CN112907981B - 一种用于分流路口交通拥堵车辆的分流装置及其控制方法 - Google Patents

一种用于分流路口交通拥堵车辆的分流装置及其控制方法 Download PDF

Info

Publication number
CN112907981B
CN112907981B CN202110319299.7A CN202110319299A CN112907981B CN 112907981 B CN112907981 B CN 112907981B CN 202110319299 A CN202110319299 A CN 202110319299A CN 112907981 B CN112907981 B CN 112907981B
Authority
CN
China
Prior art keywords
vehicle
information
steering
congestion
lane
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.)
Active
Application number
CN202110319299.7A
Other languages
English (en)
Other versions
CN112907981A (zh
Inventor
郑磊
包金明
胡仁杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN202110319299.7A priority Critical patent/CN112907981B/zh
Publication of CN112907981A publication Critical patent/CN112907981A/zh
Application granted granted Critical
Publication of CN112907981B publication Critical patent/CN112907981B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
    • 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
    • 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
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
    • G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
    • G08B7/066—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources guiding along a path, e.g. evacuation path lighting strip
    • 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
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开一种用于分流路口交通拥堵车辆的分流装置及其控制方法，所述分流装置包括监控单元、计算单元、通讯单元和路面引导灯光装置；控制方法包括：监控单元采集监控区域车辆信息，传递给计算单元；计算单元运行拥堵判别算法，及时分析出路况拥堵状况，将路况上报给交通管理平台；计算单元启动车辆转向识别算法；输出每个车辆个体转向意图数据，服务器运行智能路径规划算法：根据车辆转向意图数据生产监控区域内转向引导灯光控制策略；将所有的路径规划转换成路面引导灯光装置的控制信息。本发明分流装置通过监控系统及时发现拥堵状况，通过路面引导灯光装置快速引导车辆按照规划路线驶离拥堵路口，减少交通警员的工作量。

