CN113313953B - 路段人行横道处信号动态优化控制系统及方法 - Google Patents

Abstract

本发明提出一种路段人行横道处信号动态优化控制系统及方法。该系统包括：信息采集模块、信息处理模块、信息控制及发布模块。其中，信息采集模块用于采集信号灯灯色状态以及路段交通参与者信息，发送给信息处理模块；信息处理模块用于处理采集到的信息，生成信号灯控制策略，发送给信息控制及发布模块；信息控制及发布模块用于接收来自信息处理模块的控制策略以及方案，控制信号灯灯色及声音传感器进行工作。通过实时检测车流量与行人流量实现信号灯感应控制，兼顾机动车与行人通行需求，提高行人过街效率。

Description

路段人行横道处信号动态优化控制系统及方法

技术领域

本发明专利涉及交通控制及管理技术与交通安全技术领域，特别涉及一种路段人行横道处信号动态优化控制系统及方法。

背景技术

行人过街信号灯的绿灯时长应满足等候过街行人安全一次过街，要求过街行人的等候时长不宜大于90秒。行人作为慢行交通的主体以及交通活动中的弱势群体，其过街需求往往未能得到有效满足。因此，如何提高行人过街效率，保障行人过街安全是城市道路交通管理的重点工作。

目前行人信号灯控制方式以定时控制为主，该控制方式可能造成以下三种问题：1、车流量较小时，行人等待红灯时间过长2、行人流量较大时信号灯时长不够；3、行人过街途中信号灯状态变为红色，导致二次过街。随着电子信息技术的发展，智能化行人信号灯逐渐出现在大众视野中。

国内方面：东南大学郑长江等人设计有路段感应式信号控制行人过街系统，包括信号采集子系统过街信号控制子系统和过街辅助设施，但其信号配时未考虑行人数量这一因素；长安大学肖梅等人基于视频检测器采集行人数据和背景减法检测行人，提出以行人为主的交通信号配时，但该方法只适用于学校等行人占主导的场景，否则会造成过大的车辆延误；华录易云科技有限公司王亮等人发明了一种基于视频检测的行人过街自适应系统，但该系统在并未考虑路段车流量的大小，在流量大的路段，可能造成交通拥堵。

国外方面：行人过街按钮应用广泛。日本推出自助过街红绿灯开关，在车流量较小的路口行人需按下开关信号灯才会变绿。德国柏林设有非接触式行人过街按钮，以传感器代替传统按钮检测行人是否“按钮”。美国Jon Liow等人设计有一款dropkick脚踢式行人按钮，避免行人间不必要的接触。但按钮式过街设施功能单一且无信息反馈，使用认知度与智能化程度不高，常出现行人忽略过街按钮而直接闯红灯现象，易引发交通事故。因此，如何提高人行横道处信号控制系统智能化水平是目前亟待解决的问题。

发明内容

针对现有技术不足，本发明提供了一种路段人行横道处动态优化控制系统及方法，通过实时检测车流量与行人流量实现信号灯感应控制，兼顾机动车与行人通行需求，提高行人过街效率。

为了实现上述目的，本发明采用如下技术方案：

信息采集模块、信息处理模块、信息控制及发布模块。其中，所述信息采集模块用于采集信号灯灯色状态以及路段交通参与者信息，发送给信息处理模块；所述信息处理模块用于处理采集到的信息，生成信号灯控制策略。发送给信息控制及发布模块；所述信息控制及发布模块用于接收来自信息处理模块的控制策略以及方案，控制信号灯灯色及声音传感器进行工作。

优选地，所述信息采集模块包括ZigBee通信模块、路侧激光雷达、摄像头，所述ZigBee通信模块用于采集信号灯灯色状态，所述路侧激光雷达用于采集行人点云数据，所述摄像头用于采集车辆图像信息。

优选地，所述信息控制及发布模块包括信号灯控制单元、声音传感器，所述信号灯控制单元用于控制行人信号灯灯色，所述声音传感器用于对当前灯色状态进行语音播报并对不满足行人过街情况进行提示警告。

优选地，所述ZigBee通信模块包括：ZigBee协调器模块和ZigBee终端模块。所述ZigBee协调器模块通过UART串口与信号灯控制单元相连，用于建立协调器网络，发布信号灯灯色信息；所述ZigBee终端模块与路侧激光雷达和摄像头相连，用于接收信号灯灯色信息，触发路侧激光雷达与摄像头进入工作状态。

