CN113689703A - 一种车辆分流控制方法、装置、电子设备及存储介质 - Google Patents

一种车辆分流控制方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113689703A
CN113689703A CN202111036840.XA CN202111036840A CN113689703A CN 113689703 A CN113689703 A CN 113689703A CN 202111036840 A CN202111036840 A CN 202111036840A CN 113689703 A CN113689703 A CN 113689703A
Authority
CN
China
Prior art keywords
road
current road
vehicle
lanes
current
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
Application number
CN202111036840.XA
Other languages
English (en)
Other versions
CN113689703B (zh
Inventor
刘家骏
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.)
Ji Hua Laboratory
Original Assignee
Ji Hua Laboratory
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 Ji Hua Laboratory filed Critical Ji Hua Laboratory
Priority to CN202111036840.XA priority Critical patent/CN113689703B/zh
Publication of CN113689703A publication Critical patent/CN113689703A/zh
Application granted granted Critical
Publication of CN113689703B publication Critical patent/CN113689703B/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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • 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
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及交通管理领域，具体为一种车辆分流控制方法、装置、电子设备及存储介质。该方法用于对具有双向车道且车道数可调的多车道道路进行车辆分流，所述方法包括以下步骤：获取前置道路图像和当前道路图像；获取前置道路车道数量、当前道路上行车道数量和当前道路下行车道数量；获取当前道路交通参数；根据所述前置道路图像和所述前置道路车道数量，获取前置道路交通参数；获取当前道路交通预测参数；根据当前道路交通预测参数调整所述当前道路上行车道数量和所述当前道路下行车道数量；本发明能够预测道路路况，提前调整车道避免交通堵塞。

Description

一种车辆分流控制方法、装置、电子设备及存储介质
技术领域
本发明涉及交通管理领域，具体涉及一种车辆分流控制方法、装置、电子设备及存储介质。
背景技术
随着汽车数量的日益攀升，道路交通越发拥堵，在双向多车道道路中，上行车道和下行车道的车辆流量在不同时段都会有差异，特别在早高峰和晚高峰的时段，有可能上行车道流量少，下行车道流量大，导致上行车道利用率低，而下行车道则出现严重拥堵。为了疏通拥堵的道路，避免上行车道和下行车道流量差异过大，现有方法一般通过设置潮汐车道，利用可变向的潮汐车道改变上行车道和下行车道的通行道路数量，以缓解交通堵塞问题。
然而，现有方法只考虑到当前道路当下时刻的车辆流量，并没有考虑前方道路的车辆流量，当行驶在前方道路的车辆汇入到当前道路，没有提前改变潮汐车道的方向，仍会造成交通堵塞。
因此，现有技术有待改进和发展。
发明内容
本发明的目的在于提供一种车辆分流控制方法、装置、电子设备及存储介质，根据当前道路和前置道路的交通参数，能够提前预测到当前道路上行车道和下行车道的路况，预先调整上行车道和下行车道的数量，有效避免拥堵发生。
第一方面，本申请提供一种车辆分流控制方法，用于对具有双向车道且车道数可调的多车道道路进行车辆分流，所述方法包括以下步骤：
获取前置道路图像和当前道路图像；
获取当前道路上行车道数量、当前道路下行车道数量和前置道路车道数量；
根据所述当前道路图像、所述当前道路上行车道数量和所述当前道路下行车道数量，计算当前道路交通参数；所述当前道路交通参数包括当前道路上行车辆流量、当前道路下行车辆流量、当前道路上行车辆密度和当前道路下行车辆密度；
根据所述前置道路图像和所述前置道路车道数量，计算前置道路交通参数；所述前置道路交通参数包括前置道路车辆流量和前置道路车辆密度；
根据所述前置道路交通参数和所述当前道路交通参数，计算当前道路交通预测参数；所述当前道路交通预测参数包括当前道路上行车辆预测流量、当前道路上行车辆预测密度、当前道路下行车辆预测流量和当前道路下行车辆预测密度；
根据当前道路交通预测参数调整所述当前道路上行车道数量和所述当前道路下行车道数量。
本发明提供的一种车辆分流控制方法，利用图像信息获取准确的道路信息，通过道路信息预测出当前道路即将出现的路况，并预先对当前道路进行车道调整，有效避免交通堵塞。
进一步的，所述获取当前道路上行车道数量、当前道路下行车道数量和前置道路车道数量的步骤包括：
根据所述当前道路图像识别出所述当前道路上行车道数量和所述当前道路下行车辆数量，根据所述前置道路图像识别出所述前置道路车道数量。
利用图像识别能够快速获得所需要的当前道路上行车道数量和当前道路下行车道数量，有效提高处理效率。
进一步的，所述获取当前道路上行车道数量、当前道路下行车道数量和前置道路车道数量的步骤还包括：
读取预先记录的所述当前道路上行车道数量和所述当前道路下行车辆数量以及所述前置道路车道数量。
利用已有的记录数据，通过查询预先记录的数据能够更快获得上行车道数量和当前道路下行车辆数量，进一步提高处理效率。
进一步的，所述根据所述当前道路图像、所述当前道路上行车道数量和所述当前道路下行车道数量，计算当前道路交通参数的步骤包括：
根据所述当前道路图像获取当前道路上行车辆轮廓和当前道路下行车辆轮廓；
根据所述当前道路上行车辆轮廓和所述当前道路上行车道数量获取所述当前道路上行车辆流量和所述当前道路上行车辆密度；
根据所述当前道路下行车辆轮廓和所述当前道路下行车道数量获取所述当前道路下行车辆流量和所述当前道路下行车辆密度。
通过图像获取道路上的车辆轮廓，利用车辆轮廓计算出的车辆密度结果更加精确，有效减少计算值与真实值的误差。