Description

一种用于分流路口交通拥堵车辆的分流装置及其控制方法
技术领域
本发明涉及智能交通、电子信息的技术领域，具体是一种用于分流路口交通拥堵车辆的分流装置及其控制方法。
背景技术
现代智能交通环境下，交通系统需要具备能够合理分配交通流量，从而减少道路拥堵、减少交通参与者的时间成本、减少交通事故等能力。快速缓解或者解决既成交通拥堵是智能交通的重要组成部分。目前的解决交通拥堵的方法主要是预防为主，通过监控路况提前判断交通拥堵与否，然后利用智能导航、路径规划等方式提前在导航系统告知车主路况以避开拥堵路段。上述方法的不良缺陷在于：
对于既成的拥堵路况解决能力不足，无法解决分流路口车辆排队拥堵的情况。
路况提示具有滞后性，车辆收到拥堵预警提示后已经进入拥堵路段而无法变更路径。
即使监控系统及时预告了交通拥堵问题，在分流路口的车辆由于需要换道分流，在这种关键分流路口，车辆避无可避，拥堵会必然发生。
对既成交通拥堵目前的解决办法主要通过迅速派遣交警到达拥堵点，由交警同志指挥疏散拥堵车辆，上述方法浪费警力资源，滞后性大，在周末、上下班点城市交通大规模拥堵的时候，会造成警力不足，交通拥堵问题得不到迅速解决。
发明内容
本发明的目的在于提供一种用于分流路口交通拥堵车辆的分流装置及其控制方法，通过监控系统及时发现拥堵状况，通过路面引导灯光装置快速引导车辆按照规划路线驶离拥堵路口，减少交通警员的工作量，解决交警人力资源不足问题，快速缓解或者解决分流路口的交通拥堵问题。
本发明的目的可以通过以下技术方案实现：
一种用于分流路口交通拥堵车辆的分流装置，所述分流装置包括监控单元、计算单元、通讯单元和路面引导灯光装置；
所述监控单元采集监控区域视频信息，监控区域覆盖所有通道，采集得到的视频信息传送到计算单元，为计算单元和通讯单元提供数据来源；
所述通讯单元通过监控单元识别到的车辆信息实现与车主通信；
所述计算单元运行目标检测算法，识别出车辆类别、车辆品牌信息、车牌号码、车辆坐标位置、转向灯所在区域的坐标、车轮所在区域的坐标和交通标志线；
所述路面引导灯光装置铺设在车道两侧路面，由单独控制开关和颜色的LED灯珠组成，路面引导灯光装置控制器控制LED灯珠根据不同指令显示出不同颜色对拥堵车辆进行分流。
进一步的，控制方法包括以下步骤：
S1:监控单元采集监控区域车辆信息，传递给计算单元；
通过监控单元采集车辆信息，计算单元运行目标检测算法，识别出车辆类别、车辆品牌信息、车牌号码、车辆坐标位置、转向灯所在区域的坐标、车轮所在区域的坐标和交通标志线；
S2:计算单元运行拥堵判别算法，及时分析出路况拥堵状况，将路况上报给交通管理平台。当判别为拥堵，执行S3，否则路面引导灯光装置熄灭；
计算单元运行由目标检测算法得出的车辆目标级坐标，运行拥堵判别算法，及时分析出路况拥堵状况，上报给交通管理平台；拥堵判别算法根据监控设备采集的视频信息，计算交通流参数如车流量、速度、占有率、交通密度、排队长度、车头时距和车头间距；
判断结果为：没有发生拥堵时，关闭转向引导灯光装置；发生拥堵则执行S3；
S3:计算单元启动车辆转向识别算法，分析拥堵车辆的转向灯、车轮方向、车头方向信息，推导出监控区域的车辆转向信息；
计算单元由拥堵判别算法得出交通拥堵发生结论后，启动车辆转向识别算法，车辆转向识别算法考察对象为图像帧中拥堵车辆的转向灯、车轮方向、车身方向；
S4:输出每个车辆个体转向意图数据，服务器运行智能路径规划算法：根据车辆转向意图数据生产监控区域内转向引导灯光控制策略；
根据所有车辆的转向信息，通过智能路径规划算法统筹规划所有车辆的路径，并将所有的路径规划转换成路面引导灯光装置的控制信息；
S5:将所有的路径规划转换成路面引导灯光装置的控制信息，为控制区域内每辆车提供路径引导；
每辆汽车的路面引导灯光从本辆汽车的转向灯位置延伸到前面车辆的转向灯后位置；
路面引导灯光装置控制器通过网络介质接收计算单元的控制指令；
S6:重复S1-S5直至拥堵状况解决。
进一步的，所述目标检测算法包括以下步骤：
S11:构建大规模的车辆道路数据集，利用监控摄像头拍摄的视频作为源数据，数据集具体标注信息包括车辆类别标注；车辆品牌信息；车牌号码；车辆坐标位置标注，采用四维向量(x1,y1,w1,h1)来表示，分别表示窗口的中心点坐标和宽高；转向灯所在区域的坐标标注，采用四维向量(x2,y2,w2,h2)来表示，分别表示窗口的中心点坐标和宽高，同时数据集包括实线、虚线、白线、黄线、斑马线等图像信息和对应的标注数据；
S12:设置帧提取频率，每X帧提取一张图像构建车辆道路图像数据，并提供S11中对应的标注信息；
S13:针对成像系统自身噪声的干扰，采用滤波、灰度变换、二值化、图像复原、图像增强、形态学处理等预处理技术进行图像质量增强；
S14:针对外部环境因素的干扰，采用阴影检测和阴影去除的方法对图像阴影进行预处理，同时采用雾霾图像处理、地物遮挡处理、阴天图像处理等预处理技术削弱或去除图像中的干扰信息；
S15:将输入图像分成S×S个均等大小的栅格任务，检测内部是否有物体的中心点落入该区域，一旦有的话，则启动检测任务；
S16:使用经过预处理的训练集图像对网络模型进行训练；生成车辆坐标位置四维向量(x,y,w,h)和转向灯坐标位置四维向量(x,y,w,h)预测结果，转向灯是否开启以及车道线区域；