一种路段人行横道处信号动态优化控制方法，其特征在于，包括如下步骤：

a)利用ZigBee模块与信号灯进行通信获取当前行人信号灯灯色状态；

b)当行人信号灯为绿灯状态时，计算当前剩余绿灯时长状态下行人是否能顺利过街，若剩余绿灯时长低于行人过街所需时长则利用声音传感器进行安全警告；

c)当行人信号灯为红灯状态时，利用高清摄像头获取道路图像，通过图像处理计算车流量；

d)车流量较大时不改变行人信号灯绿灯时长，保证车辆通行效率；

e)车流量较小时，利用路侧激光雷达采集等待过街的行人点云数据，通过点云处理计算出等待过街的行人数量，进一步根据行人数量调整绿灯时长。

优选地，步骤c中通过图像处理计算车流量方法包括如下步骤：

1)通过公式Gray＝0.299R+0.587G+0.114B将路段彩色图像转化为灰度图像；式中，R、G、B分别为图像红、绿、蓝三种颜色通道的亮度。

2)对图像进行对图像直方图进行均衡化以提高前景后景对比度；

3)采用中值滤波对图像进行平滑处理，去掉噪声点；取图像内以某点为中心的n×n矩阵序列x₁,x₂,...,x_n作为处理对象，按照灰度值进行降序排列x_i1≤x_i2≤...≤x_in，通过如下公式计算中值，最后通过中值确定中心像素的灰度值

4)对图像进行二值化；

5)运用高斯混合模型获取实时背景图像：首先对图像中每一个像素点进行建模，假设高斯混合模型由K个高斯分布组成，对于图像块i，在t时刻其像素值x的概率密度函数为：

式中，ω_i,t表示t时刻高斯混合模型中第i个高斯分布的权重；μ_i,t和A_i,t分别表示第i个高斯分布的均值和方差矩阵。η表示高斯函数,其定义为：

其中，对于RGB颜色模型，n为3。

接着，对每个像素点的高斯混合模型进行更新，将当前像素点像素值X_t与已有K个高斯分布进行逐一匹配，若满足下式：

则认为X_t与第i个高斯分布匹配，同时对模型进行更新：

ω_i,t＝(1-α)ω_i,t-1+αM_i,t

μ_i,t＝(1-α)μ_i,t-1+αX_t

式中，α为学习率，反映了当前像素融入背景模型的快慢程度；若X_t与第i个高斯分布匹配，M_i,t取1，反之取0；

按照优先级的排列方式对高斯分布进行排序。从下式中选取前B个高斯分布作为背景像素。将B个高斯分布与X_t做匹配，若X_t与B个高斯分布中的一个匹配，则该像素为背景像素；

式中，0.5<T<1；

最后通过待检测的运动车辆特征设置阈值并基于背景差分法提取目标车辆；

6)通过投影曲线幅值脉冲法计算车流量。首先对设定的检测区域进行垂直投影运算，得到每帧二值图像的投影曲线，若检测区域大小为M×N像素，垂直投影曲线可表示为：

式中，x＝1，2，…，M，B(x,y)为二值图像像素点(x,y)的灰度值；

对曲线各列像素数目进行算术平均，作为投影曲线幅值，连续帧图像处理可得到幅值的时间曲线，无车时幅值接近于零，有车时表现为不规则脉冲，通过脉冲的数量计算路段上的车流量。

优选地，步骤e中利用点云处理计算出等待过街行人数量方法为：

利用地面高度阈值法剔除地面点云，然后以激光雷达为原点，将点云扫描区均分为角度间隔为10°的36个扇形区域，并将与行人排队区域发生重合的扇形区域标记为点云观测区域，将观测区域内的扇形区域沿径向划分为长度约0.25m的环形栅格，径向半径取3m，则得到12×36的矩阵M_n×m，取第i行第j列值D_ij为该栅格内所有点到原点的平均距离；

当扫描点为地面背景点时，所属栅格的D_ij几乎不会发生变化，由此通过D_ij的变化来判断是否存在行人，当判断有行人出现在排队区域后，利用DBSCAN算法对排队区域内行人点云数据进行聚类处理，选取欧几里得距离作为距离定义：

其中，p和q为两点坐标，定义参数聚类阈值ε和目标数量M，当给定对象ε的邻域内目标数量超过M时，将该邻域内所有对象归为相同簇，排队区域内点云聚类得到的类簇个数即为等待过街的行人数量。

