤。
图3示出了根据本发明的实施例的计算出口车道被驶入车辆填满所需的预测剩余通行时间的示例性方法。
图4示出了根据本发明的实施例的毫米波雷达与摄像头数据融合的过程。
图5示出了根据本发明的实施例的一种路口交通信息感知控制方法。
具体实施方式
下面参照附图详细描述本发明的实施例。在附图及下面的描述中,阐述了许多具体细节以便使所属技术领域的技术人员更全面地了解本发明。但是,对于所属技术领域内的技术人员明显的是,本发明的实现可不具有这些具体细节中的一些。此外,应当理解的是,本发明并不限于所图示和介绍的特定实施例。相反,可以考虑用图示和描述的特征和要素的任意组合来实施本发明,而无论它们是否涉及不同的实施例。因此,图示和描述的方面、特征、实施例和优点仅作说明之用而不应被看作是权利要求的要素或限定,除非在权利要求中明确提出。
现参照图1,其示出了根据本发明的实施例的一种路口交通信息感知控制系统100的示意图。如图1所示,该系统100包括:
多个路口传感器110,其被配置为分别采集路口连接的各条道路上的交通信息;
一个或多个边缘处理模块120,其被配置为处理所述各条道路上的交通信息,获得各条道路上的车辆目标信息和车道信息,并计算各条道路的各车道上的车辆统计信息;
中心处理模块130,其被配置为:
根据所述各条道路的各车道上的车辆统计信息,计算各车道的车道占有率信息;并且
根据所述车道占有率信息,对路口交通信号各相位的配时策略进行实时优化;以及
路口交通信号控制系统140,其被配置为根据所述优化的配时策略执行路口交通信号控制。
所述多个路口传感器110可以任何适当方式安装在路口上,例如,针对路口所连接的每条道路,可安装有一个或多个路口传感器110,用以检测该条道路上的交通状况。例如,对于一个典型的十字路口,针对该路口所连接的四条道路中的每一个道路,可面向该条道路安装一个或一组路口传感器110。所述路口可以为任何形式的路口,例如十字路口、T型路口、Y型路口或更复杂的路口。
所述路口传感器110可以是任何类型的能够检测道路交通状况的传感器,例如毫米波雷达、摄像头、地感线圈、激光雷达等等。相应地,所述路口传感器110采集的道路上的交通信息可以是包含道路上的车辆运行状态的原始雷达数据、视频数据等。
所述边缘处理模块120可以是任何具有适当的处理和计算能力的设备,例如CPU、MCU、FPGA等,其与所述路口传感器110通信连接(例如有线连接,或无线通信连接),以接收并处理所述路口传感器110所检测的路口所连接的道路上的交通信息。在一些实施例中,对于针对路口所连接的每条道路安装的一个或多个路口传感器,有一个边缘处理模块120与之通信连接,用以接收和处理该条道路上的交通信息。
通过处理一个或一组所述路口传感器110所检测的一条道路上的交通信息,一个所述边缘处理模块120可获得该条道路上的车辆目标信息和车道信息。所述车辆目标信息例如可包括该条车道上在预定检测范围内机动车辆的数量、每个车辆的位置、车长、车速等。所述车道信息例如可包括该条道路上不同车道的划分和位置。在本发明中,同一条道路上同方向的两个或更多个并列车道可视为一个车道。这样,所述边缘处理模块120可进而计算获得各条道路的各车道上的车辆统计信息,例如各车道上的车辆总长度和平均长度、平均车速、车道空置长度以及各车道的单位时间驶入流量和驶出流量等等。
所述中心处理模块130可以是任何具有较强处理和计算能力的设备,例如计算机等,其与所述边缘处理模块120通信连接(例如有线或无线通信连接)。在一些实施例中,所述中心处理模块130可通过数据通信模块与所述边缘处理模块120通信连接。所述数据通信模块可以为有线数据通信模块或无线数据通信模块,且可以包括两部分,分别位于所述中心处理模块130和每个所述边缘处理模块120中,以实现所述中心处理模块130和边缘处理模块120之间的通信。
所述路口交通信号控制系统140可以是任何常规的路口交通信号控制系统,且通常包括安装在路口各方向的信号灯和信号灯控制器等。
所述中心处理模块130可以根据来自每个所述边缘处理模块120的各车道上的车辆统计信息,计算各车道的车道占有率信息,并根据所述车道占有率信息,对路口交通信号各相位的配时策略进行实时优化或调整。
所述车道占有率是指车辆对统计范围内的车道的占有程度,其可分为车道空间占有率和车道时间占有率。车道空间占有率可定义为统计范围内所有车辆长度的总和与该统计路段长度的百分比,即:,其中为车道空间占有率, 为该统计路段的车辆总数,为其中第i辆车的车长, 为该路段的总长度。车道时间占有率可定义为单位观测时间内,车道某一断面上有车通过的累计时间占观测时间的百分比,即:,其中为车道时间占有率, 为统计断面上通过的总车辆数,为总观测时间,为其中第i辆车的车长,为第i辆车通过统计断面时的车速,则即为第i辆车通过断面的时长。在本发明的一些实施例中,以车道空间点有率为例进行说明。
所述路口交通信号的相位是指给予特定方向交通流通行权的路口交通信号状态,重复出现的一组不同相位构成一个相位周期。例如,一个典型的十字路口的一个相位周期可包括南北向直行绿灯、南北向左转绿灯、东西向直行绿灯、东西向左转绿灯四个相位。
在一些实施例中,所述中心处理模块130可以在每一个(或几个)相位周期开始之前,根据各车道的当前或预测车道占有率信息,对该相位周期中各相位的配时策略进行实时优化或调整。由于所述中心处理模块130可以根据各车道的车道占有率信息,对路口交通信号各相位的配时策略进行实时优化或调整,例如可以使车道占有率较高的车道对应的相位获得较大的配时,而使车道占有率较低的车道对应的相位获得较小的配时,可以有效地缓解车道拥堵,实现较合理的路口交通控制。