S17:根据输出的检测结果以及真实的目标框位置和类别信息计算对应的定位损失，分类损失及置信度损失；将三者求和做为训练网络的目标损失函数；损失函数具体公式如下：L＝定位损失+分类损失+置信度损失；
S18:将待检测的图像输入经过训练的网络模型对图中的目标进行检测，输出目标类别和位置的检测结果；
S19:根据预设的类别置信度阈值及重叠度阈值对检测结果进行过滤，得到最终的检测结果。
进一步的，所述拥堵判别算法包括以下步骤：
S21:计算车流量、车头间距、空间占有率和时间占有率；
S22:根据帧间车辆特征计算车速；
S23:调整各参数阈值，优化计算结果；
S24:得出各车道交通拥堵系数Yi；
S25:得出该拥堵系数下的车辆排队长度。
进一步的，所述车辆转向识别算法包括以下步骤：
S31：车身方向姿态检测，识别转向信息；
S32:转向灯分割，识别转向信息；
S33:车轮分割，识别转向信息；
S34:调整各参数阈值，优化计算结果；
S35:得出车辆转向数据。
进一步的，所述智能路径规划算法为每辆车寻找一条从给当前拥堵起点到目的转向通道的路径，使车辆沿该路径移动的过程中符合交通规则、避免与其他车辆发生碰撞、避免造成二次拥堵且路程最短/移动代价最小。
8、进一步的，所述智能路径规划算法包括以下步骤：
S41:输入各车道交通拥堵系数；
S42:输入车辆转向数据；
S43:如车辆进入禁止变道路段，禁止车辆行驶到与当前车道不同方向车道时，执行S44，如车辆在自由变道路段，跳转执行S48；
S44:实线车道侧禁止转向，同一方向内的车道间如不允许变道，执行S45，同一方向内的车道间如允许变道，跳转执行S46；
S45:禁止所有车辆变道，并记录违反规定车辆；
S46:如各车道拥堵系数Yi在阈值在a,b之间,其中a<b，即a<Yi<b；禁止车辆变道；
S47:如各车道拥堵系数满足阈值a,b，其中a<b，Yi<a，Yj>b，允许车辆向拥堵系数小的车道转向请求；如该转向车辆前车距LAi和后车距LBi满足：LBi>Lyx,LAi>Lyz，其中Lyx与Lyz为安全转向车距；引导目标车道平行位置前后车辆让行；循环执行S47直到拥堵得到缓解或者解除；
S48:对于直行车辆，由于这种路口变道是拥堵的主要原因，所以直行车辆在没有检测到本车道有事故发生的情况下不变道，不给其他车道增加负担，对于转向车辆，执行S49；
S49:如目标车道拥堵系数Yj远远大于本车道的拥堵系数Yi,并且目标车道与本车道间隔车道数n≥2,通知车主路况，建议不变道，后续路口再做选择；如检测到该车辆转向识别信息识别到的转向意图不变，则按照S47给予引导和规划。
进一步的，所述车辆规划路径允许通行侧显示绿色，禁止通行侧显示红色，直行车辆两侧均显示黄色。
本发明的有益效果：
本发明分流装置能够通过监控系统及时发现拥堵状况，通过路面引导灯光装置快速引导车辆按照规划路线驶离拥堵路口，减少交通警员的工作量，解决交警人力资源不足问题，快速缓解或者解决分流路口的交通拥堵问题。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明分流路口示意图；
图2是本发明算法流程图；
图3是本发明路面引导灯光装置示意图。
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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
一种用于分流路口交通拥堵车辆的分流装置，分流装置包括监控单元、计算单元、通讯单元和路面引导灯光装置。
监控单元采集监控区域视频信息，监控区域覆盖所有通道，采集得到的视频信息传送到计算单元，为计算单元和通讯单元提供数据来源。
通讯单元通过监控单元识别到的车辆信息，实现与车主通信。
计算单元运行目标检测算法，识别出车辆类别(小汽车、卡车、巴士3大类车辆)、车辆品牌信息、车牌号码、车辆坐标位置(即车辆对象外框)、转向灯所在区域的坐标、车轮所在区域的坐标、交通标志线(实线、虚线、白线、黄线)等目标对象。
路面引导灯光装置铺设在车道两侧路面，由单独控制开关和颜色的LED灯珠组成，路面引导灯光装置控制器控制LED灯珠根据不同指令显示红色、绿色和黄色，如图3所示，与交通灯颜色含义一致，红色禁行，绿色通行，黄色缓行。
一种用于分流路口交通拥堵车辆的控制方法，控制方法包括以下步骤，
S1:监控单元采集监控区域车辆信息，传递给计算单元；
通过监控单元采集车辆信息，计算单元运行目标检测算法，识别出车辆类别、车辆品牌信息、车牌号码、车辆坐标位置、转向灯所在区域的坐标、车轮所在区域的坐标和交通标志线，目标检测算法包括：
S11:构建大规模的车辆道路数据集，利用监控摄像头拍摄的视频作为源数据，数据集具体标注信息包括车辆类别标注；车辆品牌信息；车牌号码；车辆坐标位置标注，采用四维向量(x1,y1,w1,h1)来表示，分别表示窗口的中心点坐标和宽高；转向灯所在区域的坐标标注(即车辆转向灯外框)，采用四维向量(x2,y2,w2,h2)来表示，分别表示窗口的中心点坐标和宽高，同时数据集包括实线、虚线、白线、黄线、斑马线等图像信息和对应的标注数据；