进一步的，所述根据所述前置道路图像和所述前置道路车道数量，计算前置道路交通参数的步骤包括：
根据所述前置道路图像获取前置道路车辆轮廓；
根据所述前置道路车辆轮廓和所述前置道路车道数量获取所述前置道路车辆流量和所述前置道路车辆密度。
进一步的，所述根据所述前置道路交通参数和所述当前道路交通参数，计算当前道路交通预测参数的步骤包括：
根据所述当前道路上行车辆流量和所述前置道路车辆流量获取当前道路上行车辆预测流量；
根据所述当前道路下行车辆流量和所述前置道路车辆流量获取当前道路下行车辆预测流量；
根据所述当前道路上行车辆密度和所述前置道路车辆密度获取当前道路上行车辆预测密度；
根据所述当前道路下行车辆密度和所述前置道路车辆密度获取当前道路下行车辆预测密度。
进一步的，所述根据当前道路交通预测参数调整所述当前道路上行车道数量和所述当前道路下行车道数量的步骤包括：
计算所述当前道路上行车辆预测流量和所述当前道路下行车辆预测流量的差值，得到预测流量差值；
计算所述当前道路上行车辆预测密度和所述当前道路下行车辆预测密度的差值，得到预测密度差值；
根据所述预测流量差值和所述预测密度差值调整所述当前道路上行车道数量和所述当前道路下行车道数量。
第二方面，本发明还提供了一种车辆分流控制装置，用于对双向且可变的多车道道路进行车辆分流，所述车辆分流控制装置包括：
第一获取模块，用于获取前置道路图像和当前道路图像；
第二获取模块，用于获取前置道路车道数量、当前道路上行车道数量和当前道路下行车道数量；
第一计算模块，用于根据所述当前道路图像、所述当前道路上行车道数量和所述当前道路下行车道数量，计算当前道路交通参数；所述当前道路交通参数包括当前道路上行车辆流量、当前道路下行车辆流量、当前道路上行车辆密度和当前道路下行车辆密度；
第二计算模块，用于根据所述前置道路图像和所述前置道路车道数量，计算前置道路交通参数；所述前置道路交通参数包括前置道路车辆流量和前置道路车辆密度；
第三计算模块，用于根据所述前置道路交通参数和所述当前道路交通参数，计算当前道路交通预测参数；所述当前道路交通预测参数包括当前道路上行车辆预测流量、当前道路上行车辆预测密度、当前道路下行车辆预测流量和当前道路下行车辆预测密度；
调整模块，用于根据当前道路交通预测参数调整所述当前道路上行车道数量和所述当前道路下行车道数量。
本发明提供的车辆分流控制装置可以根据实时的道路交通路况，通过分析和计算，预测出未来时段当前道路将会出现的交通路况并对当前道路提前进行调整，有效避免道路发生交通堵塞。
第三方面，本发明提供了一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述车辆分流控制方法中的步骤。
第四方面，本发明提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如上述车辆分流控制方法中的步骤。
本发明的有益效果：通过获取当前道路图像和前置道路图像，分析并计算出当前道路的车辆流量和车辆密度，以及前置道路的车辆流量和车辆密度，综合考虑上述车辆流量和车辆密度数据得到对当前道路的预测数据，该预测数据可以预测出未来当前道路的道路路况，在车辆行驶至当前道路前根据预测数据完成合理的车道分配，有效避免双向车道出现因一侧车辆过多导致交通堵塞的情况。
附图说明
图1为本申请实施例提供的车辆分流控制方法的一种流程图。
图2为本申请实施例提供的车辆分流控制装置的第一种结构示意图。
图3为本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
参照图1，图1是本申请一些实施例中的车辆分流控制方法的流程图。该车辆分流控制方法，用于对具有双向车道且车道数可调的多车道道路进行车辆分流，该方法步骤包括：
S1、获取前置道路图像和当前道路图像；
S2、获取当前道路上行车道数量、当前道路下行车道数量和前置道路车道数量；
S3、根据当前道路图像、当前道路上行车道数量和当前道路下行车道数量，计算当前道路交通参数；当前道路交通参数包括当前道路上行车辆流量、当前道路下行车辆流量、当前道路上行车辆密度和当前道路下行车辆密度；
S4、根据前置道路图像和前置道路车道数量，计算前置道路交通参数；前置道路交通参数包括前置道路车辆流量和前置道路车辆密度；
S5、根据前置道路交通参数和当前道路交通参数，计算当前道路交通预测参数；当前道路交通预测参数包括当前道路上行车辆预测流量、当前道路上行车辆预测密度、当前道路下行车辆预测流量和当前道路下行车辆预测密度；
S6、根据当前道路交通预测参数调整当前道路上行车道数量和当前道路下行车道数量。
当前道路指的是待进行双向车道数量调整的路段，该路段包括上行车道和下行车道，且可以改变单条车道的行驶方向来调整上行车道数量和下行车道数量，前置道路指的是可以通向当前道路的道路，具体为可以通向当前道路上行车道的道路和可以通向当前道路下行车道的道路，前置道路可以为一条或多条，每条前置道路可以是单车道道路或多车道道路，上行车道对应有上行车道的前置道路，下行车道对应有下行车道的前置道路，且上行车道的前置道路与下行车道的前置道路不同。
在实际应用中，当前道路与现实中的潮汐车道相似，但现实中潮汐车道一般仅设置在双向车道的其中一侧且数量固定，例如，上行车道和下行车道各有四条，上行车道中的两条车道设为潮汐车道，当需要对道路进行流量管控时，上行车道至少调整为两条，而下行车道最多调整为六条，如果通向当前车道的上行车道的车辆流量增加，则会导致上行车道形成交通拥堵，或车辆流量超过潮汐车道的负载，则下行车道也会形成交通堵塞，因此在现实生活中，潮汐车道并不能保证满足道路的实际路况。
而本实施例中，通过道路摄像头获取前置道路图像和当前道路的图像，并根据图像信息获取当前道路上行车道数量、当前道路下行车道数量和前置道路车道数量，利用该车道数量信息计算出当前道路交通参数和前置道路交通参数，通过前置道路交通参数结合当前道路交通参数就能够预测未来时间当前道路将会出现的路况，即当前道路交通预测参数，在当前道路交通参数到达当前道路交通预测参数前，根据当前道路交通预测参数提前对当前车道进行调整，能够有效避免堵塞出现，相比于交通出现堵塞后再进行道路调整，本实施例在交通堵塞出现前就进行防控，在交通疏导方面显然更高效。
需要说明的是，本实施例中的当前车道包括所有当前道路上行车道和所有当前道路下行车道，且所有当前道路上行车道和所有当前道路下行车道都可以是可变车道（当前道路上行车道每增加一条，则下行车道对应地减少一条；当前道路上行车道每减少一条，则下行车道对应地增加一条），但在实际应用中，本实施例应用于双向多车道道路，在对当前道路上行车道数量和当前道路下行车道数量进行调整时，应当至少保留一条上行车道，或至少保留一条下行车道。
此外，现实中潮汐车道一般在人为规定下、在某一固定时段内实施变向，例如，早高峰时段规定潮汐车道调整为上行方向，或晚高峰时段规定潮汐车道调整为下行方向。潮汐车道的设置和换向规则一般在道路规划时就被确定，道路规划时结合道路周边各种因素对道路进行车辆流量预测，根据预测设置潮汐车道并下定规则。然而这种车辆流量预测并不准确，道路规划时的车辆流量预测并没有考虑到实际路况。例如，道路周边建设了新的楼盘引入了大量车流；又如，道路周边建设了新的交通路线分散了车流；未来的变化对道路的实际路况有着巨大影响，然而现实中潮汐车道的设置并没有充分考虑这些变化因素，也无法满足这种变化所带来的影响。