具体地,在进一步的一些实施例中,所述中心处理模块130进一步被配置为:调整路口交通信号各相位的配时,以使得路口各车道的车道占有率的方差最小化。
由于所述中心处理模块130通过调整路口交通信号各相位的配时,使得路口各车道的车道占有率的方差最小化,这样,就使得路口各车道的车道占有率尽可能地均匀,从而可以缓解部分拥堵车道的车辆拥堵,提高其他闲置车道的利用率,实现较合理的路口交通控制。
更具体地,在更进一步的一些实施例中,所述中心处理模块130进一步被配置为:
计算在至少一个相位周期的各相位中各车道的车道占有率预测值;
计算在所述至少一个相位周期的全部相位中各车道的车道占有率预测值的方差的累计值;以及
调整所述至少一个相位周期的各相位的配时,以使所述累计值最小化。
更具体地,在更进一步的一些实施例中,所述中心处理模块130进一步被配置为:
计算:
其中, 表示第条车道在第个相位中的车道占有率预测值;是该车道当前的车辆总长;表示该车道在第个相位中的单位时间驶入流量,表示该车道在第个相位中的单位时间驶出流量,均通过过去若干相位周期的统计平均值计算得到;为相位的时长,令表示一个完整相位周期的总时长,表示一个相位周期中的相位数,则;为本车道中车辆的统计平均车长;为该车道的统计路段总长;
一个相位周期的全部相位中各车道的车道占有率方差的累积值的最小值表示为:
约束条件为:
在上述算法中,车道l的当前车辆总长以及车道l在第j个相位中的单位时间驶入流量和驶出流量都可以从来自所述边缘处理器120的各条道路上各车道的车辆当前或历史统计信息中获得。车道l的统计路段总长可以是预先设定的,并可以取决于路口传感器110的检测范围。所述第个相位下绿灯放行方向的行人最短通过时间可以是例如老年人慢速步行通过路口的统计平均时间,或者可以根据老年人的平均步速预先计算和设定。
所述中心处理模块130可以在每进入下一个相位周期之前运行上述算法,获得针对该相位周期的各个相位的最佳配时,从而实现对相位配时的实时调整,缓解部分拥堵车道的车辆拥堵,提高其他闲置车道的利用率,实现合理的路口交通控制。当然,在其他实施例中,所述中心处理模块130可以采用其他算法来调整路口交通信号各相位的配时。
在一些实施例中,所述中心处理模块130进一步被配置为:对路口交通信号各相位的配时确保路口不发生车辆溢出和行人通过不受影响。
路口发生车辆溢出是指某一出口车道已被车辆填满,以至于如果有新的车辆进入该出口车道,则新的车辆将被堵塞在路口当中。例如,如果一个十字路口北向的出口车道发生拥堵,且这时有新的车辆进入该出口车道,则可能被堵塞在路口当中,从而发生车辆溢出。确保行人通过不受影响是指使一相位的配时大于行人通过路口的时间,例如老年人慢速步行的统计平均时间,从而保证行人有足够的时间通过路口。
现参照图2,其示出了根据本发明的实施例的所述中心处理模块130对路口交通信号各相位的配时确保路口不发生车辆溢出和行人通过不受影响的具体步骤。
如图2中所示,在进一步的一些实施例中,所述中心处理模块130进一步被配置为,在(例如,按照上述实时优化的相位配时策略)即将切换到下一个相位时,执行以下步骤:
在步骤201,计算该相位所对应的出口车道被驶入车辆填满所需的预测剩余通行时间T_remain。所述预测剩余通行时间T_remain可以根据来自所述边缘处理模块120的该出口车道上的车辆统计信息计算获得。
图3示出了根据本发明的一些实施例计算所述预测剩余通行时间T_remain的示例性方法。如图3中所示,该示例性方法包括以下步骤:
在步骤301,获取该出口车道上的车辆统计信息,包括该车道的剩余空置长度、平均车速等。
在步骤302,判断该出口车道是否为空。也就是说,判断该出口车道在检测范围或统计范围内的路段是否没有车辆。
在步骤303,如果该车道现在为空,则将T_remain设置为+∞。
在步骤304,如果该车道非空,则判断该出口车道上的车辆实时平均车速V_out与车辆进入该出口的历史平均车速V0的关系。
如果V_out≥V0,则转到步骤503,将T_remain设置为+∞。
如果V_out<V0,则转到步骤505,根据该车道剩余空置长度L_remain计算T_remain= L_remain/(V0-V_out)。
现返回图2,在步骤202,比较所述预测剩余通行时间T_remain与行人通过该路口的预测时间Tmin。也就是说,该步骤判断,如果切换到下一个相位(例如南北向直行绿灯)时,对应出口车道(例如路口北侧的出口车道)被进入车辆(例如通过路口的北向车辆)填满所需的剩余通行时间,是否足够使行人穿过相应的路口人行横道(例如东西向道路上的人行横道)。行人通过该路口的预测时间Tmin可以通过计算该相位绿灯对应的人行道长度L_zebra与老年人慢速步行的平均统计速度(或预定速度)的比值来获得。
在步骤203,如果所述预测剩余通行时间T_remain小于行人通过该路口的预测时间Tmin,则跳过进入该出口的所述下一个相位。也就是说,由于所述下一个相位的配时无法同时保证路口不发生车辆溢出且行人有足够时间通过路口人行横道,因此不再执行该下一个相位,而是执行所述实时优化的相位配时策略中的更下一个相位。
否则,在步骤204,比较所述预测剩余通行时间T_remain与所述下一个相位的当前配时T_current。
在步骤205,如果所述预测剩余通行时间T_remain小于所述当前配时T_current,则将所述当前配时T_current修改为所述预测剩余通行时间T_remain。也就是说,通过将所述实时优化的相位配时策略中该相位的当前配时T_current缩短为所述预测剩余通行时间T_remain,可以有效避免相应出口车道发生车辆溢出。否则,所述当前配时保持不变。