优选地，步骤e中调整绿灯时长方法为：将行人流量与行人延误作为模糊控制的输入量，先将输入量模糊化，通过模糊控制规则对输入模糊量进行推理得到输出模糊量，最后将输出模糊量解模糊化得到输出量绿灯延时时间；

行人延误主要来自等待信号灯产生的延误，其计算公式为：

式中，C为行人信号灯周期，g为行人信号灯绿灯时间；

采用下式三角形隶属度函数对输入量模糊化：

模糊规则设计过程如下：设定行人流量q的论域为[0,X],划分三个模糊子集{低，中，高}，记为{S₁,M₁,L₁}；设定行人延误d的论域为[0,Y],划分三个模糊子集{低，中，高}，记为{S₂,M₂,L₂}。设定信号灯t的论域为[g_min,g_max],划分三个模糊子集{较短，短，中，较长，长}，记为{A,B,C,D,E}；

采用如下重心法进行解模糊：

本发明的有益效果在：

本发明提出了一种路段人行横道处信号动态优化控制系统及方法，该系统由信息采集模块、信息处理模块、信息控制及发布模块组成。无需行人按钮，通过摄像头检测车流量、激光雷达检测行人流量，对行人过街信号进行动态调整，并以语音提示方式对行人过街进行警示，从而提高行人过街效率及安全性。

附图说明

图1为本发明的结构示意图；

图2为本发明传感器安装布设图；

图3为本发明行人过街感应控制方法的流程图

图4为本发明通过模糊控制调整绿灯时长方法的流程图；

图5为本发明模糊控制中的模糊控制规则示意图。

具体实施方式：

下面将结合附图和具体实施例对本发明进行清楚、完整地描述。

请参阅附图1，本发明提供一种路段人行横道处信号动态优化控制系统，包括：信息采集模块、信息处理模块、信息控制及发布模块。其中，信息采集模块用于采集信号灯灯色状态以及路段交通参与者信息，发送给信息处理模块；信息处理模块用于处理采集到的信息，生成信号灯控制策略，发送给信息控制及发布模块；信息控制及发布模块用于接收来自信息处理模块的控制策略以及方案，控制信号灯灯色及声音传感器进行工作。

信息采集模块包括ZigBee通信模块、激光雷达、摄像头。ZigBee通信模块用于采集信号灯灯色状态；激光雷达用于采集行人点云数据；摄像头用于采集车辆图像信息。

信息控制及发布模块包括信号灯控制单元、声音传感器。信号灯控制单元用于控制行人信号灯灯色；声音传感器用于对当前灯色状态进行语音播报并对不满足行人过街情况进行提示警告。

ZigBee通信模块包括：ZigBee协调器模块和ZigBee终端模块。ZigBee协调器模块通过UART串口与信号灯控制单元相连，用于建立协调器网络，发布信号灯灯色信息；ZigBee终端模块与激光雷达和摄像头相连，用于接收信号灯灯色信息，触发激光雷达与摄像头进入工作状态。

ZigBee通信模块为ZigBee CC1431模块。

激光雷达为C16A激光雷达。

信息处理模块选用基于ARM核的32位嵌入式RISC处理器S3C44B0X。

声音传感器为MR-ZA-B声音传感器。

请参阅附图2，路段人行横道处信号动态优化控制系统布设方案，包括：设置在该路段路侧的一个信息处理模块，行人过街方向每个朝向分别设有一个行人信号灯，机动车方向每个朝向分别设有一个机动车信号灯，ZigBee通信模块安装在行人信号灯信号发射半径内。激光雷达安装在行人信号灯杆上，安装高度为2.5米，高清摄像头安装在机动车信号灯杆上，安装高度为7米，声音传感器安装在行人信号灯杆顶部。ZigBee通信模块与激光雷达与摄像头的信号输入端无线连接，激光雷达与摄像头的信号输出端与信息处理模块的输入端无线连接，信息处理模块的输出端与信号灯控制单元和声音传感器的输入端无线连接。

