CN112185119A - 基于大数据的智能城市交通引导系统及方法 - Google Patents
基于大数据的智能城市交通引导系统及方法 Download PDFInfo
- Publication number
- CN112185119A CN112185119A CN202011062460.9A CN202011062460A CN112185119A CN 112185119 A CN112185119 A CN 112185119A CN 202011062460 A CN202011062460 A CN 202011062460A CN 112185119 A CN112185119 A CN 112185119A
- Authority
- CN
- China
- Prior art keywords
- traffic
- module
- vehicle
- intersection
- threshold value
- 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.)
- Pending
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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/096805—Systems involving transmission of navigation instructions to the vehicle where the transmitted instructions are used to compute a route
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及交通管理技术领域,为了解决现有技术中无法对整个路段的车流量进行调整的问题,提供了一种基于大数据的智能城市交通引导系统,包括统计模块,用于统计车辆数和行人数;存储模块,存储交通情况表和调节表,交通情况表包括不同的交通状态,调节表包括调节规则;识别模块用于识别出当前路口的交通状态和调节规则;调节模块,用于对交通灯进行实时调节;包括有通信模块,用于获取各个路口的交通状态;存储模块存储有不同的行驶路线,交通情况表还包括整体交通状态;识别模块还用于识别出对应的整体交通状态,并在识别出整体交通状态为拥堵时,从存储模块中识别出优化的行驶路线;显示模块,用于显示优化的行驶路线。
Description
技术领域
本发明涉及交通管理技术领域,具体为一种基于大数据的智能城市交通引导系统及方法。
背景技术
随着越来越多的人选择自己驾车出行,城市交通状况也日益恶化,尤其是在早晚上下班高峰阶段,城市道路便显得极其拥堵,很多车辆为了通过同一路口需要排队等候多个信号灯才能通过,等待时间也会随之延长。因此,为了改善现在日益恶化的交通现状,现有路口的交通灯会根据路口的车流量以及行人量智能调节交通灯的放行、慢行及停止时间,如等待通过路口的行人数少,则会延长车辆通行时间,以对拥堵的交通状况进行疏通。
然而,现在这种根据车流量和行人量对交通灯进行智能调节的方式通常都是根据已经驶入当前路口的车辆对当前路口的驶入车辆进行疏通,而一条路段中通常都会设置有多个路口,也就是说,现有的这种交通灯调节方式并不能对整条路段或全局的城市道路交通情况进行分析,若各个路口都处于拥堵情况,则每到达一个路口,车辆就需要进行一次漫长的等待,于是在整个车辆行驶及行人通行的过程中,耗用的时间就会被大幅度提高,一些赶时间或心急的驾驶员或行人,会在这种状况下就变得焦躁,更有甚至会出现超速、违法、违规行驶;违法、违规通行,从而引发不必要的交通事故。因此,不管是从改善交通整体状况还是从提高行驶安全出发,如何有效的引导交通秩序,都是一个亟待解决的难题。
发明内容
本发明的目的之一在于提供一种基于大数据的智能城市交通引导系统,以解决现有技术中,由于对当前路口的交通灯进行调节是根据已经驶入当前路口的车辆进行调整而无法对全局路段的车流量进行调整的问题。
本发明提供基础方案是:基于大数据的智能城市交通引导系统,包括采集模块,用于采集当前路口的交通图像;
识别模块,用于对交通图像中车道上的车辆以及人行道等待区行人进行识别;
统计模块,用于对识别到的车辆和行人分别进行统计得到车辆数和行人数;
存储模块,存储有交通情况表和调节表,交通情况表包括不同车辆数对应的交通状态,调节表包括与交通状态对应的调节规则;
识别模块还用于根据车辆数从交通情况表中识别出当前路口相应的交通状态,并根据识别出的交通状态以及统计到的行人数从调节表中识别出相应的调节规则;
调节模块,用于根据识别出的调节规则对当前路口的交通灯进行实时调节;
其中:还包括有通信模块,用于获取当前路口所在的当前路段的各个路口的交通状态;