这样,根据本发明的实施例的路口交通信息感知控制系统100,在根据车道占有率实时优化相位配时策略的基础之上,能够保证路口不发生溢出且行人通过路口不受影响,从而提供了一种更有利的技术方案。
在一些实施例中,每个所述路口传感器110包括与一个边缘处理模块120通信连接的至少一个雷达111和至少一个摄像头112,其中,
所述雷达111被配置为采集路口连接的一条道路上的雷达原始数据;
所述摄像头112被配置为获取路口连接的一条道路上的视频数据;
所述一个边缘处理模块120被配置为:
处理所述雷达111采集的雷达原始数据,生成第一车辆目标信息;
对所述摄像头112获取的视频数据进行目标检测,生成第二车辆目标信息;
对所述摄像头112获得的视频数据进行车道识别,生成车道信息;
对所述第一车辆目标信息和第二车辆目标信息进行目标融合,生成目标轨迹信息;以及
根据所述目标轨迹信息和所述车道信息,计算该条道路的各车道上的车辆统计信息,所述车辆统计信息包括各车道上的车辆总长度和平均长度、平均车速、车道空置长度以及各车道的单位时间驶入流量和驶出流量。
针对路口所连接的每条道路的方向,可安装有一组所述至少一个雷达111和至少一个摄像头112,用以检测该条道路上的交通状况。
所述雷达111例如可以为毫米波雷达。每个雷达111可针对路口所连接的一条道路采集原始数据,并将该原始数据传送给其连接的边缘处理模块120进行处理。
对于所述雷达111采集的原始数据,所述边缘处理模块120可通过一系列处理步骤,形成该条道路上的所述第一车辆目标信息,即车辆目标的多个维度的信息。如本领域技术人员所知的,所述处理步骤例如可包括:信号预处理,CFAR检测、目标聚类、目标跟踪。通过对毫米波雷达的原始数据进行处理,可以得到车辆目标的多个维度的信息,例如:空间三维坐标、速度矢量(大小和方向)、加速度矢量(大小和方向)、雷达反射截面积(RCS)、目标类型、目标尺寸、违停等事件、存在置信度等。
每个摄像头112可用于获取路口所连接的一条道路的视频数据,并将所述视频数据传送给其连接的边缘处理模块120进行处理。
所述边缘处理模块120可针对所述摄像头112获取的该条道路的视频数据运行图像目标检测算法,以生成该条道路上的所述第二车辆目标信息,即车辆目标的一些特征信息。所述图像目标检测算法可以是本领域中所知的任何一种适当的图像目标检测算法,例如SIFT等传统目标检测算法、R-CNN等两阶段(2-stage)目标检测框架、YOLO等单阶段(1-stage)目标检测框架等。所述图像目标检测算法输出的车辆目标的特征信息可包括目标位置、车型、颜色、车牌、压线事件等。所述图像目标检测算法例如可以由所述边缘处理模块120中的一目标检测子模块来执行。
所述边缘处理模块120可针对摄像头112获取的该条道路的视频数据运行车道线识别算法,以识别该条道路上的车道线,从而生成车道信息。如本领域中所知的,一种示例性车道线识别算法可包括以下步骤:图像载入、灰度变换、高斯滤波、边缘提取、提取感兴趣区、生成掩模、霍夫变换、车道线拟合、图像融合。所述车道线识别算法可以由所述边缘处理模块120中的一车道识别子模块来执行,该车道识别子模块可以将所识别出的车道信息提供给一分车道信息统计子模块。
所述边缘处理模块120可进一步对由雷达原始数据生成的所述车辆目标信息以及由摄像头视频数据生成的所述车辆目标的特征信息进行目标融合,生成车辆目标的目标轨迹信息。所述目标融合例如可以由所述边缘处理模块120中的一目标融合子模块执行。
仅作为示例,所述目标融合的具体方法可以如下所述。所述雷达111和摄像头112两传感器在获取原始数据时均需对每一帧数据标记时间戳。在目标融合前,需要首先将两传感器的时间戳相同的目标帧对齐,防止因处理耗时差异导致输出结果不同步所引起的误差。时间对齐后,由于两传感器的安装位置和姿态不同,导致目标相对两传感器的位置不同,因此需要做空间校准。空间校准主要是坐标旋转和平移的过程,将摄像头视频数据的目标检测结果和车道线识别结果映射到雷达坐标系中与将雷达目标检测结果映射到摄像头坐标系中是一致的,这里仅以将雷达目标检测结果映射到摄像头坐标系中的步骤为例,具体如下:
设雷达坐标系绕其自身坐标系的X、Y、Z轴分别沿逆时针方向旋转角度,然后坐标原点再平移,得到的新坐标系与摄像头坐标系重合,其中两坐标系的角度和位置误差由传感器在安装时的标定值得出。假设目标在雷达坐标系中的坐标为,同一目标在摄像头坐标系中的坐标为。则由雷达坐标系到摄像头坐标系的坐标转换公式为:
如本领域所知的,毫米波雷达与摄像头数据融合的过程实际是一个目标关联、跟踪的过程。例如,如图4所示,该过程具体可如下所述:由于雷达与摄像头检测输出目标的帧率不同,因此融合子模块接收到两者的数据也不是同步的。对于第一帧读入的数据,如果是毫米波雷达的目标,则以毫米波雷达目标数据初始化轨迹,否则以摄像头目标数据初始化轨迹。轨迹关联是融合的关键,需要根据两种传感器各自的精度设置不同的关联门限,使用当前传感器的量测值与轨迹的预测值进行匹配。对于关联成功的目标,则需要根据当前传感器类型,更新对应的协方差矩阵,之后根据量测值与轨迹预测值进行滤波和更新。对于关联失败的目标,则直接建立新轨迹并设置对应的协方差矩阵。每次更新后,将新的轨迹列表传出给下一子模块。两种传感器融合后,每一条轨迹都具有多个维度的特征,例如包括位置、速度、RCS、车型、颜色、车牌、异常事件等。
然后,所述边缘处理模块120可根据所述目标轨迹信息和所述车道信息,计算每个车道上的车辆统计信息,包括各车道上的车辆总长度和平均长度、平均车速、车道空置长度以及各车道的单位时间驶入流量和驶出流量等等。这样,每个所述边缘处理模块120可以将每个车道上的车辆统计信息传送给所述中心处理模块130。