请参阅附图3，本发明提供一种路段人行横道处信号动态优化控制方法，包括如下步骤：

a)利用ZigBee模块与信号灯进行通信获取当前行人信号灯灯色状态；

b)当行人信号灯为绿灯状态时，计算当前剩余绿灯时长状态下行人是否能顺利过街，若剩余绿灯时长低于行人过街所需时长则利用声音传感器进行安全警告；

c)当行人信号灯为红灯状态时，利用高清摄像头获取道路图像，通过图像处理计算车流量；

d)车流量较大时不改变行人信号灯绿灯时长，保证车辆通行效率；

e)车流量较小时，利用路侧激光雷达采集等待过街的行人点云数据，通过点云处理计算出等待过街的行人数量，进一步根据行人数量调整绿灯时长。

步骤c中通过图像处理计算车流量方法包括如下步骤：

1)通过公式Gray＝0.299R+0.587G+0.114B将路段彩色图像转化为灰度图像；式中，R、G、B分别为图像红、绿、蓝三种颜色通道的亮度。

2)对图像进行对图像直方图进行均衡化以提高前景后景对比度；

3)采用中值滤波对图像进行平滑处理，去掉噪声点；取图像内以某点为中心的n×n矩阵序列x₁,x₂,...,x_n作为处理对象，按照灰度值进行降序排列x_i1≤x_i2≤...≤x_in，通过如下公式计算中值，最后通过中值确定中心像素的灰度值

4)对图像进行二值化；

5)运用高斯混合模型获取实时背景图像：首先对图像中每一个像素点进行建模，假设高斯混合模型由K个高斯分布组成，对于图像块i，在t时刻其像素值x的概率密度函数为：

式中，ω_i,t表示t时刻高斯混合模型中第i个高斯分布的权重；μ_i,t和A_i,t分别表示第i个高斯分布的均值和方差矩阵。η表示高斯函数,其定义为：

其中，对于RGB颜色模型，n为3。

接着，对每个像素点的高斯混合模型进行更新，将当前像素点像素值X_t与已有K个高斯分布进行逐一匹配，若满足下式：

则认为X_t与第i个高斯分布匹配，同时对模型进行更新：

ω_i,t＝(1-α)ω_i,t-1+αM_i,t

μ_i,t＝(1-α)μ_i,t-1+αX_t

式中，α为学习率，反映了当前像素融入背景模型的快慢程度；若X_t与第i个高斯分布匹配，M_i,t取1，反之取0；

按照优先级的排列方式对高斯分布进行排序。从下式中选取前B个高斯分布作为背景像素。将B个高斯分布与X_t做匹配，若X_t与B个高斯分布中的一个匹配，则该像素为背景像素；

式中，0.5<T<1；

最后通过待检测的运动车辆特征设置阈值并基于背景差分法提取目标车辆；

6)通过投影曲线幅值脉冲法计算车流量。首先对设定的检测区域进行垂直投影运算，得到每帧二值图像的投影曲线，若检测区域大小为M×N像素，垂直投影曲线可表示为：

式中，x＝1，2，…，M，B(x,y)为二值图像像素点(x,y)的灰度值；

对曲线各列像素数目进行算术平均，作为投影曲线幅值，连续帧图像处理可得到幅值的时间曲线，无车时幅值接近于零，有车时表现为不规则脉冲，通过脉冲的数量即可计算路段上的车流量。

步骤e中利用点云处理计算出等待过街行人数量方法为：利用地面高度阈值法剔除地面点云，然后以激光雷达为原点，将点云扫描区均分为角度间隔为10°的36个扇形区域，并将与行人排队区域发生重合的扇形区域标记为点云观测区域，将观测区域内的扇形区域沿径向划分为长度约0.25m的环形栅格，径向半径取3m，则得到12×36的矩阵M_n×m，取第i行第j列值D_ij为该栅格内所有点到原点的平均距离。当扫描点为地面背景点时，所属栅格的D_ij几乎不会发生变化，由此通过D_ij的变化来判断是否存在行人。当判断有行人出现在排队区域后，利用DBSCAN算法对排队区域内行人点云数据进行聚类处理，选取欧几里得距离作为距离定义：

其中，p和q为两点坐标。欧几里得距离越小表明两点邻近程度越大。定义参数聚类阈值ε和目标数量M，当给定对象ε的邻域内目标数量超过M时，将该邻域内所有对象归为相同簇。排队区域内点云聚类得到的类簇个数即为等待过街的行人数量。