S12:设置帧提取频率，每X帧提取一张图像构建车辆道路图像数据，并提供S11中对应的标注信息；
S13:针对成像系统自身噪声的干扰，采用滤波、灰度变换、二值化、图像复原、图像增强、形态学处理等预处理技术进行图像质量增强；
S14:针对外部环境因素的干扰，采用阴影检测和阴影去除的方法对图像阴影进行预处理，同时采用雾霾图像处理、地物遮挡处理、阴天图像处理等预处理技术削弱或去除图像中的干扰信息；
S15:将输入图像分成S×S个均等大小的栅格任务，检测内部是否有物体的中心点落入该区域，一旦有的话，则启动检测任务；
S16:使用经过预处理的训练集图像对网络模型进行训练；生成车辆坐标位置四维向量(x,y,w,h)和转向灯坐标位置四维向量(x,y,w,h)预测结果，转向灯是否开启以及车道线区域；
S17:根据输出的检测结果以及真实的目标框位置和类别信息计算对应的定位损失，分类损失及置信度损失；将三者求和做为训练网络的目标损失函数；损失函数具体公式如下：L＝定位损失(L(loc))+分类损失(L(cls))+置信度损失(L(conf))；
S18:将待检测的图像输入经过训练的网络模型对图中的目标进行检测，输出目标类别和位置的检测结果；
S19:根据预设的类别置信度阈值及重叠度阈值对检测结果进行过滤，得到最终的检测结果。
S2:计算单元运行拥堵判别算法，及时分析出路况拥堵状况，将路况上报给交通管理平台。当判别为拥堵，执行S3，否则路面引导灯光装置熄灭；
计算单元运行由目标检测算法得出的车辆目标级坐标，运行拥堵判别算法，及时分析出路况拥堵状况，上报给交通管理平台。拥堵判别算法根据监控设备采集的视频信息，计算交通流参数如车流量、速度、占有率、交通密度、排队长度、车头时距、车头间距，拥堵判别算法步骤：
S21:计算车流量(车流量＝通过车辆数/时间)、车头间距(前后相邻车辆车头边界坐标差值)、空间占有率(目标路段上所有车辆占用的长度占路段长度的百分比)、时间占有率(车辆通过目标地带范围的延续时间)；
S22:根据帧间车辆特征计算车速；
S23:调整各参数阈值，优化计算结果；
S24:得出各车道交通拥堵系数Yi；
S25:得出该拥堵系数下的车辆排队长度。
S3:计算单元启动车辆转向识别算法，分析拥堵车辆的转向灯、车轮方向、车头方向信息，推导出监控区域的车辆转向信息；
计算单元由拥堵判别算法得出交通拥堵发生结论后，启动车辆转向识别算法，车辆转向识别算法考察对象为图像帧中拥堵车辆的转向灯、车轮方向、车身方向，算法步骤如下：
S31：车身方向姿态检测，识别转向信息；
S32:转向灯分割，识别转向信息；
S33:车轮分割，识别转向信息；
S34:调整各参数阈值，优化计算结果；
S35:得出车辆转向数据。
S4:输出每个车辆个体转向意图数据，服务器运行智能路径规划算法：根据车辆转向意图数据生产监控区域内转向引导灯光控制策略；
根据所有车辆的转向信息，通过智能路径规划算法统筹规划所有车辆的路径，并将所有的路径规划转换成路面引导灯光装置的控制信息。
智能路径规划算法为每辆车寻找一条从给当前拥堵起点到目的转向通道的路径，使车辆沿该路径移动的过程中符合交通规则、避免与其他车辆发生碰撞、避免造成二次拥堵且路程最短或移动代价最小；智能路径规划算法包括以下步骤：
S41:输入各车道交通拥堵系数；
S42:输入车辆转向数据；
S43:如车辆进入禁止变道路段，禁止车辆行驶到与当前车道不同方向车道时，执行S44，如车辆在自由变道路段，跳转执行S48；
S44:实线车道侧禁止转向，同一方向内的车道间如不允许变道，执行S45，同一方向内的车道间如允许变道，跳转执行S46；
S45:禁止所有车辆变道，并记录违反规定车辆；
S46:如各车道拥堵系数Yi在阈值在a,b之间,(其中a<b)，即a<Yi<b；禁止车辆变道；
S47:如各车道拥堵系数满足阈值a,b(其中a<b)，Yi<a，Yj>b，允许车辆向拥堵系数小的车道转向请求。如该转向车辆前车距LAi和后车距LBi满足：LBi>Lyx,LAi>Lyz，其中Lyx与Lyz为安全转向车距；引导目标车道平行位置前后车辆让行；循环执行S47直到拥堵得到缓解或者解除；
S48:对于直行车辆，由于这种路口变道是拥堵的主要原因，所以直行车辆在没有检测到本车道有事故发生的情况下不变道，不给其他车道增加负担，对于转向车辆，执行S49；
S49:如目标车道拥堵系数Yj远远大于本车道的拥堵系数Yi,并且目标车道与本车道间隔车道数n≥2,通知车主路况，建议不变道，后续路口再做选择。如检测到该车辆转向识别信息识别到的转向意图不变，则按照S47给予引导和规划。
S5:将所有的路径规划转换成路面引导灯光装置的控制信息，为控制区域内每辆车提供路径引导；
每辆汽车的路面引导灯光从本辆汽车的转向灯位置延伸到前面车辆的转向灯后位置；每辆车辆规划路径允许通行侧显示绿色，禁止通行侧显示红色，直行车辆两侧均显示黄色；
路面引导灯光装置控制器通过网络介质接收计算单元的控制指令。
S6:重复S1-S5直至拥堵状况解决。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，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 (6)