所述中心处理模块130在接收到各个方向的边缘处理器120发来的各车道上的车辆统计信息后,由于各边缘处理器120发送车辆统计信息的时间不同,中心处理模块130可以首先将不同时刻的车辆统计信息做时间对齐后,再进行车道占有率信息的计算和相位配时策略的实时优化和调整。
以上参照附图描述了根据本发明的实施例的路口交通信息感知控制系统100,应指出的是,以上描述和图示仅为示例,而不是对本发明的限制。在本发明的其他实施例中,该路口交通信息感知控制系统100可具有更多、更少或不同的部件,且各部件之间的连接、包含和功能等关系可以与所描述和图示的不同。例如,某些部件可以组合为一个更大的部件,一个部件可以分解为几个较小的部件,由某个部件执行的功能也可能由另一个部件执行。再例如,在一些实施例中,该路口交通信息感知控制系统100还可包括存储模块,以对各车道上的车辆统计信息、车道占有率等的历史信息进行存储。又例如,该路口交通信息感知控制系统100还可与交通信息管理平台通信连接,并向其传送该路口的各车道的车辆统计信息,以使其能够统一协调一个区域的整体交通控制,等等。所有这些变化都处于本发明的精神和范围之内。
在本发明的另一个方面,还提供了一种路口交通信息感知控制方法。该方法可以由上述根据本发明的实施例的路口交通信息感知控制系统100执行。因此,为简明起见,在以下描述中省略了该方法的各步骤的一些细节。可参照以上描述获得对该方法的更详细的了解。
现参照图5,其示出了根据本发明的实施例的一种路口交通信息感知控制方法。如图5所示,该方法包括以下步骤:
在步骤501,分别采集路口连接的各条道路上的交通信息;
在步骤502,处理所述各条道路上的交通信息,获得各条道路上的车辆目标信息和车道信息,并计算各条道路的各车道上的车辆统计信息;
在步骤503,根据所述各条道路的各车道上的车辆统计信息,计算各车道的车道占有率信息;
在步骤504,根据所述车道占有率信息,对路口交通信号各相位的配时策略进行实时优化;以及
在步骤505,根据所述优化的配时策略执行路口交通信号控制。
在一些实施例中,所述步骤504包括:调整路口交通信号各相位的配时,以使得路口各车道的车道占有率的方差最小化。
具体地,在一些进一步的实施例中,所述调整路口交通信号各相位的配时,以使得路口各车道的车道占有率的方差最小化,包括:
计算在至少一个相位周期的各相位中各车道的车道占有率预测值;
计算在所述至少一个相位周期的全部相位中各车道的车道占有率预测值的方差的累计值;以及
调整所述至少一个相位周期的各相位的配时,以使所述累计值最小化。
具体地,在一些进一步的实施例中,所述调整路口交通信号各相位的配时,以使得路口各车道的车道占有率的方差最小化,进一步包括:
计算:
其中, 表示第条车道在第个相位中的车道占有率预测值;是该车道当前的车辆总长;表示该车道在第个相位中的单位时间驶入流量,表示该车道在第个相位中的单位时间驶出流量,均通过过去若干相位周期的统计平均值计算得到;为相位的时长,令表示一个完整相位周期的总时长,表示一个相位周期中的相位数,则;为本车道中车辆的统计平均车长;为该车道的统计路段总长;
一个相位周期的全部相位中各车道的车道占有率方差的累积值的最小值表示为:
约束条件为:
在一些实施例中,所述路口交通信息感知控制方法还包括以下步骤:
在步骤506,对路口交通信号各相位的配时确保路口不发生车辆溢出和行人通过不受影响。
在一些实施例中,所述步骤506包括:
在即将切换到下一个相位时:
计算该相位所对应的出口车道被驶入车辆填满所需的预测剩余通行时间;
比较所述预测剩余通行时间与行人通过该路口的预测时间;
如果所述预测剩余通行时间小于所述行人通过该路口的预测时间,则跳过所述下一个相位;否则
比较所述预测剩余通行时间与所述下一个相位的当前配时;
如果所述预测剩余通行时间小于所述当前配时,则将所述当前配时修改为所述预测剩余通行时间。
在一些实施例中,所述步骤501包括:
采集路口连接的一条道路上的雷达原始数据;
获取路口连接的一条道路上的视频数据;以及
所述步骤502包括:
处理所述雷达采集的雷达原始数据,生成车辆目标信息;
对所述摄像头获取的视频数据进行目标检测,生成车辆目标的特征信息;
对所述摄像头获得的视频数据进行车道识别,生成车道信息;
对所述车辆目标信息和车辆目标的特征信息进行目标融合,生成目标轨迹信息;
根据所述目标轨迹信息和所述车道信息,计算该条道路的各车道上的车辆统计信息,所述车辆统计信息包括各车道上的车辆总长度和平均长度、平均车速、车道空置长度以及各车道的单位时间驶入流量和驶出流量。
以上参照附图描述了根据本发明的实施例的路口交通信息感知控制方法,应指出的是,以上描述和图示仅为示例,而不是对本发明的限制。在本发明的其他实施例中,该路口交通信息感知控制方法可具有更多、更少或不同的步骤,且各部件之间的顺序、包含和功能等关系可以与所描述和图示的不同。例如,通常多个步骤可合并为一个更大的步骤,一个步骤也可以拆分为多个步骤,等等。所有这些变化都处于本发明的精神和范围之内。
根据本发明的实施例的路口交通信息感知控制技术方案通过检测各个车道上的车辆信息获得车道占有率信息,并按照车道占有率来优化和调整路口交通信号配时策略,能够使道路使用效率达到整体最化。在一些实施例中,通过考虑出口溢出问题,能够避免在饱和的交通状态下失效的严重问题。进一步地,该技术方案兼顾了行人通过车道不受影响,能够避免在车流量很小时段信号灯相位变化过快,提高了系统的鲁棒性。