请参阅附图4，步骤e中调整绿灯时长方法为：考虑到行人过街等待时间过大会造成违法过街现象，将行人流量与行人延误作为模糊控制的输入量，先将输入量模糊化，通过模糊控制规则对输入模糊量进行推理得到输出模糊量，最后将输出模糊量解模糊化得到输出量绿灯延时时间。

行人延误主要来自等待信号灯产生的延误，其计算公式为：

式中，C为行人信号灯周期，g为行人信号灯绿灯时间。

采用下式三角形隶属度函数对输入量模糊化：

请参阅附图5，模糊规则设计过程如下：设定行人流量q的论域为[0,X],划分三个模糊子集{低，中，高}，记为{S₁,M₁,L₁}；设定行人延误d的论域为[0,Y],划分三个模糊子集{低，中，高}，记为{S₂,M₂,L₂}。设定信号灯t的论域为[g_min,g_max],划分三个模糊子集{较短，短，中，较长，长}，记为{A,B,C,D,E}。

采用如下重心法进行解模糊：

本发明提出了一种路段人行横道处信号动态优化控制系统及方法，该系统由信息采集模块、信息处理模块、信息控制及发布模块组成。无需行人按钮，通过摄像头检测车流量、激光雷达检测行人流量，对行人过街信号进行动态调整，并以语音提示方式对行人过街进行警示，从而提高行人过街效率及安全性。

最后应说明的是：以上具体实施方式仅用于帮助理解本发明的方法及核心思想，本发明并不局限于上述具体实施方式。本领域的技术人员在本说明书的启示下，在具体实施方式以及应用范围上均可能存在添加、修改、替换的情况。本说明书不应为本发明的限制。

Claims (6)

1.一种应用路段人行横道处信号动态优化控制系统的方法，所述系统包括：信息采集模块、信息处理模块、信息控制及发布模块，其中，所述信息采集模块用于采集信号灯灯色状态以及路段交通参与者信息，发送给信息处理模块；所述信息处理模块用于处理采集到的信息，生成信号灯控制策略，发送给信息控制及发布模块；所述信息控制及发布模块用于接收来自信息处理模块的控制策略以及方案，控制信号灯灯色及声音传感器进行工作；

其特征在于，该方法包括如下步骤：

a)利用ZigBee模块与信号灯进行通信获取当前行人信号灯灯色状态；

b)当行人信号灯为绿灯状态时，计算当前剩余绿灯时长状态下行人是否能顺利过街，若剩余绿灯时长低于行人过街所需时长则利用声音传感器进行安全警告；

c)当行人信号灯为红灯状态时，利用高清摄像头获取道路图像，通过图像处理计算车流量；

d)车流量较大时不改变行人信号灯绿灯时长，保证车辆通行效率；

e)车流量较小时，利用路侧激光雷达采集等待过街的行人点云数据，通过点云处理计算出等待过街的行人数量，进一步根据行人数量调整绿灯时长；

步骤c中通过图像处理计算车流量方法包括如下步骤：

1)通过公式Gray＝0.299R+0.587G+0.114B将路段彩色图像转化为灰度图像；式中，R、G、B分别为图像红、绿、蓝三种颜色通道的亮度；

2)对图像进行对图像直方图进行均衡化以提高前景后景对比度；

3)采用中值滤波对图像进行平滑处理，去掉噪声点；取图像内以某点为中心的n×n矩阵序列x₁,x₂,...,x_n作为处理对象，按照灰度值进行降序排列x_i1≤x_i2≤...≤x_in，通过如下公式计算中值，最后通过中值确定中心像素的灰度值

4)对图像进行二值化；

5)运用高斯混合模型获取实时背景图像：首先对图像中每一个像素点进行建模，假设高斯混合模型由K个高斯分布组成，对于图像块i，在t时刻其像素值x的概率密度函数为：

式中，ω_i,t表示t时刻高斯混合模型中第i个高斯分布的权重；μ_i,t和A_i,t分别表示第i个高斯分布的均值和方差矩阵，η表示高斯函数,其定义为：

其中，对于RGB颜色模型，n为3；

接着，对每个像素点的高斯混合模型进行更新，将当前像素点像素值X_t与已有K个高斯分布进行逐一匹配，若满足下式：

则认为X_t与第i个高斯分布匹配，同时对模型进行更新：

ω_i,t＝(1-α)ω_i,t-1+αM_i,t

μ_i,t＝(1-α)μ_i,t-1+αX_t

式中，α为学习率，反映了当前像素融入背景模型的快慢程度；若X_t与第i个高斯分布匹配，M_i,t取1，反之取0；

按照优先级的排列方式对高斯分布进行排序，从下式中选取前B个高斯分布作为背景像素，将B个高斯分布与X_t做匹配，若X_t与B个高斯分布中的一个匹配，则该像素为背景像素；