本实施例中，能够实时获取前置道路和当前道路的实时道路图像，对当前道路上行车道数量和当前道路下行车道数量的调整是基于根据实际前置道路交通参数和实际当前道路交通参数预测出当前道路交通预测参数而确定的，本实施例仅对道路的实际路况进行有效分析和预测，即能够有效适应道路周边各种变化所带来的道路影响。
再者，现实中潮汐车道规划设置后，一旦车辆流量超出潮汐车道负荷而出现拥堵，只能重新规划设置潮汐车道，严重浪费公共资源。而本实施例中当前道路所有车道均可以实时进行调控，无需对道路进行二次规划，大大减少了公共资源的浪费。
在某些实施例中，获取当前道路上行车道数量、当前道路下行车道数量和前置道路车道数量的步骤包括：
S21、根据所述当前道路图像识别出所述当前道路上行车道数量和所述当前道路下行车辆数量，根据所述前置道路图像识别出所述前置道路车道数量。
本实施例中，获取当前道路图像后，步骤S21具体实施方式为：通过对当前道路图像进行二值化处理并利用高斯模糊去除图像噪声，再利用canny算子对当前道路图像进行边缘检测，最后从处理后的当前道路图像中即可识别出当前道路的车道线，获得当前道路的每一条车道（包括上行方向的车道和下行方向车道）。
结合当前道路图像和前置道路图像中的车辆行驶的方向可以分析识别出当前道路上行车道数量、当前道路下行车道数量和前置道路车道数量，例如，摄像头拍摄到双向四车道上左侧两条车道车辆朝下行驶，则左侧两车道为下行车道；右侧两条车道车辆朝上行驶，则右侧两车道为上行车道，又例如，在前置道路图像中识别出道路最多允许四台车辆并排行驶，则该前置道路车道数量为四车道。当前道路根据以上分析识别可以迅速区分出当前道路上行车道和当前道路下行车道。
在某些可能的实施例中，当前道路上设置有多条可发光的车道线，正常情况下，仅有一条车道线发光，该发光的车道线作为区分上行车道和下行车道，通过图像识别出当前道路所有的车道线，结合该发光的车道线的位置即可快速判别出当前道路上行车道数量和当前道路下行车道数量，例如，根据当前道路图像识别出5条车道线，即可以得知该当前车道为双向四车道，假设识别出发光的车道线位于左侧第2条，根据车辆在该发光的车道线左侧行驶，且行驶方向为上行方向，则可以知道当前道路上行车道数量为1，当前道路下行车道数量为3。此外，通过控制上述车道线的发光即可实现对现实道路的调整，以双向四车道为例，识别出5条车道线，且左侧两车道为上行车道，右侧两车道为下行车道，此时发光的车道线位于左侧第3条，当需要调整为3条上行车道和1条下行车道时，则控制原发光的车道线熄灭并控制左侧第4条车道线发光，完成对现实道路的调整。
在某些可能的实施例中，也可以通过道路摄像头识别出各个车道上的路面标识（喷涂于路面用于指示方向的指向箭头）以判断出当前道路上行车道数量、当前道路下行车道数量和前置道路车道数量。
在某些可能的实施例中，还可以通过在当前道路各个车道上设置可发光的指向标识（双向箭头）替代路面标识，以迅速区分出上行车道和下行车道，获得当前道路上行车道数量和当前道路下行车道数量。以双向四车道为例，利用可发光的指向标识替代该地面标识，通过图像识别出左侧两条车道的指向标识均朝下，右侧两条车道的指向标识均朝上，则可以获得当前道路下行车道数量为2，当前道路上行车道数量2。此外，通过控制上述指向标识的发光可以改变指向标识的方向即可实现对现实道路的调整。
在某些可能的实施例中，也可以通过人为设定上行车道数量和下行车道数量，例如，用户通过道路摄像头可以直接判断出当前道路上行车道数量、当前道路下行车道数量和前置道路车道数量，通过手动将数据输入这些数据，该数据可保存在本地存储器中。
在某些优选的实施例中，获取前置道路车道数量、当前道路上行车道数量和当前道路下行车道数量的步骤还包括：
S22、读取预先记录的当前道路上行车道数量和当前道路下行车辆数量以及前置道路车道数量。
在某些可能的实施例中，在经过第一次图像识别或人工设定后，前置道路车道数量、当前道路上行车道数量和当前下行车道数量均有数据且被记录在本地存储器中，当后续循环执行上述步骤时，下一次循环即可以直接从本地存储器中读取及使用上一次循环且调整后所记录的车道数量数据，无需再次进行图像识别或人工设定，大大提高了执行效率。例如，第一次循环记录左侧车道A数量为当前道路上行车道，右侧车道B数量为当前道路下行车道，当执行下一次循环时，上述步骤S22可以直接查询存储器中的历史记录，调用上一次循环后所记录的数据，即可以快速获知左侧车道为上行车道且车道数量为A，右侧车道为下行车道且车道数量为B，进一步加快处理时间。
在某些可能的实施例中，上述数据也可以从外部导入至本地存储器中，则无需经过第一次图像识别，直接读取本地存储器中的数据即可。
需要说明的是，在理想状态下，前置道路车道数量并不会改变，因为经过步骤S1至步骤S6后只有当前道路上行车道数量和当前道路下行车道数量被调整，所以在理想状态下，历史记录中的前置道路车道数量并不会发生改变。但在实际应用中，前置道路也有可能是可变的双向多车道道路，相当于当前车道，因此在每次循环过程中保留前置道路车道数量、当前道路上行车道数量和当前道路下行车道数量的数据，能够有效适用于可变的双向多车道道路和不可变的双向多车道道路。
在某些实施例中，根据当前道路图像、当前道路上行车道数量和当前道路下行车道数量，计算当前道路交通参数的步骤包括：
S31、根据当前道路图像获取当前道路上行车辆轮廓和当前道路下行车辆轮廓；
S32、根据当前道路上行车辆轮廓和当前道路上行车道数量获取当前道路上行车辆流量和当前道路上行车辆密度；
S33、根据当前道路下行车辆轮廓和当前道路下行车道数量获取当前道路下行车辆流量和当前道路下行车辆密度。
本实施例中，获取当前道路上行车辆轮廓和当前道路下行车辆轮廓后，步骤S32和步骤S33的实施步骤为：
以当前道路上行车道为例，根据上述步骤S2获取当前道路上行车道数量为A，当前道路上行车辆流量的计算步骤包括：
A1、利用SSD算法对所有当前道路上行车辆轮廓进行车型分类，车型分类包括三种机动车分类：轿车、卡车/公共汽车、摩托车；
A2、在进行步骤A1的车型分类后，再根据当前车道上行车辆轮廓的长度和宽度在当前车道上行车辆轮廓上构建方框并标记出方框的中心点；
A3、在当前道路图像中的上行车道部分图像上设置虚拟横线，计算各种车型的当前道路上行车辆轮廓在规定时限T1内通过虚拟横线的数量，获得轿车通过数量L_Ncar，卡车/公共汽车通过数量L_Ntruck，摩托车通过数量L_Nmotor；
A4、获取各种车型预设的车型权重（轿车权重W1，卡车/公共汽车权重W2，摩托车权重W3），并根据公式1，计算当前道路上行车辆流量L_AverageFlow。
L_AverageFlow=(L_Ncar*W1+L_Ntruck*W2+L_Nmotor*W3)/(T1*A)（公式1）