在本发明的一些实施例中,采用毫米波雷达与摄像头两种传感器同步采集数据并融合,数据融合包括单方向视频与雷达的融合、各个方向交通信息的综合集成,两种传感器取长补短,多方向交通信息整合统筹,实现了对环境和目标的全息、多维、精确、稳定的感知。
在本发明的一些实施例中,利用摄像头获取的视频进行车道线识别,利用雷达与摄像头各自处理得到目标信息进行融合得到目标的多维特征,之后将融合后的目标进行分车道车辆信息统计,得到车道级的统计数据,如实时车道级排队长度、车道级平均车速等,从而为最终的相位配时决策提供了充分的数据支撑。
由于单方向传感器尤其是摄像头获取的数据量很大,给数据传输和中心处理设备的实时处理和融合带来非常大的压力。根据本发明的实施例的技术方案将单方向传感器的数据处理与融合、分车道信息统计放在边缘处理设备上完成,极大程度上降低了数据传输压力和中心处理模块的压力。
所属技术领域的技术人员知道,本发明的多个方面可以体现为系统、方法或计算机程序产品。因此,本发明的多个方面可以具体实现为以下形式,即,可以是完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、或者本文一般称为“电路”、“模块”或“系统”的软件部分与硬件部分的组合。此外,本发明的多个方面还可以采取体现在一个或多个计算机可读介质中的计算机程序产品的形式,该计算机可读介质中包含计算机可用的程序码。
本说明书中涉及的各术语的含义一般为本领域中的通常含义,或者为本领域技术人员在阅读本说明书之后所正常理解的含义。在此使用的术语仅出于描述特定实施例的目的,并非对本发明进行限制。正如在此使用的那样,单数形式“一”、“一个”和“所述”旨在同时包括复数形式,除非上下文另外明确指出。将进一步理解的是,当在本说明书中使用时,术语“包括”和/或“包含”指定存在所述特性、整数、步骤、操作、元件和/或组件,但并不排除其中存在或添加一个或多个其他特性、整数、步骤、操作、元件、组件和/或由此构成的组。本说明书中的用语 “连接”、“相连”等类似术语通常包括机械连接、电连接、通信连接或其组合,且通常既可以包括直接连接,也包括经由其他部件的间接连通或连接。本说明书中的用语“第一”、“第二”等仅用于区别不同部件或要素,而不表示这些部件或要素之间的任何重要性或顺序关系。
权利要求中的所有装置功能元件或步骤功能元件(在适用时)的对应结构、材料、操作和等价物旨在包括用于与如具体声明的那样的其他所声明的元件结合执行所述功能的任何结构、材料或操作。出于说明和描述目的给出了对本发明的描述,但是所述描述并非旨在是穷举的或是将本发明限于所公开的形式。在不偏离本发明的范围和精神的情况下,许多修改和变化对于本领域的技术人员来说都将是显而易见的。实施例的选择和描述是为了最佳地解释本发明的原理和实际应用,并且使得本领域的其他技术人员能够针对具有各种修改的适合于所构想的特定使用的各种实施例理解本发明。因此,尽管根据实施例对本发明进行了描述,但是本领域的技术人员将理解,本发明的实现可以具有修改并且处于所附权利要求的精神和范围中。
Claims (14)
1.一种路口交通信息感知控制系统,包括:
多个路口传感器,其被配置为分别采集路口连接的各条道路上的交通信息;
一个或多个边缘处理模块,其被配置为处理所述各条道路上的交通信息,获得各条道路上的车辆目标信息和车道信息,并计算各条道路的各车道上的车辆统计信息;
中心处理模块,其被配置为:
根据所述各条道路的各车道上的车辆统计信息,计算各车道的车道占有率信息;并且
根据所述车道占有率信息,对路口交通信号各相位的配时策略进行实时优化;以及
路口交通信号控制系统,其被配置为根据所述优化的配时策略执行路口交通信号控制。
2.根据权利要求1所述的系统,其中,所述中心处理模块进一步被配置为:
调整路口交通信号各相位的配时,以使得路口各车道的车道占有率的方差最小化。
3.根据权利要求2所述的系统,其中,所述中心处理模块进一步被配置为:
计算在至少一个相位周期的各相位中各车道的车道占有率预测值;
计算在所述至少一个相位周期的全部相位中各车道的车道占有率预测值的方差的累计值;以及
调整所述至少一个相位周期的各相位的配时,以使所述累计值最小化。
4.根据权利要求3所述的系统,其中,所述中心处理模块进一步被配置为:
计算:
其中, 表示第条车道在第个相位中的车道占有率预测值;是该车道当前的车辆总长;表示该车道在第个相位中的单位时间驶入流量,表示该车道在第个相位中的单位时间驶出流量,均通过过去若干相位周期的统计平均值计算得到;为相位的时长,令表示一个完整相位周期的总时长,表示一个相位周期中的相位数,则;为本车道中车辆的统计平均车长;为该车道的统计路段总长;
一个相位周期的全部相位中各车道的车道占有率方差的累积值的最小值表示为:
约束条件为:
5.根据权利要求1所述的系统,其中,所述中心处理模块进一步被配置为:
对路口交通信号各相位的配时确保路口不发生车辆溢出和行人通过不受影响。
6.根据权利要求5所述的系统,其中,所述中心处理模块进一步被配置为:在即将切换到下一个相位时,
计算该相位所对应的出口车道被驶入车辆填满所需的预测剩余通行时间;
比较所述预测剩余通行时间与行人通过该路口的预测时间;
如果所述预测剩余通行时间小于所述行人通过该路口的预测时间,则跳过所述下一个相位;否则,
比较所述预测剩余通行时间与所述下一个相位的当前配时;
如果所述预测剩余通行时间小于所述当前配时,则将所述当前配时修改为所述预测剩余通行时间。
7.根据权利要求1所述的系统,其中,每个所述路口传感器包括与一个边缘处理模块通信连接的至少一个雷达和至少一个摄像头,其中,
所述雷达被配置为采集路口连接的一条道路上的雷达原始数据;
所述摄像头被配置为获取路口连接的一条道路上的视频数据;