式中，0.5<T<1；

最后通过待检测的运动车辆特征设置阈值并基于背景差分法提取目标车辆；

6)通过投影曲线幅值脉冲法计算车流量，首先对设定的检测区域进行垂直投影运算，得到每帧二值图像的投影曲线，若检测区域大小为M×N像素，垂直投影曲线可表示为：

式中，x＝1，2，…，M，B(x,y)为二值图像像素点(x,y)的灰度值；

对曲线各列像素数目进行算术平均，作为投影曲线幅值，连续帧图像处理可得到幅值的时间曲线，无车时幅值接近于零，有车时表现为不规则脉冲，通过脉冲的数量计算路段上的车流量。

2.根据权利要求1所述的一种应用路段人行横道处信号动态优化控制系统的方法，其特征在于，步骤e中利用点云处理计算出等待过街行人数量方法为：

利用地面高度阈值法剔除地面点云，然后以激光雷达为原点，将点云扫描区均分为角度间隔为10°的36个扇形区域，并将与行人排队区域发生重合的扇形区域标记为点云观测区域，将观测区域内的扇形区域沿径向划分为长度0.25m的环形栅格，径向半径取3m，则得到12×36的矩阵M_n×m，取第i行第j列值D_ij为该栅格内所有点到原点的平均距离；

当扫描点为地面背景点时，所属栅格的D_ij几乎不会发生变化，由此通过D_ij的变化来判断是否存在行人，当判断有行人出现在排队区域后，利用DBSCAN算法对排队区域内行人点云数据进行聚类处理，选取欧几里得距离作为距离定义：

其中，p和q为两点坐标，定义参数聚类阈值ε和目标数量M，当给定对象ε的邻域内目标数量超过M时，将该邻域内所有对象归为相同簇，排队区域内点云聚类得到的类簇个数即为等待过街的行人数量。

3.根据权利要求2所述的一种应用路段人行横道处信号动态优化控制系统的方法，其特征在于，步骤e中调整绿灯时长方法为：将行人流量与行人延误作为模糊控制的输入量，先将输入量模糊化，通过模糊控制规则对输入模糊量进行推理得到输出模糊量，最后将输出模糊量解模糊化得到输出量绿灯延时时间；

行人延误主要来自等待信号灯产生的延误，其计算公式为：

式中，C为行人信号灯周期，g为行人信号灯绿灯时间；

采用下式三角形隶属度函数对输入量模糊化：

模糊规则设计过程如下：设定行人流量q的论域为[0,X],划分三个模糊子集{低，中，高}，记为{S₁,M₁,L₁}；设定行人延误d的论域为[0,Y],划分三个模糊子集{低，中，高}，记为{S₂,M₂,L₂}，设定信号灯t的论域为[g_min,g_max],划分三个模糊子集{较短，短，中，较长，长}，记为{A,B,C,D,E}；

采用如下重心法进行解模糊：

4.根据权利要求1所述的一种应用路段人行横道处信号动态优化控制系统的方法，其特征在于，所述信息采集模块包括ZigBee通信模块、路侧激光雷达、摄像头，所述ZigBee通信模块用于采集信号灯灯色状态，所述路侧激光雷达用于采集行人点云数据，所述摄像头用于采集车辆图像信息。

5.根据权利要求1所述的一种应用路段人行横道处信号动态优化控制系统的方法，其特征在于，所述信息控制及发布模块包括信号灯控制单元、声音传感器，所述信号灯控制单元用于控制行人信号灯灯色，所述声音传感器用于对当前灯色状态进行语音播报并对不满足行人过街情况进行提示警告。

6.根据权利要求4所述的一种应用路段人行横道处信号动态优化控制系统的方法，其特征在于，所述ZigBee通信模块包括：ZigBee协调器模块和ZigBee终端模块，所述ZigBee协调器模块通过UART串口与信号灯控制单元相连，用于建立协调器网络，发布信号灯灯色信息；所述ZigBee终端模块与路侧激光雷达和摄像头相连，用于接收信号灯灯色信息，触发路侧激光雷达与摄像头进入工作状态。

Images