上述车型分类可以但不仅限于轿车、卡车/公共汽车、摩托车这三种车型，在实际应用中可以根据所要达到的精度要求进一步将车型细分，例如车型分类包括三轮车、自行车和电动车等；又例如轿车类别中进一步细分车型包括微型车、小型车、紧凑型车、中大型车和大型车等，对于每一类车型均会分配一个车型权重，通过细化车型分类，可以进一步提高后续计算当前道路上行车辆流量的精度。
完成车型分类后在此基础上根据车辆轮廓的长度和宽度构建虚拟的方框，同一车型类别中的车辆轮廓使用同一种长度和宽度的方框，该长度和宽度可以通过计算该车型类别中各个车辆轮廓的均值所得，根据均值确定长度和宽度，能够更进一步提高后续计算当前道路上行车辆流量的精度。
步骤A3中需要计算出各种车型的当前道路上行车辆轮廓在规定时限内通过虚拟横线的数量，为了保证计算准确，在步骤A2中所构建的方框上标记出中心点，以中心点通过虚拟横线作为记数标准，能够将复杂多变的道路图像简化为简单且易于计算的模型，有效保证计算精度还大大简化了记数过程。
以当前道路下行车道为例，根据上述步骤S2获取当前道路下行车道数量为B，当前道路下行车辆流量的计算步骤包括：
B1、利用SSD算法对所有当前道路下行车辆轮廓进行车型分类，车型分类包括三种机动车分类：轿车、卡车/公共汽车、摩托车；
B2、在进行步骤B1的车型分类后，再根据当前车道下行车辆轮廓的长度和宽度在当前车道下行车辆轮廓上构建方框并标记出方框的中心点；
B3、在当前道路图像中的下行车道部分图像上设置虚拟横线，计算各种车型的当前道路下行车辆轮廓在规定时限T2内通过虚拟横线的数量，获得轿车通过数量R_Ncar，卡车/公共汽车通过数量R_Ntruck，摩托车通过数量R_Nmotor；
B4、获取各种车型预设的车型权重（轿车权重W1，卡车/公共汽车权重W2，摩托车权重W3），并根据公式2，计算当前道路下行车辆流量R_AverageFlow。
R_AverageFlow=(R_Ncar*W1+R_Ntruck*W2+R_Nmotor*W3)/(T2*B)（公式2）
以当前道路上行车道为例，根据上述步骤S2获取当前道路上行车道数量为C，当前道路上行车辆密度的计算步骤包括：
C1、计算每个当前道路上行车辆轮廓的L_Distance，该L_Distance为相应的当前道路上行车辆轮廓与其相邻的当前道路上行车辆轮廓的距离之和；
C2、将所有当前道路上行车辆轮廓的L_Distance相加得到L_Sdistance；
C3、根据公式3计算当前道路上行车辆密度L_Density。
L_Density = L_Sdistance/C（公式3）
本实施例中，步骤C1中，当前道路上行车辆轮廓与其相邻的当前道路上行车辆轮廓的距离指的是目标车辆与目标车辆上下左右各个方向上相邻的车辆之间的距离，例如，当前道路上行车道上有第一轿车，第一轿车的前方有第一摩托车，两者之间的距离为前方距离；第一轿车的后方有第二摩托车，两者之间的距离为后方距离；第一轿车的左方有第三摩托车，两者之间的距离为左方距离；第一轿车的右方有第四摩托车，两者之间的距离为右方距离；L_Distance为前方距离、后方距离、左方距离和右方距离四者之和，该L_Distance记为第一轿车的L_Distance。
需要说明的是，上述实施例中，目标车辆上下左右各个方向上相邻的车辆与目标车辆的行驶方向相同，即目标车辆上下左右各个方向上相邻的车辆与目标车辆均处于同向车道上。若目标车辆某一方向上无相邻的车辆（例如目标车辆位于最侧边的道路上），或某一方向上相邻的车辆与目标车辆行驶方向相反（例如目标车辆位于当前道路上行车道，而相邻车辆位于当前道路下行车道），则判定为在该方向上并无与目标车辆相邻的车辆，该方向上的距离记为0。
以当前道路下行车道为例，根据上述步骤S2获取当前道路下行车道数量为D，当前道路下行车辆密度的计算步骤包括：
D1、计算每个当前道路下行车辆轮廓与其相邻的当前道路下行车辆轮廓的距离之和为R_Distance；
D2、将所有当前道路下行车辆轮廓的R_Distance相加得到R_Sdistance；
D3、根据公式4计算当前道路下行车辆密度R_Density。
R_Density = R_Sdistance/D（公式4）
在某些实施例中，根据前置道路图像和前置道路车道数量，获取前置道路交通参数的步骤包括：
S41、根据前置道路图像获取前置道路车辆轮廓；
S42、根据前置道路车辆轮廓和前置道路车道数量获取前置道路车辆流量和前置道路车辆密度。
以当前道路上行车道的第i条前置道路为例，获取当前道路上行车道的第i条前置道路车辆轮廓后，根据上述步骤S2获取当前道路上行车道的第i条前置道路车道数量为E，当前道路上行车辆流量的计算步骤包括：
E1、利用SSD算法对所有当前道路上行车道的第i条前置道路车辆轮廓进行车型分类，车型分类包括三种机动车分类：轿车、卡车/公共汽车、摩托车；
E2、在进行步骤E1的车型分类后，再根据当前道路上行车道的第i条前置道路车辆轮廓的长度和宽度在当前道路上行车道的第i条前置道路车辆轮廓上构建方框并标记出方框的中心点；
E3、在当前道路上行车道的第i条前置道路图像上设置虚拟横线，计算各种车型的当前道路上行车道的第i条前置道路车辆轮廓在规定时限T3内通过虚拟横线的数量，获得轿车通过数量frL_Ncar_i，卡车/公共汽车通过数量frL_Ntruck_i，摩托车通过数量frL_Nmotor_i；
E4、获取各种车型预设的车型权重（轿车权重W1，卡车/公共汽车权重W2，摩托车权重W3），并根据公式5，计算当前道路上行车道的第i条前置道路车辆流量frL_average_i。
frL_average_i=(frL_Ncar_i*W1+frL_Ntruck_i*W2+frL_Nmotor_i*W3)/(T3*E)
（公式5）
以当前道路下行车道的第i条前置道路为例，获取当前道路下行车道的第i条前置道路车辆轮廓后，根据上述步骤S2获取当前道路下行车道的第i条前置道路车道数量为F，当前道路上行车辆流量的计算步骤包括：
F1、利用SSD算法对所有当前道路下行车道的第i条前置道路车辆轮廓进行车型分类，车型分类包括三种机动车分类：轿车、卡车/公共汽车、摩托车；
F2、在进行步骤F1的车型分类后，再根据当前道路下行车道的第i条前置道路车辆轮廓的长度和宽度在当前道路下行车道的第i条前置道路车辆轮廓上构建方框并标记出方框的中心点；
F3、在当前道路下行车道的第i条前置道路图像上设置虚拟横线，计算各种车型的当前道路下行车道的第i条前置道路车辆轮廓在规定时限T4内通过虚拟横线的数量，获得轿车通过数量frR_Ncar_i，卡车/公共汽车通过数量frR_Ntruck_i，摩托车通过数量frR_Nmotor_i；
F4、获取各种车型预设的车型权重（轿车权重W1，卡车/公共汽车权重W2，摩托车权重W3），并根据公式6，计算当前道路下行车道的第i条前置道路车辆流量frR_average_i。
frR_average_i=(frR_Ncar_i*W1+frR_Ntruck_i*W2+frR_Nmotor_i*W3)/(T4*F)
（公式6）
以当前道路上行车道的第i条前置道路为例，获取当前道路上行车道的第i条前置道路车辆轮廓后，根据上述步骤S2获取当前道路上行车道的第i条前置道路车道数量为G，当前道路上行车辆密度的计算步骤包括：
G1、计算每个当前道路上行车道的第i条前置道路车辆轮廓与其相邻的当前道路上行车道的第i条前置道路车辆轮廓的距离之和为frL_Distance_i；