存储模块还存储有通过当前路段不同的行驶路线,交通情况表还包括各个路口的交通状态对应的当前路段的整体交通状态;
识别模块还用于根据获取到的各个路口的交通状态从交通情况表中识别出对应的整体交通状态,并在识别出整体交通状态为拥堵时,从存储模块中识别出优化的行驶路线;
显示模块,用于显示优化的行驶路线。
基础方案的原理及有益效果是:本方案中,通过设置通信模块获取当前路段各个路口的交通状态,并识别当前路段的整体交通情况,当识别出整体交通情况为拥堵时,在这种情况下,依靠调节交通灯的方式来对拥堵的交通状态进行疏通,效果甚微,因此在这种情况下,识别模块则从存储模块中存储的行驶路线识别出优化的行驶路线,然后通过显示模块将识别出来的行驶路线进行显示,也就能够将车辆引导到其他行驶路线上,与现有技术中调节交通灯提高车辆通行速度进行疏通的方法相比,本方案基于交通行业大数据处理为核心,通过对采集到的交通状态进行整合处理,运用大数据处理技术,通过将车辆引导到其他同样能够通过当前路段的其他行驶路线的方式,能够大幅度减少当前路段上停留的车辆数,也就能够大幅度减小当前路段的拥堵情况,疏通效率更高。
优选方案一:作为基础方案的优选,通信模块还用于将识别出来的行驶路线推送给当前路段上车辆的车载终端。有益效果:利用通信模块将识别出的优化的行驶路线推送给车辆的车载终端,这样一来,驾驶员则可以自由选择驾驶路线,可以改变当前的行驶路线以绕行避开拥堵路段,或继续等待,提高了驾驶的自由性,而且通信模块能够及时将优化的行驶路线推送给驾驶员,及时对驾驶员进行引导,从而提高了疏通效率。
优选方案二:作为基础方案的优选,采集模块还用于采集车辆通行当前路口的通行速度;还包括有处理模块,用于根据通行速度和当前路口的车辆数得到当前路口的通行时间;通信模块获取当前路段各个路口的通行时间,处理模块根据各个路口的通行时间得到当前路段的预计通行时间,显示模块显示预计通行时间。有益效果:本方案中还通过采集模块与处理模块的配合实现对当前路段的预计通行时间进行计算,显示模块显示预计通行时间后,方便当前路段中的驾驶员知晓通过当前路段需要等待的时间,从而能更容易的从继续等待或选择优化的行驶路线绕行中选择出更适合自己的方式来通过当前路段。
优选方案三:作为优选方案二的优选,显示模块还显示当前路口的通行时间。有益效果:考虑到有的车辆并不需要通过当前路段的所有路口,因此本方案中显示模块还会显示当前路口的通行时间,以便驾驶员能够知晓各个路口的通行时间,也就能够及时对自己的行驶路线进行重新规划,从而便于当前路口拥堵情况的改善。
优选方案四:作为优选方案二的优选,存储模块中预存有缓行速度阈值和拥堵速度阈值;还包括比较模块,用于将采集到的通行速度与缓行速度阈值与拥堵速度阈值进行比较,在比较出通行速度小于拥堵速度阈值时,统计模块统计车辆数得到车辆拥堵阈值,在比较出通行速度大于拥堵速度阈值且小于缓行速度阈值时,统计模块统计车辆数得到车辆缓行阈值。有益效果:本方案中,通过设置的缓行速度阈值与拥堵速度阈值以及通行速度进行比较,在识别到通行速度小于拥堵速度阈值时,说明此时该路段处于拥堵状态,车辆行驶速度十分缓慢,再统计此时的车辆数,得到的车辆拥堵阈值也就表示在拥堵状态下该路段的车辆承载数,当路段上实时车辆数大于或等于这个车辆拥堵阈值时,就会出现拥堵状态;同样的,在识别到通行速度大于拥堵速度阈值且小于缓行速度阈值时,则表明此时该路段上车辆行驶速度缓慢,处于缓行状态,再统计此时的车辆数,得到的车辆缓行阈值则表示在缓行状态下该路段的车辆承载数,当路段上实时车辆数大于车辆缓行阈值且小于车辆拥堵阈值时,就会出现缓行状态,统计出车辆拥堵阈值和车辆缓行阈值后,便于交通情况表的预设,为交通情况表的预设提供了数据支撑,确保交通情况表的准确性。
优选方案五:作为优选方案四的优选,通信模块还获取车载终端上运行的导航信息,导航信息包括途径路段以及到达各个途径路段的预计时间段;统计模块还用于统计不同导航信息中相同途径路段且到达的预计时间段相同的数量得到预计通行数;比较模块将预计通行数与车辆缓行阈值以及车辆拥堵阈值进行比较,在比较出预计通行数大于车辆拥堵阈值时,通信模块向相应的车载终端发送拥堵警示信息,在比较出预计通行数小于车辆拥堵阈值且大于车辆缓行阈值时,通信模块向相应的车载终端发送缓行警示信息。有益效果:由于目前的车载终端的导航功能都只能显示实时拥堵的情况,而不能对路段的拥堵情况进行预计,因此本方案中还对车载终端上运行的导航信息进行获取,还对相同途径路段且达到的预计时间相同的数量进行统计,得到的预计通行数即是在相应的预计时间段内达到的车辆数,然后由比较模块将得到的预计通行数与车辆拥堵阈值以及车辆缓行阈值进行比较,从而比较得出在相应的预计时间段内相应的途径路段的通行情况,最后通信模块根据比较结果发送相应的警示信息从而提示相应的驾驶员预计的通行情况,比较驾驶员能够及时调整行驶路径,从而避开拥堵时段。