1.一种用于分流路口交通拥堵车辆的分流装置的控制方法，其特征在于，所述分流装置包括监控单元、计算单元、通讯单元和路面引导灯光装置；
所述监控单元采集监控区域视频信息，监控区域覆盖所有通道，采集得到的视频信息传送到计算单元，为计算单元和通讯单元提供数据来源；
所述通讯单元通过监控单元识别到的车辆信息实现与车主通信；
所述计算单元运行目标检测算法，识别出车辆类别、车辆品牌信息、车牌号码、车辆坐标位置、转向灯所在区域的坐标、车轮所在区域的坐标和交通标志线；
所述路面引导灯光装置铺设在车道两侧路面，由单独控制开关和颜色的LED灯珠组成，路面引导灯光装置控制器控制LED灯珠根据不同指令显示出不同颜色对拥堵车辆进行分流；
所述控制方法包括以下步骤：
S1:监控单元采集监控区域车辆信息，传递给计算单元；
通过监控单元采集车辆信息，计算单元运行目标检测算法，识别出车辆类别、车辆品牌信息、车牌号码、车辆坐标位置、转向灯所在区域的坐标、车轮所在区域的坐标和交通标志线；
S2:计算单元运行拥堵判别算法，及时分析出路况拥堵状况，将路况上报给交通管理平台；当判别为拥堵，执行S3，否则路面引导灯光装置熄灭；
计算单元运行由目标检测算法得出的车辆目标级坐标，运行拥堵判别算法，及时分析出路况拥堵状况，上报给交通管理平台；拥堵判别算法根据监控设备采集的视频信息，计算交通流参数包括车流量、速度、占有率、交通密度、排队长度、车头时距和车头间距；
判断结果为：没有发生拥堵时，关闭路面引导灯光装置；发生拥堵则执行S3；
S3:计算单元启动车辆转向识别算法，分析拥堵车辆的转向灯、车轮方向、车头方向信息，推导出监控区域的车辆转向信息；
计算单元由拥堵判别算法得出交通拥堵发生结论后，启动车辆转向识别算法，车辆转向识别算法考察对象为图像帧中拥堵车辆的转向灯、车轮方向、车身方向；
S4:输出每个车辆个体转向意图数据，服务器运行智能路径规划算法：根据车辆转向意图数据生成监控区域内转向引导灯光控制策略；
根据所有车辆的转向信息，通过智能路径规划算法统筹规划所有车辆的路径，并将所有的路径规划转换成路面引导灯光装置的控制信息；
S41:输入各车道交通拥堵系数；
S42:输入车辆转向数据；
S43:如车辆进入禁止变道路段，禁止车辆行驶到与当前车道不同方向车道时，执行S44，如车辆在自由变道路段，跳转执行S48；
S44:实线车道侧禁止转向，同一方向内的车道间如不允许变道，执行S45，同一方向内的车道间如允许变道，跳转执行S46;
S45:禁止所有车辆变道，并记录违反规定车辆;
S46:如各车道拥堵系数
Figure DEST_PATH_IMAGE002
在阈值a,b之间,其中a<b，即 a<
Figure DEST_PATH_IMAGE002A
<b;禁止车辆变道;
S47:如各车道拥堵系数满足阈值a,b，其中a<b，
Figure DEST_PATH_IMAGE002AA
<a，
Figure DEST_PATH_IMAGE004
>b，允许车辆向拥堵系数小的车道转向请求；如该车辆前车距
Figure DEST_PATH_IMAGE006
和后车距
Figure DEST_PATH_IMAGE008
满足：
Figure DEST_PATH_IMAGE008A
>
Figure DEST_PATH_IMAGE010
,
Figure DEST_PATH_IMAGE006A
>
Figure DEST_PATH_IMAGE012
，其中
Figure DEST_PATH_IMAGE010A
与
Figure DEST_PATH_IMAGE012A
为安全转向车距;引导目标车道平行位置前后车辆让行;循环执行S47直到拥堵得到缓解或者解除;
S48:对于直行车辆，由于这种路口变道是拥堵的主要原因，所以直行车辆在没有检测到本车道有事故发生的情况下不变道，不给其他车道增加负担，对于转向车辆，执行S49;
S49:如目标车道拥堵系数
Figure DEST_PATH_IMAGE004A
远远大于本车道的拥堵系数
Figure DEST_PATH_IMAGE002AAA
,并且目标车道与本车道间隔车道数
Figure DEST_PATH_IMAGE014
, 通知车主路况，建议不变道，后续路口再做选择；如检测到该车辆转向识别信息识别到的转向意图不变，则按照S47给予引导和规划；
S5:将所有的路径规划转换成路面引导灯光装置的控制信息，为控制区域内每辆车提供路径引导；
每辆汽车的路面引导灯光从本辆汽车的转向灯位置延伸到前面车辆的转向灯后位置；
路面引导灯光装置控制器通过网络介质接收计算单元的控制指令；
S6:重复S1-S5直至拥堵状况解决。