G2、将所有当前道路上行车道的第i条前置道路车辆轮廓的frL_Distance_i相加得到frL_Sdistance_i；
G3、根据公式7计算当前道路上行车道的第i条前置道路车辆密度frL_Density_i。
frL_Density_i = frL_Sdistance_i/G（公式7）
以当前道路下行车道的第i条前置道路为例，获取当前道路下行车道的第i条前置道路车辆轮廓后，根据上述步骤S2获取当前道路下行车道的第i条前置道路车道数量为H，当前道路下行车辆密度的计算步骤包括：
H1、计算每个当前道路下行车道的第i条前置道路车辆轮廓与其相邻的当前道路下行车道的第i条前置道路车辆轮廓的距离之和为frR_Distance_i；
H2、将所有当前道路下行车道的第i条前置道路车辆轮廓的frR_Distance_i相加得到frR_Sdistance_i；
H3、根据公式8计算当前道路下行车道的第i条前置道路车辆密度frR_Density_i。
frR_Density_i = frR_Sdistance_i /H（公式8）
需要说明的是，前置道路数量记为i。在实际应用中，若存在多条前置道路，例如，有两条前置道路能够通向当前道路上行车道，则对两条前置道路分别进行编号为frL_1和frL_2，并分别计算两条前置道路的流量frL_average_1和frL_average_2，以及密度frL_Density_1和frL_Density_2。
在某些实施例中，根据前置道路交通参数和当前道路交通参数获取当前道路交通预测参数的步骤包括：
S51、根据当前道路上行车辆流量和前置道路车辆流量计算当前道路上行车辆预测流量；
S52、根据当前道路下行车辆流量和前置道路车辆流量计算当前道路下行车辆预测流量；
S53、根据当前道路上行车辆密度和前置道路车辆密度计算当前道路上行车辆预测密度；
S54、根据当前道路下行车辆密度和前置道路车辆密度计算当前道路下行车辆预测密度。
本实施例中，步骤S51和步骤S53的具体计算步骤为：
根据公式9计算当前道路上行车道的前置道路加权流量FrL_sum_average；
FrL_sum_average = sum(frL_average_i * FLi) （公式9）
根据公式10计算当前道路上行车道的前置道路加权密度FrL_sum_density；
FrL_sum_density = sum(frL_density_i * FLi) （公式10）
其中，FLi为当前道路上行车道的第i条前置道路的预测权重，该预测权重FLi是根据当前道路上行车道的第i条前置道路与当前道路上行车道之间的距离结合大数据统计得到的。
根据公式11计算当前道路上行车辆预测流量L_AverageFlow_hat；
L_AverageFlow_hat=L_Wc*L_AverageFlow+L_Wf*FrL_sum_average（公式11）
根据公式12计算当前道路上行车辆预测密度L_Density_hat；
L_Density_hat = L_Wc*L_Density + L_Wf*FrL_sum_density（公式12）
其中，L_Wc为当前道路上行车道权重；L_Wf为能够通往当前道路上行车道的所有前置道路的前置道路权重。
本实施例中，步骤S52和步骤S54的具体计算步骤为：
根据公式13计算当前道路下行车道的前置道路加权流量FrR_sum_average；
FrR_sum_average = sum(frR_average_i * FRi) （公式13）
根据公式14计算当前道路下行车道的前置道路加权密度FrR_sum_density；
FrR_sum_density = sum(frR_density_i * FRi) （公式14）
其中，FRi为当前道路下行车道的第i条前置道路的预测权重，该预测权重FRi是根据当前道路下行车道的第i条前置道路与当前道路下行车道之间的距离结合大数据统计得到的。
根据公式15计算当前道路下行车辆预测流量R_AverageFlow_hat；
R_AverageFlow_hat=R_Wc*R_AverageFlow+R_Wf*FrR_sum_average（公式15）
根据公式16计算当前道路下行车辆预测密度R_Density_hat；
R_Density_hat = R_Wc*R_Density + R_Wf*FrR_sum_density（公式16）
其中，R_Wc为当前道路下行车道权重；R_Wf为能够通往当前道路下行车道的所有前置道路的前置道路权重。
在某些实施例中，根据当前道路交通预测参数调整当前道路上行车道数量和当前道路下行车道数量的步骤包括：
S61、计算当前道路上行车辆预测流量和当前道路下行车辆预测流量的差值，得到预测流量差值；
S62、计算当前道路上行车辆预测密度和当前道路下行车辆预测密度的差值，得到预测密度差值；
S63、根据预测流量差值和预测密度差值调整当前道路上行车道数量和当前道路下行车道数量。
本实施例中，在步骤S63中，设置流量阈值TH1和密度阈值TH2，将预测流量差值与流量阈值TH1进行比较，将预测密度差值与密度阈值TH2进行比较，根据比较结果调整当前道路车道数量。具体为：
若L_AverageFlow_hat-R_AverageFlow_hat> TH1且R_Density_hat - L_Density_hat <TH2，则当前道路上行车道数量增加1，相应的当前道路下行车道数量减少1；
若L_AverageFlow_hat-R_AverageFlow_hat> TH1且R_Density_hat - L_Density_hat >TH2，则当前道路上行车道数量不变，相应的当前道路下行车道数量不变；
若L_AverageFlow_hat-R_AverageFlow_hat< TH1且R_Density_hat - L_Density_hat <TH2，则当前道路上行车道数量不变，相应的当前道路下行车道数量不变；
若L_AverageFlow_hat-R_AverageFlow_hat< TH1且R_Density_hat - L_Density_hat >TH2，则当前道路上行车道数量减少1，相应的当前道路下行车道数量增加1；
需要说明的是，流量阈值TH1和密度阈值TH2为用户根据实际情况预设的。
请参照图2，图2是本申请一些实施例中的一种车辆分流控制装置，用于对双向且可变的多车道道路进行车辆分流，该车辆分流控制装置以计算机程序的形式集成在该车辆分流控制装置的后端控制设备中，该车辆分流控制装置包括：
第一获取模块700，用于获取前置道路图像和当前道路图像。
第二获取模块800，用于获取前置道路车道数量、当前道路上行车道数量和当前道路下行车道数量；
第一计算模块900，用于根据当前道路图像、当前道路上行车道数量和当前道路下行车道数量，计算当前道路交通参数；当前道路交通参数包括当前道路上行车辆流量、当前道路下行车辆流量、当前道路上行车辆密度和当前道路下行车辆密度；
第二计算模块1000，用于根据前置道路图像和前置道路车道数量，计算前置道路交通参数；前置道路交通参数包括前置道路车辆流量和前置道路车辆密度；