本发明目的之二在于提供一种基于大数据的智能城市交通引导方法,提供的基础方案二是:基于大数据的智能城市交通引导方法,包括以下步骤:统计步骤:采集当前路口的交通图像并对交通图像中车道上的车辆以及人行道等待区行人进行识别,然后对识别到的车辆和行人分别进行统计得到车辆数和行人数;调节步骤:根据车辆数和行人数从预设的交通情况表内识别出当前路口相应的交通状态以及相对应的调节规则,根据识别出的调节规则对当前路口的交通灯进行实时调节;引导步骤:获取当前路口所在的当前路段的各个路口的交通状态,根据预存的交通情况表识别出当前路段的整体交通状态,在识别出整体交通状态为拥堵时,从预设的通过当前路段不同的行驶路线中识别出优化的行驶路线后进行显示。有益效果:本方案中通过统计步骤得到当前路口的车辆数和行人数后,利用调节步骤根据当前的车辆数和行人数对当前路口的交通灯进行实时调节,从而实现对交通的实时调节;再利用引导步骤识别出能够通过拥堵路段的路线,通过将车辆引导到其他行驶路线上去,从而减少了驶入拥堵路段的车辆,也就能够减小路段的拥堵。
优选方案六:作为基础方案二的优选,还包括推送步骤,将识别出来的行驶路线推送给当前路段上车辆的车载终端。有益效果:通过推送步骤的设置方便驾驶员及时知晓避开拥堵路段的行驶路线,从而及时调整自己的行驶路线,进一步减小驶入拥堵路段的车辆,能够减小路段的拥堵。
优选方案七:作为基础方案二的优选,还包括有时间预计步骤:采集车辆通行当前路口的通行速度;根据通行速度和当前路口的车辆数得到当前路口的通行时间;获取当前路段各个路口的通行时间,根据各个路口的通行时间得到当前路段的预计通行时间并进行显示。有益效果:本方案中还对预计通过当前路段的预计通行时间进行预算,预计出来的预计通行时间也就代表车辆通行当前路段需要行驶的时间,预计通行时间的预算方便驾驶员能更容易的从继续等待或选择优化的行驶路线绕行中选择出更适合自己的方式来通过当前路段。
优选方案八:作为优选方案七的优选,还包括车辆通行阈值计算步骤:将采集到的通行速度与预存的缓行速度阈值与拥堵速度阈值进行比较,在比较出通行速度小于拥堵速度阈值时,统计车辆数得到车辆拥堵阈值,在比较出通行速度大于拥堵速度阈值且小于缓行速度阈值时,统计车辆数得到车辆缓行阈值。有益效果:本方案中,车辆拥堵阈值和车辆缓行阈值的计算方便对当前路口的车流量承载能力进行判定,从而能够对当前路口的拥堵情况进行更准确的判定。
附图说明
图1为本发明实施例一中基于大数据的智能城市交通引导系统的模块框图;
图2为本发明实施例二中基于大数据的智能城市交通引导系统的模块框图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例一
基本如附图1所示:基于大数据的智能城市交通引导系统,包括采集模块,用于采集当前路口的交通图像,还采集车辆通行当前路口的通行速度;
识别模块,用于对交通图像中车道上的车辆以及人行道等待区行人进行识别;
统计模块,用于对识别到的车辆和行人分别进行统计得到车辆数和行人数;
存储模块,存储有交通情况表、调节表和通过当前路段不同的行驶路线,交通情况表包括不同车辆数对应的交通状态以及各个路口的交通状态对应的当前路段的整体交通状态,调节表包括与交通状态对应的调节规则;本实施例中,存储模块采用Hadoop的HDPS进行信息的存储,HDFS作为Hadoop的分布式文件系统,成为在集群上主流的海量存储件系统。HDFS由一个NameNode和若干个DataNode组成,其中NameNode负责管理文件系统的命名空间,DataNode是文件系统的工作节点。HDFS采用主从式架构模式,简化了分布式文件系统结构。HDFS对海量大文件的处理,能够提供高效的处理效率。
识别模块还用于根据车辆数从交通情况表中识别出当前路口相应的交通状态,并根据识别出的交通状态以及统计到的行人数从调节表中识别出相应的调节规则;
调节模块,用于根据识别出的调节规则对当前路口的交通灯进行实时调节;
通信模块,用于获取当前路口所在的当前路段的各个路口的交通状态;
识别模块还用于根据获取到的各个路口的交通状态从交通情况表中识别出对应的整体交通状态,并在识别出整体交通状态为拥堵时,从存储模块中识别出优化的行驶路线;
显示模块,用于显示优化的行驶路线;通信模块还用于将识别出来的行驶路线推送给当前路段上车辆的车载终端;
处理模块,用于根据通行速度和当前路口的车辆数得到当前路口的通行时间,显示模块显示当前路口的通行时间;通信模块获取当前路段各个路口的通行时间,处理模块根据各个路口的通行时间得到当前路段的预计通行时间,显示模块显示预计通行时间。
本实施例中还公开了一种基于大数据的智能城市交通引导方法,包括以下步骤:
统计步骤:采集当前路口的交通图像并对交通图像中车道上的车辆以及人行道等待区行人进行识别,然后对识别到的车辆和行人分别进行统计得到车辆数和行人数;