所述一个边缘处理模块被配置为:
处理所述雷达采集的雷达原始数据,生成第一车辆目标信息;
对所述摄像头获取的视频数据进行目标检测,生成第二车辆目标信息;
对所述摄像头获得的视频数据进行车道识别,生成车道信息;
对所述第一车辆目标信息和第二车辆目标信息进行目标融合,生成目标轨迹信息;以及
根据所述目标轨迹信息和所述车道信息,计算该条道路的各车道上的车辆统计信息,所述车辆统计信息包括各车道上的车辆总长度和平均长度、平均车速、车道空置长度以及各车道的单位时间驶入流量和驶出流量。
8.一种路口交通信息感知控制方法,包括:
分别采集路口连接的各条道路上的交通信息;
处理所述各条道路上的交通信息,获得各条道路上的车辆目标信息和车道信息,并计算各条道路的各车道上的车辆统计信息;
根据所述各条道路的各车道上的车辆统计信息,计算各车道的车道占有率信息;
根据所述车道占有率信息,对路口交通信号各相位的配时策略进行实时优化;以及
根据所述优化的配时策略执行路口交通信号控制。
9.根据权利要求8所述的方法,其中,所述根据所述车道占有率信息,对路口交通信号各相位的配时策略进行实时优化,包括:
调整路口交通信号各相位的配时,以使得路口各车道的车道占有率的方差最小化。
10.根据权利要求9所述的方法,其中,所述调整路口交通信号各相位的配时,以使得路口各车道的车道占有率的方差最小化,包括:
计算在至少一个相位周期的各相位中各车道的车道占有率预测值;
计算在所述至少一个相位周期的全部相位中各车道的车道占有率预测值的方差的累计值;以及
调整所述至少一个相位周期的各相位的配时,以使所述累计值最小化。
11.根据权利要求10所述的方法,其中,所述调整路口交通信号各相位的配时,以使得路口各车道的车道占有率的方差最小化,进一步包括:
计算:
其中, 表示第条车道在第个相位中的车道占有率预测值;是该车道当前的车辆总长;表示该车道在第个相位中的单位时间驶入流量,表示该车道在第个相位中的单位时间驶出流量,均通过过去若干相位周期的统计平均值计算得到;为相位的时长,令表示一个完整相位周期的总时长,表示一个相位周期中的相位数,则;为本车道中车辆的统计平均车长;为该车道的统计路段总长;
一个相位周期的全部相位中各车道的车道占有率方差的累积值的最小值表示为:
约束条件为:
12.根据权利要求8所述的方法,还包括:
对路口交通信号各相位的配时确保路口不发生车辆溢出和行人通过不受影响。
13.根据权利要求12所述的方法,其中,所述确保路口不发生溢出和行人通过不受影响,包括: 在即将切换到下一个相位时,
计算该相位所对应的出口车道被驶入车辆填满所需的预测剩余通行时间;
比较所述预测剩余通行时间与行人通过该路口的预测时间;
如果所述预测剩余通行时间小于所述行人通过该路口的预测时间,则跳过所述下一个相位;否则
比较所述预测剩余通行时间与所述下一个相位的当前配时;
如果所述预测剩余通行时间小于所述当前配时,则将所述当前配时修改为所述预测剩余通行时间。
14.根据权利要求8所述的方法,其中,
所述分别采集路口连接的各条道路上的交通信息,包括:
采集路口连接的一条道路上的雷达原始数据;
获取路口连接的一条道路上的视频数据;以及
所述处理所述各条道路上的交通信息,获得各条道路上的车辆目标信息和车道信息,并计算各条道路的各车道上的车辆统计信息,包括:
处理所述雷达采集的雷达原始数据,生成第一车辆目标信息;
对所述摄像头获取的视频数据进行目标检测,生成第二车辆目标信息;
对所述摄像头获得的视频数据进行车道识别,生成车道信息;
对所述第一车辆目标信息和第二车辆目标信息进行目标融合,生成目标轨迹信息;
根据所述目标轨迹信息和所述车道信息,计算该条道路的各车道上的车辆统计信息,所述车辆统计信息包括各车道上的车辆总长度和平均长度、平均车速、车道空置长度以及各车道的单位时间驶入流量和驶出流量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010949131.XA CN112017437B (zh) | 2020-09-10 | 2020-09-10 | 路口交通信息感知控制系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010949131.XA CN112017437B (zh) | 2020-09-10 | 2020-09-10 | 路口交通信息感知控制系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112017437A true CN112017437A (zh) | 2020-12-01 |
CN112017437B CN112017437B (zh) | 2021-03-26 |
Family
ID=73521929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010949131.XA Active CN112017437B (zh) | 2020-09-10 | 2020-09-10 | 路口交通信息感知控制系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112017437B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113257011A (zh) * | 2021-05-13 | 2021-08-13 | 广西交通职业技术学院 | 一种基于车路协同的交通信号控制系统 |