第三计算模块1100，用于根据前置道路交通参数和当前道路交通参数，计算当前道路交通预测参数；当前道路交通预测参数包括当前道路上行车辆预测流量、当前道路上行车辆预测密度、当前道路下行车辆预测流量和当前道路下行车辆预测密度；
调整模块1200，用于根据当前道路交通预测参数调整当前道路上行车道数量和当前道路下行车道数量。
在某些实施例中，第二获取模块800用于在获取前置道路车道数量、当前道路上行车道数量和当前道路下行车道数量的时候执行：
根据当前道路图像识别出当前道路上行车道数量和当前道路下行车辆数量，根据前置道路图像识别出前置道路车道数量。
在某些实施例中，第二获取模块800用于在获取前置道路车道数量、当前道路上行车道数量和当前道路下行车道数量的时候执行：
读取预先记录的当前道路上行车道数量和当前道路下行车辆数量以及前置道路车道数量。
在某些实施例中，第一计算模块900用于在根据当前道路图像、当前道路上行车道数量和当前道路下行车道数量，计算当前道路交通参数的时候执行：
根据当前道路图像获取当前道路上行车辆轮廓和当前道路下行车辆轮廓；
根据当前道路上行车辆轮廓和当前道路上行车道数量获取当前道路上行车辆流量和当前道路上行车辆密度；
根据当前道路下行车辆轮廓和当前道路下行车道数量获取当前道路下行车辆流量和当前道路下行车辆密度。
在某些实施例中，第二计算模块1000用于在根据前置道路图像和前置道路车道数量，计算前置道路交通参数的时候执行：
根据前置道路图像获取前置道路车辆轮廓；
根据前置道路车辆轮廓和前置道路车道数量获取前置道路车辆流量和前置道路车辆密度。
在某些实施例中，第三计算模块1100用于在根据前置道路交通参数和当前道路交通参数，计算当前道路交通预测参数的时候执行：
根据当前道路上行车辆流量和前置道路车辆流量计算当前道路上行车辆预测流量；
根据当前道路下行车辆流量和前置道路车辆流量计算当前道路下行车辆预测流量；
根据当前道路上行车辆密度和前置道路车辆密度计算当前道路上行车辆预测密度；
根据当前道路下行车辆密度和前置道路车辆密度计算当前道路下行车辆预测密度。
在某些实施例中，调整模块1200用于在根据当前道路交通预测参数调整当前道路上行车道数量和当前道路下行车道数量的时候执行：
计算当前道路上行车辆预测流量和当前道路下行车辆预测流量的差值，得到预测流量差值；
计算当前道路上行车辆预测密度和当前道路下行车辆预测密度的差值，得到预测密度差值；
根据预测流量差值和预测密度差值调整当前道路上行车道数量和当前道路下行车道数量。
作为一种优选的实施方式，采用该车辆分流控制装置执行上述第一方面的车辆分流控制方法。
请参照图3，图3为本申请实施例提供的一种电子设备的结构示意图，本申请提供一种电子设备，包括：处理器1301和存储器1302，处理器1301和存储器1302通过通信总线1303和/或其他形式的连接机构（未标出）互连并相互通讯，存储器1302存储有处理器1301可执行的计算机程序，当计算设备运行时，处理器1301执行该计算机程序，以执行上述第一方面的实施例的任一可选的实现方式中的车辆分流控制方法，以实现以下功能：获取前置道路图像和当前道路图像；获取当前道路上行车道数量、当前道路下行车道数量和前置道路车道数量；根据当前道路图像、当前道路上行车道数量和当前道路下行车道数量，计算当前道路交通参数；当前道路交通参数包括当前道路上行车辆流量、当前道路下行车辆流量、当前道路上行车辆密度和当前道路下行车辆密度；根据前置道路图像和前置道路车道数量，计算前置道路交通参数；前置道路交通参数包括前置道路车辆流量和前置道路车辆密度；根据前置道路交通参数和当前道路交通参数，计算当前道路交通预测参数；当前道路交通预测参数包括当前道路上行车辆预测流量、当前道路上行车辆预测密度、当前道路下行车辆预测流量和当前道路下行车辆预测密度；根据当前道路交通预测参数调整当前道路上行车道数量和当前道路下行车道数量。
本申请实施例提供一种存储介质，计算机程序被处理器执行时，执行上述第一方面的实施例的任一可选的实现方式中的车辆分流控制方法，以实现以下功能：获取前置道路图像和当前道路图像；获取当前道路上行车道数量、当前道路下行车道数量和前置道路车道数量；根据当前道路图像、当前道路上行车道数量和当前道路下行车道数量，计算当前道路交通参数；当前道路交通参数包括当前道路上行车辆流量、当前道路下行车辆流量、当前道路上行车辆密度和当前道路下行车辆密度；根据前置道路图像和前置道路车道数量，计算前置道路交通参数；前置道路交通参数包括前置道路车辆流量和前置道路车辆密度；根据前置道路交通参数和当前道路交通参数，计算当前道路交通预测参数；当前道路交通预测参数包括当前道路上行车辆预测流量、当前道路上行车辆预测密度、当前道路下行车辆预测流量和当前道路下行车辆预测密度；根据当前道路交通预测参数调整当前道路上行车道数量和当前道路下行车道数量。
其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static Random Access Memory, 简称SRAM），电可擦除可编程只读存储器（Electrically Erasable Programmable Read-Only Memory, 简称EEPROM），可擦除可编程只读存储器（Erasable Programmable Read Only Memory, 简称EPROM），可编程只读存储器（Programmable Red-Only Memory, 简称PROM），只读存储器（Read-OnlyMemory, 简称ROM），磁存储器，快闪存储器，磁盘或光盘。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种车辆分流控制方法，用于对具有双向车道且车道数可调的多车道道路进行车辆分流，其特征在于，其步骤包括：
获取前置道路图像和当前道路图像；
获取当前道路上行车道数量、当前道路下行车道数量和前置道路车道数量；
根据所述当前道路图像、所述当前道路上行车道数量和所述当前道路下行车道数量，计算当前道路交通参数；所述当前道路交通参数包括当前道路上行车辆流量、当前道路下行车辆流量、当前道路上行车辆密度和当前道路下行车辆密度；
根据所述前置道路图像和所述前置道路车道数量，计算前置道路交通参数；所述前置道路交通参数包括前置道路车辆流量和前置道路车辆密度；
根据所述前置道路交通参数和所述当前道路交通参数，计算当前道路交通预测参数；所述当前道路交通预测参数包括当前道路上行车辆预测流量、当前道路上行车辆预测密度、当前道路下行车辆预测流量和当前道路下行车辆预测密度；
根据当前道路交通预测参数调整所述当前道路上行车道数量和所述当前道路下行车道数量。
2.根据权利要求1所述的车辆分流控制方法，其特征在于，所述获取当前道路上行车道数量、当前道路下行车道数量和前置道路车道数量的步骤包括：
根据所述当前道路图像识别出所述当前道路上行车道数量和所述当前道路下行车辆数量，根据所述前置道路图像识别出所述前置道路车道数量。
3.根据权利要求1所述的车辆分流控制方法，其特征在于，所述获取当前道路上行车道数量、当前道路下行车道数量和前置道路车道数量的步骤还包括：