调节步骤:根据车辆数和行人数从预设的交通情况表内识别出当前路口相应的交通状态以及相对应的调节规则,根据识别出的调节规则对当前路口的交通灯进行实时调节;
引导步骤:获取当前路口所在的当前路段的各个路口的交通状态,根据预存的交通情况表识别出当前路段的整体交通状态,在识别出整体交通状态为拥堵时,从预设的通过当前路段不同的行驶路线中识别出优化的行驶路线后进行显示;
推送步骤,将识别出来的行驶路线推送给当前路段上车辆的车载终端;
时间预计步骤:采集车辆通行当前路口的通行速度;根据通行速度和当前路口的车辆数得到当前路口的通行时间;获取当前路段各个路口的通行时间,根据各个路口的通行时间得到当前路段的预计通行时间并进行显示。
具体实施过程如下:以路口A为例,工作时,采集模块采集当前路口的交通图像,本实施例中采集模块为设置在路口A的摄像头。然后由识别模块对交通图像中车辆以及人行道等待区的行人进行识别,统计模块对识别出来的车辆和行人进行统计得到车辆数C和行人数P。
存储模块中存储有交通情况表和调节表,其中交通情况表包括不同车辆数对应的交通状态,设定路口的交通状态包括拥堵、缓行以及畅通三种状态,相应的调节规则包括三种,在其他实施例中交通状态可以只包括拥堵和畅通两种状态,相应的调节规则也就只包括两种;本实施例中的交通情况表如表一所示。
表一
车辆数C | 当前路口的交通状态 |
C≥X1 | 拥堵 |
X2≤C<X1 | 缓行 |
C<X2 | 畅通 |
其中设定X1为当前路口所在道路能够承载的最大车辆数;X2为当前路口所在道路可以承载的标准车辆数。
交通情况表还包括各个路口的交通状态对应的当前路段的整体交通状态;本实施例中整体交通状态同样包括拥堵、缓行和畅通三种状态,具体的,设定当前路段有D个路口,D个路口中拥堵状态有D1个,则拥堵占比Y=D1/D则整体交通状态判定如表二。
表二
拥堵占比 | 整体交通状态 |
Y≥Y<sub>max</sub> | 拥堵 |
Y<sub>min</sub>≤Y<Y<sub>max</sub> | 缓行 |
Y<Y<sub>min</sub> | 通畅 |
其中Ymax>Ymin。设定当前路段有5个路口,其中4个路口识别为拥堵,则拥堵占比Y=4/5=0.8;设定Ymax=0.7,Ymin=0.5,则当前路段的整体交通状态则为拥堵。
在识别模块识别出路口A相应的交通状态后,还根据交通状态以及行人数从调节表中别出相应的调节规则。对应的调节表如表二所示。
设定C为3,C0为20,Smax为30,则在当前路口的状态为拥堵时,也就是说,此时当前路口车辆很多,而等待过马路的行人很少,因此此时调节模块调节当前路口的交通灯的绿灯延长30秒,通过增加车辆的通行时间来对拥堵状态进行疏通。
存储模块内还存储有通过当前路段的不同行驶路线,如通过路段L的行驶路线包括N条,如通过行驶路线N1能够从路段L0绕行过路段L。在识别出路段L的整体交通状态为拥堵时,从存储模块中识别出优化的行驶路线,如识别到此时行驶路线N1的整体交通状态为畅通,则识别出的优化的行驶路线则为行驶路线N1,显示模块显示行驶路线N1,同时通信模块还将行驶路线N1推送给当前路段上车辆的车载终端。
在上述过程中,处理模块还根据通行速度和当前路口的车辆数得到当前路口的通行时间,设定通行速度为V1(辆/秒),即一秒内有V1辆车通过路口,在当前路口的车辆数为C1,则当前路口的通行时间T0=C1/V1,设定当前路段包括三个路口,三个路口的通行时间分别为T0-1、T0-2和T0-3,则当前路段的预计通行时间T1=T0-1+T0-2+T0-3。
在上述处理过程中,处理模块采用分布式计算技术MapReduce进行处理。MapReduce作为一种编程模型,采用Master/slave结构,按照其编程规范,只需要编写少量的业务逻辑代码即可实现一个强大的海量数据并发处理程序。它的核心思想是:分而治之,即Mapper负责分,把一个复杂的业务,任务分成若干个简单的任务分发到网络上的每个节点并行执行,最后把Map阶段的结果由Reduce进行汇总,然后进行输出,大大缩短了数据处理的时间开销。MapReduce作为一种可靠且容错的方式进行大规模集群海量数据进行数据处理,数据挖掘,机器学习等方面的操作,属于现有技术,本实施例中不再进行具体描述。
在其他实施例中,还可以采用Spark分布式计算技术进行数据的处理。Spark是UCBerkeley AMP lab(加州大学伯克利分校的AMP实验室)所开源的类Hadoop MapReduce的通用并行计算框架,Spark拥有Hadoop MapReduce所具有的优点;但不同于MapReduce的是Job中间输出结果可以保存在内存中,从而不再需要读写HDFS,因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。同样的,Spark分布式计算作为现有技术,本实施例中也不再进行详细描述。