2.根据权利要求1所述的控制方法,其特征在于，所述目标检测算法包括以下步骤：
S11:构建大规模的车辆道路数据集，利用监控摄像头拍摄的视频作为源数据，数据集具体标注信息包括车辆类别标注；车辆品牌信息；车牌号码；车辆坐标位置标注，采用四维向量(
Figure DEST_PATH_IMAGE016
,
Figure DEST_PATH_IMAGE018
,
Figure DEST_PATH_IMAGE020
,
Figure DEST_PATH_IMAGE022
) 来表示，分别表示窗口的中心点坐标和宽高；转向灯所在区域的坐标标注，采用四维向量(
Figure DEST_PATH_IMAGE024
,
Figure DEST_PATH_IMAGE026
,
Figure DEST_PATH_IMAGE028
,
Figure DEST_PATH_IMAGE030
)来表示，分别表示窗口的中心点坐标和宽高，同时数据集包括实线、虚线、白线、黄线、斑马线信息和对应的标注数据；
S12:设置帧提取频率，每X帧提取一张图像构建车辆道路图像数据，并提供S11中对应的标注信息;
S13:针对成像系统自身噪声的干扰，采用滤波、灰度变换、二值化、图像复原、图像增强、形态学处理技术进行图像质量增强；
S14:针对外部环境因素的干扰，采用阴影检测和阴影去除的方法对图像阴影进行预处理，同时采用雾霾图像处理、地物遮挡处理、阴天图像处理技术削弱或去除图像中的干扰信息；
S15:将输入图像分成S×S个均等大小的栅格任务，检测内部是否有物体的中心点落入该区域，一旦有的话，则启动检测任务；
S16:使用经过预处理的训练集图像对网络模型进行训练；生成车辆坐标位置四维向量(
Figure DEST_PATH_IMAGE016A
,
Figure DEST_PATH_IMAGE018A
,
Figure DEST_PATH_IMAGE020A
,
Figure DEST_PATH_IMAGE022A
) 和转向灯坐标位置四维向量(
Figure DEST_PATH_IMAGE024A
,
Figure DEST_PATH_IMAGE026A
,
Figure DEST_PATH_IMAGE028A
,
Figure DEST_PATH_IMAGE030A
)预测结果，转向灯是否开启以及车道线区域；
S17:根据输出的检测结果以及真实的目标框位置和类别信息计算对应的定位损失，分类损失及置信度损失；将三者求和作为训练网络的目标损失函数；损失函数具体公式如下：L＝定位损失+分类损失+置信度损失；
S18:将待检测的图像输入经过训练的网络模型对图中的目标进行检测，输出目标类别和位置的检测结果；
S19:根据预设的类别置信度阈值及重叠度阈值对检测结果进行过滤，得到最终的检测结果。
3.根据权利要求2所述的控制方法,其特征在于，所述拥堵判别算法包括以下步骤：
S21:计算车流量、车头间距、空间占有率和时间占有率;
S22:根据帧间车辆特征计算车速;
S23:调整各参数阈值，优化计算结果;
S24:得出各车道拥堵系数
Figure DEST_PATH_IMAGE002AAAA
;
S25:得出该拥堵系数下的车辆排队长度。
4.根据权利要求3所述的控制方法,其特征在于，所述车辆转向识别算法包括以下步骤：
S31：车身方向姿态检测，识别转向信息;
S32:转向灯分割，识别转向信息;
S33:车轮分割，识别转向信息;
S34:调整各参数阈值，优化计算结果;
S35:得出车辆转向数据。
5.根据权利要求4所述的控制方法,其特征在于，所述智能路径规划算法为每辆车寻找一条从当前拥堵起点到目的转向通道的路径，使车辆沿该路径移动的过程中符合交通规则、避免与其他车辆发生碰撞、避免造成二次拥堵且路程最短/移动代价最小。
6.根据权利要求1所述的控制方法,其特征在于，车辆规划路径允许通行侧显示绿色，禁止通行侧显示红色，直行车辆两侧均显示黄色。
CN202110319299.7A 2021-03-25 2021-03-25 一种用于分流路口交通拥堵车辆的分流装置及其控制方法 Active CN112907981B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110319299.7A CN112907981B (zh) 2021-03-25 2021-03-25 一种用于分流路口交通拥堵车辆的分流装置及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110319299.7A CN112907981B (zh) 2021-03-25 2021-03-25 一种用于分流路口交通拥堵车辆的分流装置及其控制方法