读取预先记录的所述当前道路上行车道数量和所述当前道路下行车辆数量以及所述前置道路车道数量。
4.根据权利要求1所述的车辆分流控制方法，其特征在于，所述根据所述当前道路图像、所述当前道路上行车道数量和所述当前道路下行车道数量，计算当前道路交通参数的步骤包括：
根据所述当前道路图像获取当前道路上行车辆轮廓和当前道路下行车辆轮廓；
根据所述当前道路上行车辆轮廓和所述当前道路上行车道数量获取所述当前道路上行车辆流量和所述当前道路上行车辆密度；
根据所述当前道路下行车辆轮廓和所述当前道路下行车道数量获取所述当前道路下行车辆流量和所述当前道路下行车辆密度。
5.根据权利要求1所述的车辆分流控制方法，其特征在于，所述根据所述前置道路图像和所述前置道路车道数量，计算前置道路交通参数的步骤包括：
根据所述前置道路图像获取前置道路车辆轮廓；
根据所述前置道路车辆轮廓和所述前置道路车道数量获取所述前置道路车辆流量和所述前置道路车辆密度。
6.根据权利要求1所述的车辆分流控制方法，其特征在于，所述根据所述前置道路交通参数和所述当前道路交通参数，计算当前道路交通预测参数的步骤包括：
根据所述当前道路上行车辆流量和所述前置道路车辆流量计算所述当前道路上行车辆预测流量；
根据所述当前道路下行车辆流量和所述前置道路车辆流量计算所述当前道路下行车辆预测流量；
根据所述当前道路上行车辆密度和所述前置道路车辆密度计算所述当前道路上行车辆预测密度；
根据所述当前道路下行车辆密度和所述前置道路车辆密度计算所述当前道路下行车辆预测密度。
7.根据权利要求1所述的车辆分流控制方法，其特征在于，所述根据当前道路交通预测参数调整所述当前道路上行车道数量和所述当前道路下行车道数量的步骤包括：
计算所述当前道路上行车辆预测流量和所述当前道路下行车辆预测流量的差值，得到预测流量差值；
计算所述当前道路上行车辆预测密度和所述当前道路下行车辆预测密度的差值，得到预测密度差值；
根据所述预测流量差值和所述预测密度差值调整所述当前道路上行车道数量和所述当前道路下行车道数量。
8.一种车辆分流控制装置，用于对双向且可变的多车道道路进行车辆分流，其特征在于，所述车辆分流控制装置包括：
第一获取模块，用于获取前置道路图像和当前道路图像；
第二获取模块，用于获取前置道路车道数量、当前道路上行车道数量和当前道路下行车道数量；
第一计算模块，用于根据所述当前道路图像、所述当前道路上行车道数量和所述当前道路下行车道数量，计算当前道路交通参数；所述当前道路交通参数包括当前道路上行车辆流量、当前道路下行车辆流量、当前道路上行车辆密度和当前道路下行车辆密度；
第二计算模块，用于根据所述前置道路图像和所述前置道路车道数量，计算前置道路交通参数；所述前置道路交通参数包括前置道路车辆流量和前置道路车辆密度；
第三计算模块，用于根据所述前置道路交通参数和所述当前道路交通参数，计算当前道路交通预测参数；所述当前道路交通预测参数包括当前道路上行车辆预测流量、当前道路上行车辆预测密度、当前道路下行车辆预测流量和当前道路下行车辆预测密度；
调整模块，用于根据当前道路交通预测参数调整所述当前道路上行车道数量和所述当前道路下行车道数量。
9.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1-7任一项所述车辆分流控制方法中的步骤。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1-7任一所述车辆分流控制方法中的步骤。
CN202111036840.XA 2021-09-06 2021-09-06 一种车辆分流控制方法、装置、电子设备及存储介质 Active CN113689703B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111036840.XA CN113689703B (zh) 2021-09-06 2021-09-06 一种车辆分流控制方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111036840.XA CN113689703B (zh) 2021-09-06 2021-09-06 一种车辆分流控制方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113689703A true CN113689703A (zh) 2021-11-23
CN113689703B CN113689703B (zh) 2022-06-28

Family

ID=78585478

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111036840.XA Active CN113689703B (zh) 2021-09-06 2021-09-06 一种车辆分流控制方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113689703B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2013101872A (ru) * 2013-01-15 2013-05-27 Татьяна Михайловна Зиньковская Многополосная автомобильная дорога и способ ее эксплуатации
US20170032669A1 (en) * 2015-07-31 2017-02-02 Fujitsu Limited Apparatus and method for controlling traffic lights of a crossing
CN108109390A (zh) * 2018-02-02 2018-06-01 沈阳市公安局交通警察支队 一种道路交通可变车道调控系统及调控方法
CN108932855A (zh) * 2017-05-22 2018-12-04 阿里巴巴集团控股有限公司 道路交通控制系统、方法以及电子设备
CA3026912A1 (en) * 2017-06-12 2018-12-12 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for analyzing and adjusting road conditions
CN110364008A (zh) * 2019-08-16 2019-10-22 腾讯科技（深圳）有限公司 路况确定方法、装置、计算机设备和存储介质
CN111507203A (zh) * 2020-03-27 2020-08-07 北京百度网讯科技有限公司 可变车道检测模型的构建方法、电子设备及存储介质
CN111882889A (zh) * 2020-07-20 2020-11-03 王群力 一种智能交通信号控制系统及方法
KR20210050716A (ko) * 2019-10-29 2021-05-10 이화여자대학교 산학협력단 적응적 가변차선을 이용한 교통량 제어 방법 및 제어장치