实施例二
与实施例一不同之处在于,如图2所示,本实施例中,存储模块中预存有缓行速度阈值和拥堵速度阈值;
还包括比较模块,用于将采集到的通行速度与缓行速度阈值与拥堵速度阈值进行比较,在比较出通行速度小于拥堵速度阈值时,统计模块统计车辆数得到车辆拥堵阈值,在比较出通行速度大于拥堵速度阈值且小于缓行速度阈值时,统计模块统计车辆数得到车辆缓行阈值;
通信模块还获取车载终端上运行的导航信息,导航信息包括途径路段以及到达各个途径路段的预计时间段;统计模块还用于统计不同导航信息中相同途径路段且到达的预计时间段相同的数量得到预计通行数;比较模块将预计通行数与车辆缓行阈值以及车辆拥堵阈值进行比较,在比较出预计通行数大于车辆拥堵阈值时,通信模块向相应的车载终端发送拥堵警示信息,在比较出预计通行数小于车辆拥堵阈值且大于车辆缓行阈值时,通信模块向相应的车载终端发送缓行警示信息。
与实施例一中公开的基于大数据的智能城市交通引导方法相比,本实施例中基于大数据的智能城市交通引导方法还包括车辆通行阈值计算步骤:将采集到的通行速度与预存的缓行速度阈值与拥堵速度阈值进行比较,在比较出通行速度小于拥堵速度阈值时,统计车辆数得到车辆拥堵阈值,在比较出通行速度大于拥堵速度阈值且小于缓行速度阈值时,统计车辆数得到车辆缓行阈值;
警示步骤:获取车载终端上运行的导航信息,导航信息包括途径路段以及到达各个途径路段的预计时间段;统计不同导航信息中相同途径路段且到达的预计时间段相同的数量得到预计通行数;将预计通行数与车辆缓行阈值以及车辆拥堵阈值进行比较,在比较出预计通行数大于车辆拥堵阈值时,向相应的车载终端发送拥堵警示信息,在比较出预计通行数小于车辆拥堵阈值且大于车辆缓行阈值时,向相应的车载终端发送缓行警示信息。
工作时,将采集到的通行速度与缓行速度阈值与拥堵速度阈值进行比较,设定缓行速度阈值为Vmax,拥堵速度阈值为Vmin,采集到的通行速度为V0,则在V0<Vmin时,统计模块此时统计到的车辆数Cmax即为车辆拥堵阈值,在Vmin<V0<Vmax时,统计模块此时统计到的车辆数Cmin即为车辆缓行阈值。
获取车载终端上运行的导航信息,导航信息包括途径路段以及到达各个途径路段的预计时间段,如车辆一的导航信息如表三所示。
表三
途径路段 | 预计时间段 |
L1 | t0 |
L2 | t1 |
L3 | t2 |
以途径路段L2为例,设定统计模块统计到在预计时间段t2到达途径路段L2的数量为Z,即预计通行数为Z,比较模块比较预计通行数Z与车辆缓行阈值Cmin以及车辆拥堵阈值Cmax,在Cmin<C0<Cmax时,通信模块发送缓行警示信息,在C0<Cmin时,通信模块发送拥堵警示信息。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.基于大数据的智能城市交通引导系统,包括采集模块,用于采集当前路口的交通图像;
识别模块,用于对所述交通图像中车道上的车辆以及人行道等待区行人进行识别;
统计模块,用于对识别到的车辆和行人分别进行统计得到车辆数和行人数;
存储模块,存储有交通情况表和调节表,所述交通情况表包括不同车辆数对应的交通状态,所述调节表包括与所述交通状态对应的调节规则;
识别模块还用于根据车辆数从交通情况表中识别出当前路口相应的交通状态,并根据识别出的交通状态以及统计到的行人数从调节表中识别出相应的调节规则;
调节模块,用于根据识别出的调节规则对当前路口的交通灯进行实时调节;
其特征在于:还包括有通信模块,用于获取当前路口所在的当前路段的各个路口的交通状态;
所述存储模块还存储有通过当前路段不同的行驶路线,所述交通情况表还包括各个路口的交通状态对应的当前路段的整体交通状态;
所述识别模块还用于根据获取到的各个路口的交通状态从所述交通情况表中识别出对应的整体交通状态,并在识别出整体交通状态为拥堵时,从所述存储模块中识别出优化的行驶路线;
显示模块,用于显示所述优化的行驶路线。
2.根据权利要求1所述的基于大数据的智能城市交通引导系统,其特征在于:所述通信模块还用于将识别出来的行驶路线推送给当前路段上车辆的车载终端。
3.根据权利要求1所述的基于大数据的智能城市交通引导系统,其特征在于:所述采集模块还用于采集车辆通行当前路口的通行速度;
还包括有处理模块,用于根据所述通行速度和当前路口的车辆数得到当前路口的通行时间;所述通信模块获取当前路段各个路口的通行时间,所述处理模块根据各个路口的通行时间得到当前路段的预计通行时间,所述显示模块显示所述预计通行时间。
4.根据权利要求3所述的基于大数据的智能城市交通引导系统,其特征在于:所述显示模块还显示当前路口的通行时间。
5.根据权利要求3所述的基于大数据的智能城市交通引导系统,其特征在于:所述存储模块中预存有缓行速度阈值和拥堵速度阈值;还包括比较模块,用于将采集到的通行速度与所述缓行速度阈值与所述拥堵速度阈值进行比较,在比较出所述通行速度小于所述拥堵速度阈值时,所述统计模块统计车辆数得到车辆拥堵阈值,在比较出所述通行速度大于所述拥堵速度阈值且小于所述缓行速度阈值时,所述统计模块统计车辆数得到车辆缓行阈值。