CN113554875A (zh) * | 2021-03-12 | 2021-10-26 | 北京航空航天大学 | 一种基于边缘计算的高速公路异质交通流可变限速控制方法 |
CN113643534A (zh) * | 2021-07-29 | 2021-11-12 | 北京万集科技股份有限公司 | 交通管控的方法及设备 |
CN114120629A (zh) * | 2021-10-13 | 2022-03-01 | 中国铁建电气化局集团有限公司 | 基于交通控制设备的车辆控制方法、装置、设备及介质 |
CN114333321A (zh) * | 2021-12-31 | 2022-04-12 | 北京荣顺智行科技开发有限公司 | 路侧装置 |
CN114419904A (zh) * | 2021-12-28 | 2022-04-29 | 中睿智能交通技术有限公司 | 一种基于车路云协同的信号机控制系统及控制方法 |
CN114898325A (zh) * | 2022-07-12 | 2022-08-12 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种车辆危险变道检测方法、装置及电子设备 |
CN115346374A (zh) * | 2022-08-30 | 2022-11-15 | 北京星云互联科技有限公司 | 一种路口全息感知方法、装置、边缘计算设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007056225A1 (de) * | 2007-11-22 | 2009-05-28 | Siemens Ag | Verfahren und Vorrichtung zum Steuern eines Verkehrsflusses an einer Kreuzung |
CN105654739A (zh) * | 2016-01-08 | 2016-06-08 | 北方工业大学 | 行人过街信号与上游交叉口信号联动控制方法和系统 |
CN109615889A (zh) * | 2018-12-29 | 2019-04-12 | 南京奥杰智能科技有限公司 | 用于交通信号智能控制的路口交通路况检测系统 |
CN110956826A (zh) * | 2019-11-21 | 2020-04-03 | 浙江大华技术股份有限公司 | 一种交通信号配时方案的生成方法、生成装置及存储介质 |
CN111199652A (zh) * | 2018-11-16 | 2020-05-26 | 杭州海康威视系统技术有限公司 | 道路交通信号控制方法、装置、系统、电子设备及存储介质 |
-
2020
- 2020-09-10 CN CN202010949131.XA patent/CN112017437B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007056225A1 (de) * | 2007-11-22 | 2009-05-28 | Siemens Ag | Verfahren und Vorrichtung zum Steuern eines Verkehrsflusses an einer Kreuzung |
CN105654739A (zh) * | 2016-01-08 | 2016-06-08 | 北方工业大学 | 行人过街信号与上游交叉口信号联动控制方法和系统 |
CN111199652A (zh) * | 2018-11-16 | 2020-05-26 | 杭州海康威视系统技术有限公司 | 道路交通信号控制方法、装置、系统、电子设备及存储介质 |
CN109615889A (zh) * | 2018-12-29 | 2019-04-12 | 南京奥杰智能科技有限公司 | 用于交通信号智能控制的路口交通路况检测系统 |
CN110956826A (zh) * | 2019-11-21 | 2020-04-03 | 浙江大华技术股份有限公司 | 一种交通信号配时方案的生成方法、生成装置及存储介质 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554875A (zh) * | 2021-03-12 | 2021-10-26 | 北京航空航天大学 | 一种基于边缘计算的高速公路异质交通流可变限速控制方法 |
CN113257011A (zh) * | 2021-05-13 | 2021-08-13 | 广西交通职业技术学院 | 一种基于车路协同的交通信号控制系统 |
CN113643534A (zh) * | 2021-07-29 | 2021-11-12 | 北京万集科技股份有限公司 | 交通管控的方法及设备 |
CN114120629A (zh) * | 2021-10-13 | 2022-03-01 | 中国铁建电气化局集团有限公司 | 基于交通控制设备的车辆控制方法、装置、设备及介质 |
CN114419904A (zh) * | 2021-12-28 | 2022-04-29 | 中睿智能交通技术有限公司 | 一种基于车路云协同的信号机控制系统及控制方法 |
CN114419904B (zh) * | 2021-12-28 | 2024-04-02 | 中睿智能交通技术有限公司 | 一种基于车路云协同的信号机控制系统及控制方法 |
CN114333321A (zh) * | 2021-12-31 | 2022-04-12 | 北京荣顺智行科技开发有限公司 | 路侧装置 |