CN113096416A (zh) * 2021-03-29 2021-07-09 长沙理工大学 用于高速公路上合流区的自动驾驶专用车道与通用车道可变限速的动态协同管控方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2013101872A (ru) * 2013-01-15 2013-05-27 Татьяна Михайловна Зиньковская Многополосная автомобильная дорога и способ ее эксплуатации
US20170032669A1 (en) * 2015-07-31 2017-02-02 Fujitsu Limited Apparatus and method for controlling traffic lights of a crossing
CN108932855A (zh) * 2017-05-22 2018-12-04 阿里巴巴集团控股有限公司 道路交通控制系统、方法以及电子设备
CA3026912A1 (en) * 2017-06-12 2018-12-12 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for analyzing and adjusting road conditions
CN108109390A (zh) * 2018-02-02 2018-06-01 沈阳市公安局交通警察支队 一种道路交通可变车道调控系统及调控方法
CN110364008A (zh) * 2019-08-16 2019-10-22 腾讯科技（深圳）有限公司 路况确定方法、装置、计算机设备和存储介质
KR20210050716A (ko) * 2019-10-29 2021-05-10 이화여자대학교 산학협력단 적응적 가변차선을 이용한 교통량 제어 방법 및 제어장치
CN111507203A (zh) * 2020-03-27 2020-08-07 北京百度网讯科技有限公司 可变车道检测模型的构建方法、电子设备及存储介质
CN111882889A (zh) * 2020-07-20 2020-11-03 王群力 一种智能交通信号控制系统及方法
CN113096416A (zh) * 2021-03-29 2021-07-09 长沙理工大学 用于高速公路上合流区的自动驾驶专用车道与通用车道可变限速的动态协同管控方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
KAIJIA CHEN;JING ZHAO;VICTOR L. KNOOP;XING GAO: "《Robust Signal Control of Exit Lanes for Left-Turn Intersections With the Consideration of Traffic Fluctuation》", 《IEEE ACCESS》 *
曹弋等: "临时变向车道的交通流速度及冲突特性分析", 《交通运输系统工程与信息》 *
王艳丽等: "基于视频交通图像的潮汐车道自适应控制系统设计", 《科学技术与工程》 *
雷旭等: "多车道交通流理论与应用研究综述", 《长安大学学报(自然科学版)》 *

Also Published As

Publication number Publication date
CN113689703B (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
CN110264735B (zh) 一种基于大数据的交通拥堵预测系统、方法及存储介质
CN109977812B (zh) 一种基于深度学习的车载视频目标检测方法
CN108417057B (zh) 一种智能信号灯配时系统
CN109410577B (zh) 基于空间数据挖掘的自适应交通控制子区划分方法
CN104778834B (zh) 一种基于车辆gps数据的城市道路交通拥堵判别方法
CN110843789B (zh) 一种基于时序卷积网络的车辆换道意图预测方法
JP7086725B2 (ja) 渋滞予測装置、および、渋滞予測方法
EP3631616A1 (en) Road traffic control system, method, and electronic device
Guo et al. Safety evaluation of unconventional outside left-turn lane using automated traffic conflict techniques
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
CN106157624B (zh) 基于交通定位数据的多粒度道路分流可视分析方法
CN110619340B (zh) 一种自动驾驶汽车换道规则的生成方法
CN111915885A (zh) 一种城市道路交通仿真实验方法及系统
CN115017742A (zh) 自动驾驶测试场景生成方法、装置、设备及存储介质
Pu et al. Evaluating the interference of bicycle traffic on vehicle operation on urban streets with bike lanes
CN113689703B (zh) 一种车辆分流控制方法、装置、电子设备及存储介质
KR20160015091A (ko) 교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법
CN113095601A (zh) 基于人工智能的不良视距交叉路口安全会车方法及系统
Horiguchi et al. Traffic simulation for an expressway toll plaza based on massive vehicle tracking data
CN113284338A (zh) 机动车紧急避让无灯控人行横道对交通流影响的计算方法
CN117456737B (zh) 基于3d视觉智能的智慧交通大数据处理方法及系统
Siddique Modeling drivers' lateral movement behavior under weak-lane disciplined traffic conditions
CN110239346A (zh) 一种基于图像识别的安全车速的控制方法及其系统
CN117456482B (zh) 一种面向交通监控场景的异常事件识别方法及系统
EP4184473A1 (en) Method for controlling a mobility system, data processing device, computer-readable medium, and system for controlling a mobility system

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