6.根据权利要求5所述的基于大数据的智能城市交通引导系统,其特征在于:所述通信模块还获取车载终端上运行的导航信息,所述导航信息包括途径路段以及到达各个途径路段的预计时间段;所述统计模块还用于统计不同导航信息中相同途径路段且到达的相同途径路段的预计时间段内的预计通行数;所述比较模块将所述预计通行数与所述车辆缓行阈值以及所述车辆拥堵阈值进行比较,在比较出所述预计通行数大于所述车辆拥堵阈值时,所述通信模块向相应的车载终端发送拥堵警示信息,在比较出所述预计通行数小于所述车辆拥堵阈值且大于所述车辆缓行阈值时,所述通信模块向相应的车载终端发送缓行警示信息。
7.基于大数据的智能城市交通引导方法,其特征在于:包括以下步骤:统计步骤:采集当前路口的交通图像并对所述交通图像中车道上的车辆以及人行道等待区行人进行识别,然后对识别到的车辆和行人分别进行统计得到车辆数和行人数;
调节步骤:根据车辆数和行人数从预设的交通情况表内识别出当前路口相应的交通状态以及相对应的调节规则,根据识别出的调节规则对当前路口的交通灯进行实时调节;
引导步骤:获取当前路口所在的当前路段的各个路口的交通状态,根据预存的交通情况表识别出当前路段的整体交通状态,在识别出整体交通状态为拥堵时,从预设的通过当前路段不同的行驶路线中识别出优化的行驶路线后进行显示。
8.根据权利要求7所述的基于大数据的智能城市交通引导方法,其特征在于:还包括推送步骤,将识别出来的行驶路线推送给当前路段上车辆的车载终端。
9.根据权利要求7所述的基于大数据的智能城市交通引导方法,其特征在于:还包括有时间预计步骤:采集车辆通行当前路口的通行速度;根据所述通行速度和当前路口的车辆数得到当前路口的通行时间;获取当前路段各个路口的通行时间,根据各个路口的通行时间得到当前路段的预计通行时间并进行显示。
10.根据权利要求9所述的基于大数据的智能城市交通引导系统及方法,其特征在于:还包括车辆通行阈值计算步骤:将采集到的通行速度与预存的缓行速度阈值与拥堵速度阈值进行比较,在比较出所述通行速度小于所述拥堵速度阈值时,统计车辆数得到车辆拥堵阈值,在比较出所述通行速度大于所述拥堵速度阈值且小于所述缓行速度阈值时,统计车辆数得到车辆缓行阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011062460.9A CN112185119A (zh) | 2020-09-30 | 2020-09-30 | 基于大数据的智能城市交通引导系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011062460.9A CN112185119A (zh) | 2020-09-30 | 2020-09-30 | 基于大数据的智能城市交通引导系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112185119A true CN112185119A (zh) | 2021-01-05 |
Family
ID=73947556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011062460.9A Pending CN112185119A (zh) | 2020-09-30 | 2020-09-30 | 基于大数据的智能城市交通引导系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112185119A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114241794A (zh) * | 2021-12-01 | 2022-03-25 | 四川华鲲振宇智能科技有限责任公司 | 一种红绿灯自动控制调节方法 |
CN114613138A (zh) * | 2022-03-11 | 2022-06-10 | 中天科技(清远)有限公司 | 一种公路流量实时管控方法 |
CN114842659A (zh) * | 2022-05-07 | 2022-08-02 | 青岛海信网络科技股份有限公司 | 一种交通拥堵疏导方法及装置 |
CN114973672A (zh) * | 2022-05-24 | 2022-08-30 | 上海富骏交通科技有限公司 | 一种基于深度强化学习的全息路网交通信号控制系统及方法 |
CN115527382A (zh) * | 2022-09-08 | 2022-12-27 | 安徽交控信息产业有限公司 | 一种基于智能多目标优化算法的交通控制方法 |