Publications (2)

Publication Number Publication Date
CN112907981A CN112907981A (zh) 2021-06-04
CN112907981B true CN112907981B (zh) 2022-03-29

Family

ID=76106464

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110319299.7A Active CN112907981B (zh) 2021-03-25 2021-03-25 一种用于分流路口交通拥堵车辆的分流装置及其控制方法

Country Status (1)

Country Link
CN (1) CN112907981B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113643534B (zh) * 2021-07-29 2023-04-18 北京万集科技股份有限公司 交通管控的方法及设备
CN114481903B (zh) * 2021-12-17 2023-03-24 中电建(四川)城市运营管理有限公司 一种高速公路收费站限流装置及方法
CN114495509B (zh) * 2022-04-08 2022-07-12 四川九通智路科技有限公司 基于深度神经网络监控隧道运行状态的方法
CN115206089B (zh) * 2022-06-07 2024-06-25 西安电子科技大学 一种基于4d毫米波雷达的可变车道分流系统
CN116153086B (zh) * 2023-04-21 2023-07-18 齐鲁高速公路股份有限公司 基于深度学习的多路段交通事故及拥堵检测方法及系统
CN116612648B (zh) * 2023-05-15 2024-03-26 深圳市显科科技有限公司 基于情报板的道路阶段性动态交通疏堵提示方法及装置

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101469992A (zh) * 2007-12-27 2009-07-01 东软集团股份有限公司 车辆导航的处理方法、装置及车辆导航系统
CN102402864A (zh) * 2010-09-08 2012-04-04 叶朝晖 基于无线通信网络的交互式交通导航方法及系统
CN102798395A (zh) * 2011-05-26 2012-11-28 上海博泰悦臻电子设备制造有限公司 路径规划提醒方法及系统
CN105118313A (zh) * 2015-07-10 2015-12-02 蔡谦 一种城市交通智能疏导系统
CN106355884A (zh) * 2016-11-18 2017-01-25 成都通甲优博科技有限责任公司 一种基于车型分类的高速公路车辆引导系统及方法
CN107045790A (zh) * 2016-12-30 2017-08-15 浙江海洋大学 一种车流量智能监控管理方法
CN107180544A (zh) * 2017-07-12 2017-09-19 安徽博森互联网科技有限公司 一种互联网智能交通系统
CN108109415A (zh) * 2017-12-20 2018-06-01 东风汽车集团有限公司 一种具有防拥堵功能的网联自动驾驶控制系统及方法
CN108318048A (zh) * 2018-01-28 2018-07-24 武汉光庭信息技术股份有限公司 一种基于不同转弯方向拥堵信息的路线规划方法及系统
CN108417068A (zh) * 2018-02-09 2018-08-17 天津超智云数据科技有限公司 主动式智能交通流诱导方法
KR101908309B1 (ko) * 2017-04-12 2018-10-16 엘지전자 주식회사 차량용 램프
CN208036093U (zh) * 2018-03-30 2018-11-02 安徽江淮汽车集团股份有限公司 一种车辆转向灯控制系统
CN108871357A (zh) * 2018-04-20 2018-11-23 长安大学 一种在电子地图上显示拥堵路段的事故车道的方法
CN110415533A (zh) * 2019-07-05 2019-11-05 广州小鹏汽车科技有限公司 一种车辆行驶引导方法及系统
CN111599212A (zh) * 2020-06-22 2020-08-28 云南昆船智能装备有限公司 一种停车场车辆引导系统及引导方法
CN112071094A (zh) * 2020-11-16 2020-12-11 江苏广宇科技产业发展有限公司 一种基于车路协同的交通线路引导和信号优化系统
CN212181648U (zh) * 2019-10-22 2020-12-18 黄贻斌 交通路口潮汐车道车辆引导线地埋灯指示灯
CN112562360A (zh) * 2020-11-30 2021-03-26 重庆电子工程职业学院 智能城市交通引导系统及方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB203723A (en) * 1922-03-10 1923-09-10 Walter Augustus De Havilland Improvements in apparatus for indicating intended change of direction or of state of moving motor vehicles
DE10334620B4 (de) * 2003-07-30 2023-07-06 Robert Bosch Gmbh Generierung von Verkehrshinweisen durch die Interpretation von Verkehrszeichenszenarien und Navigationsinformation in einem Fahrzeug
WO2007140527A1 (en) * 2006-06-05 2007-12-13 Sensis Pty Ltd System and method for improved road information
CN101858751A (zh) * 2009-04-10 2010-10-13 东太利（厦门）电子有限公司 Gps无图导航警示器
CN108122423A (zh) * 2016-11-28 2018-06-05 中国移动通信有限公司研究院 一种车辆引导方法、装置及系统
CN109828583A (zh) * 2019-02-28 2019-05-31 北京百度网讯科技有限公司 无人驾驶车辆控制方法和装置