CN114898325A (zh) * | 2022-07-12 | 2022-08-12 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种车辆危险变道检测方法、装置及电子设备 |
CN115346374A (zh) * | 2022-08-30 | 2022-11-15 | 北京星云互联科技有限公司 | 一种路口全息感知方法、装置、边缘计算设备和存储介质 |
CN115346374B (zh) * | 2022-08-30 | 2023-08-22 | 北京星云互联科技有限公司 | 一种路口全息感知方法、装置、边缘计算设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112017437B (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112017437B (zh) | 路口交通信息感知控制系统和方法 | |
CN110532896B (zh) | 一种基于路侧毫米波雷达和机器视觉融合的道路车辆检测方法 | |
US9805474B1 (en) | Pedestrian tracking at a traffic intersection to identify vulnerable roadway users for traffic signal timing, pedestrian safety, and traffic intersection control | |
CN106023605B (zh) | 一种基于深度卷积神经网络的交通信号灯控制方法 | |
US9154741B2 (en) | Apparatus and method for processing data of heterogeneous sensors in integrated manner to classify objects on road and detect locations of objects | |
Coifman et al. | A real-time computer vision system for vehicle tracking and traffic surveillance | |
CN112700470B (zh) | 一种基于交通视频流的目标检测和轨迹提取方法 | |
US9460613B1 (en) | Pedestrian counting and detection at a traffic intersection based on object movement within a field of view | |
CN110895884B (zh) | 交通信号灯的控制方法及装置 | |
US5801943A (en) | Traffic surveillance and simulation apparatus | |
US20020054210A1 (en) | Method and apparatus for traffic light violation prediction and control | |
CN112437501B (zh) | 一种基于交通语义和博弈论的多传感器超视距自组网方法 | |
CN112258668A (zh) | 基于高位摄像头对路边车辆停车行为的检测方法 | |
CN115205559A (zh) | 一种跨域车辆重识别及连续轨迹构建方法 | |
CN111402615B (zh) | 一种基于导航信息的可变车道控制方法 | |
Tak et al. | Development of AI-based vehicle detection and tracking system for C-ITS application | |
CN111951576A (zh) | 一种基于车辆识别的交通灯控制系统及其方法 | |
CN112017448A (zh) | 交通检测方法、信号灯控制方法、装置、设备和存储介质 | |
CN112349087B (zh) | 一种基于路口信息全息感知的可视化数据输入方法 | |
Cheng et al. | Semantic segmentation of road profiles for efficient sensing in autonomous driving | |
WO2017196515A1 (en) | Pedestrian counting and detection at a traffic intersection based on location of vehicle zones | |
Zheng et al. | Detecting cycle failures at signalized intersections using video image processing | |
CN113468911B (zh) | 一种车载闯红灯检测方法、装置、电子设备及存储介质 | |
CN114333331B (zh) | 一种多车道桥梁车辆通行信息与车重识别方法及系统 | |
Kamijo et al. | Development and evaluation of real-time video surveillance system on highway based on semantic hierarchy and decision surface |
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 |