CN116884223A (zh) * | 2023-08-16 | 2023-10-13 | 山东万博科技股份有限公司 | 一种智慧城市交通引导系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104123833A (zh) * | 2013-04-25 | 2014-10-29 | 北京搜狗信息服务有限公司 | 一种道路状况的规划方法和装置 |
CN105023424A (zh) * | 2014-04-24 | 2015-11-04 | 深圳市赛格导航科技股份有限公司 | 一种道路交通拥堵控制方法及控制系统 |
CN105387868A (zh) * | 2015-12-25 | 2016-03-09 | 小米科技有限责任公司 | 提示道路信息的方法及装置 |
US20170004706A1 (en) * | 2006-03-03 | 2017-01-05 | Inrix Inc., | Filtering road traffic condition data obtained from mobile data sources |
CN108022328A (zh) * | 2017-12-25 | 2018-05-11 | 重庆冀繁科技发展有限公司 | 车载卫星定位行驶记录仪终端 |
CN111199654A (zh) * | 2018-11-16 | 2020-05-26 | 北京嘀嘀无限科技发展有限公司 | 一种交通诱导屏的控制方法和系统 |
CN210777176U (zh) * | 2019-08-09 | 2020-06-16 | 中国第一汽车股份有限公司 | 一种高速公路进出口通行车道提示装置 |
-
2020
- 2020-09-30 CN CN202011062460.9A patent/CN112185119A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170004706A1 (en) * | 2006-03-03 | 2017-01-05 | Inrix Inc., | Filtering road traffic condition data obtained from mobile data sources |
CN104123833A (zh) * | 2013-04-25 | 2014-10-29 | 北京搜狗信息服务有限公司 | 一种道路状况的规划方法和装置 |
CN105023424A (zh) * | 2014-04-24 | 2015-11-04 | 深圳市赛格导航科技股份有限公司 | 一种道路交通拥堵控制方法及控制系统 |
CN105387868A (zh) * | 2015-12-25 | 2016-03-09 | 小米科技有限责任公司 | 提示道路信息的方法及装置 |
CN108022328A (zh) * | 2017-12-25 | 2018-05-11 | 重庆冀繁科技发展有限公司 | 车载卫星定位行驶记录仪终端 |
CN111199654A (zh) * | 2018-11-16 | 2020-05-26 | 北京嘀嘀无限科技发展有限公司 | 一种交通诱导屏的控制方法和系统 |
CN210777176U (zh) * | 2019-08-09 | 2020-06-16 | 中国第一汽车股份有限公司 | 一种高速公路进出口通行车道提示装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114241794A (zh) * | 2021-12-01 | 2022-03-25 | 四川华鲲振宇智能科技有限责任公司 | 一种红绿灯自动控制调节方法 |
CN114241794B (zh) * | 2021-12-01 | 2023-03-24 | 四川华鲲振宇智能科技有限责任公司 | 一种红绿灯自动控制调节方法 |
CN114613138A (zh) * | 2022-03-11 | 2022-06-10 | 中天科技(清远)有限公司 | 一种公路流量实时管控方法 |
CN114842659A (zh) * | 2022-05-07 | 2022-08-02 | 青岛海信网络科技股份有限公司 | 一种交通拥堵疏导方法及装置 |
CN114842659B (zh) * | 2022-05-07 | 2023-08-04 | 青岛海信网络科技股份有限公司 | 一种交通拥堵疏导方法及装置 |
CN114973672A (zh) * | 2022-05-24 | 2022-08-30 | 上海富骏交通科技有限公司 | 一种基于深度强化学习的全息路网交通信号控制系统及方法 |