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101469992A (zh) * 2007-12-27 2009-07-01 东软集团股份有限公司 车辆导航的处理方法、装置及车辆导航系统
CN102402864A (zh) * 2010-09-08 2012-04-04 叶朝晖 基于无线通信网络的交互式交通导航方法及系统
CN102798395A (zh) * 2011-05-26 2012-11-28 上海博泰悦臻电子设备制造有限公司 路径规划提醒方法及系统
CN105118313A (zh) * 2015-07-10 2015-12-02 蔡谦 一种城市交通智能疏导系统
CN106355884A (zh) * 2016-11-18 2017-01-25 成都通甲优博科技有限责任公司 一种基于车型分类的高速公路车辆引导系统及方法
CN107045790A (zh) * 2016-12-30 2017-08-15 浙江海洋大学 一种车流量智能监控管理方法
KR101908309B1 (ko) * 2017-04-12 2018-10-16 엘지전자 주식회사 차량용 램프
CN107180544A (zh) * 2017-07-12 2017-09-19 安徽博森互联网科技有限公司 一种互联网智能交通系统
CN108109415A (zh) * 2017-12-20 2018-06-01 东风汽车集团有限公司 一种具有防拥堵功能的网联自动驾驶控制系统及方法
CN108318048A (zh) * 2018-01-28 2018-07-24 武汉光庭信息技术股份有限公司 一种基于不同转弯方向拥堵信息的路线规划方法及系统
CN108417068A (zh) * 2018-02-09 2018-08-17 天津超智云数据科技有限公司 主动式智能交通流诱导方法
CN208036093U (zh) * 2018-03-30 2018-11-02 安徽江淮汽车集团股份有限公司 一种车辆转向灯控制系统
CN108871357A (zh) * 2018-04-20 2018-11-23 长安大学 一种在电子地图上显示拥堵路段的事故车道的方法
CN110415533A (zh) * 2019-07-05 2019-11-05 广州小鹏汽车科技有限公司 一种车辆行驶引导方法及系统
CN212181648U (zh) * 2019-10-22 2020-12-18 黄贻斌 交通路口潮汐车道车辆引导线地埋灯指示灯
CN111599212A (zh) * 2020-06-22 2020-08-28 云南昆船智能装备有限公司 一种停车场车辆引导系统及引导方法
CN112071094A (zh) * 2020-11-16 2020-12-11 江苏广宇科技产业发展有限公司 一种基于车路协同的交通线路引导和信号优化系统
CN112562360A (zh) * 2020-11-30 2021-03-26 重庆电子工程职业学院 智能城市交通引导系统及方法

Also Published As

Publication number Publication date
CN112907981A (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
CN112907981B (zh) 一种用于分流路口交通拥堵车辆的分流装置及其控制方法
US10296794B2 (en) On-demand artificial intelligence and roadway stewardship system
CN107851372B (zh) 驾驶计划装置、行驶辅助装置、驾驶计划方法
CN107851375B (zh) 驾驶计划装置、行驶辅助装置、驾驶计划方法
AU2019235551B2 (en) On-demand artificial intelligence and roadway stewardship system
CN111223302B (zh) 移动载具用外部坐标实时三维路况辅助装置及该系统
EP3407329B1 (en) Driving assistance method and device
CN102768801B (zh) 基于视频的机动车绿灯跟进违章行为的检测方法
CN113034912A (zh) 场景评估装置、行驶辅助装置、场景评估方法
KR101859402B1 (ko) 터널 내 카메라 간 물체 연계 추적 및 차선 변경 차량 탐지 방법
WO2018096371A1 (en) Passenger transport monitoring system
US20190035278A1 (en) Driving Assistance Method and Device
EP4086875A1 (en) Self-driving method and related device
CN111448596A (zh) 驾驶控制方法以及驾驶控制装置
US20200098270A1 (en) Method And Device For Providing An Environmental Image Of An Environment Of A Mobile Apparatus And Motor Vehicle With Such A Device
TWI557006B (zh) 自動化車輛全域性風險分析的區域規劃演算法與軌跡最佳化閃避系統
KR102565227B1 (ko) 위험도 예측 안내를 제공하는 교통 안전 장치 및 이를 포함하는 교통 안전 시스템
JP2008135070A (ja) 道路交通管制システム
CN112530194A (zh) 一种基于大数据的紧急车辆智慧路线规划系统及方法
CN115775463A (zh) 一种自动驾驶汽车的导航方法
KR102316700B1 (ko) 이륜차 전용 무인단속시스템
KR101444233B1 (ko) Ｃｃｔｖ 기반의 도로 통신을 위한 ｌｃｓ 시스템, 그리고 이를 이용한 도로 교통 사고 처리 방법
KR20230126927A (ko) 교통사고 예방 시스템 및 서비스 방법
CN114373297A (zh) 一种数据处理装置、方法及电子设备
CN109145980B (zh) 用于道路行人分类的磁力概率算法及系统

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
GR01 Patent grant
GR01 Patent grant