CN115527382A (zh) * | 2022-09-08 | 2022-12-27 | 安徽交控信息产业有限公司 | 一种基于智能多目标优化算法的交通控制方法 |
CN116884223A (zh) * | 2023-08-16 | 2023-10-13 | 山东万博科技股份有限公司 | 一种智慧城市交通引导系统 |
CN116884223B (zh) * | 2023-08-16 | 2024-02-09 | 山东万博科技股份有限公司 | 一种智慧城市交通引导系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112185119A (zh) | 基于大数据的智能城市交通引导系统及方法 | |
Wei et al. | A survey on traffic signal control methods | |
US10490066B2 (en) | Dynamic traffic control | |
WO2021227502A1 (zh) | 一种信号交叉口交通信号灯和车辆轨迹控制方法 | |
Ozbayoglu et al. | A real-time autonomous highway accident detection model based on big data processing and computational intelligence | |
WO2017166474A1 (zh) | 一种基于交叉口群的交通控制方法及系统 | |
CN108335496B (zh) | 一种城市级交通信号优化方法与系统 | |
Zhang et al. | An optimization model and traffic light control scheme for heterogeneous traffic systems | |
CN107490384B (zh) | 一种基于城市路网的最优静态路径选择方法 | |
CN109215343B (zh) | 基于社团发现的路网拥堵区域动态识别方法及系统 | |
Zaatouri et al. | A self-adaptive traffic light control system based on YOLO | |
CN104778835A (zh) | 一种高等级道路多瓶颈点拥堵演化时空范围识别方法 | |
CN109859475B (zh) | 一种基于dbscan密度聚类的交叉口信号控制方法、装置及系统 | |
CN114724390A (zh) | 交通信号控制方法及装置、电子设备和存储介质 | |
Li et al. | Traffic control optimization strategy based on license plate recognition data | |
Deshmukh et al. | Machine Learning Algorithm Comparison for Traffic Signal: A Design Approach | |
Mahmood et al. | A two stage fuzzy logic adaptive traffic signal control for an isolated intersection based on real data using SUMO simulator | |
Lakshna et al. | Smart Traffic: Traffic Congestion Reduction by Shortest Route* Search Algorithm | |
CN114399910B (zh) | 交通控制方法及相关设备 | |
CN115691165A (zh) | 一种交通信号灯调度方法、装置、设备及可读存储介质 | |
Jiang et al. | Congestion prediction of urban traffic employing SRBDP | |
Małecki et al. | Comparative analysis of chosen adaptive traffic control algorithms | |
Wang et al. | Intelligent Driving Strategy of Expressway Based on Big Data of Road Network and Driving Time | |
Goyal et al. | Simulation of Traffic Optimization to Reduce Congestion | |
CN117456737B (zh) | 基于3d视觉智能的智慧交通大数据处理方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210105 |