CN114373312A - 一种基于交通信息化的城市交通智能控制方法及系统 - Google Patents

一种基于交通信息化的城市交通智能控制方法及系统 Download PDF

Info

Publication number
CN114373312A
CN114373312A CN202210034747.3A CN202210034747A CN114373312A CN 114373312 A CN114373312 A CN 114373312A CN 202210034747 A CN202210034747 A CN 202210034747A CN 114373312 A CN114373312 A CN 114373312A
Authority
CN
China
Prior art keywords
traffic
urban
control
time
urban road
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
Application number
CN202210034747.3A
Other languages
English (en)
Inventor
王浩业
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.)
Nanjing Rongcai Transportation Technology Research Institute Co ltd
Original Assignee
Nanjing Rongcai Transportation Technology Research Institute Co ltd
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 Nanjing Rongcai Transportation Technology Research Institute Co ltd filed Critical Nanjing Rongcai Transportation Technology Research Institute Co ltd
Priority to CN202210034747.3A priority Critical patent/CN114373312A/zh
Publication of CN114373312A publication Critical patent/CN114373312A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/043—Architecture, e.g. interconnection topology based on fuzzy logic, fuzzy membership or fuzzy inference, e.g. adaptive neuro-fuzzy inference systems [ANFIS]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • 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
    • G08G1/07—Controlling traffic signals
    • G08G1/081—Plural intersections under common control

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Automation & Control Theory (AREA)
  • Computational Mathematics (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于交通信息化的城市交通智能控制方法及系统，该方法包括以下步骤：S1、利用摄像头实时采集城市道路中交叉口各方向的图像，并上传至交通信号控制中心；S2、将模糊控制技术引入交通信号控制中心，并实现对城市道路交通信号灯进行自适应控制；S3、通过GPRS城市智能交通控制实时监控交通信号控制中心的通讯，并发布城市道路交通信息的实时动态；S4、对城市道路交通信息的实时动态基于专家系统与神经网络的全局优化调度，对城市道路交通信号灯进行监控。有益效果：本发明通过对城市道路交通信息的实时动态基于专家系统与神经网络的全局优化调度，并利用现场设备完成现场交通信息的采集和信号灯的控制。

Description

一种基于交通信息化的城市交通智能控制方法及系统
技术领域
本发明涉及城市交通技术领域，具体来说，涉及一种基于交通信息化的城市交通智能控制方法及系统。
背景技术
现代城市的发展，交通问题越来越引起人们的关注。随着城市车辆的增加，人、车、路三者关系的协调，已成为交通管理部门所面临的重要问题。城市交通控制系统是面向全市的交通数据监测、交通信号灯控制与交通诱导的计算机控制系统，它是现代城市交通监控系统中重要的组成部份，主要用于城市道路交通控制与管理，对提高城市道路的通行能力、缓和城市交通拥挤起着重要作用。城市道路的畅通采用有效的控制措施，最大限度地提高道路的使用效率是城市道路交通控制的重要内容。城市道路交通控制主要是对交通信号的控制。交叉口处的交通信号灯是城市道路网中的主要控制设施。安装信号灯的初衷是为了保证不同方向的相交车流或行人能安全的通过交叉口。
随着交通需求的持续增加，不久人们认识到只要交通信号灯存在，它们就会或多或少地影响交通网络的运行，原有的交通灯控制系统已经表现出明显的缺点：红绿灯时间相对固定，不能伴随车流量以及人流量的改变而调整交通信号灯(红灯、黄灯及绿灯)的显示时间，造成路段的拥堵现象的发生。
针对相关技术中的问题，目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题，本发明提出一种基于交通信息化的城市交通智能控制方法及系统，以克服现有相关技术所存在的上述技术问题。
为此，本发明采用的具体技术方案如下：
根据本发明的一个方面，提供了一种基于交通信息化的城市交通智能控制方法，该方法包括以下步骤：
S1、利用摄像头实时采集城市道路中交叉口各方向的图像，并上传至交通信号控制中心；
S2、将模糊控制技术引入交通信号控制中心，并实现对城市道路交通信号灯进行自适应控制；
S3、通过GPRS城市智能交通控制实时监控交通信号控制中心的通讯，并发布城市道路交通信息的实时动态；
S4、对城市道路交通信息的实时动态基于专家系统与神经网络的全局优化调度，对城市道路交通信号灯进行监控。
进一步的，所述利用摄像头实时采集城市道路中交叉口各方向的图像，并上传至交通信号控制中心还包括以下步骤：
S11、利用超声波检测技术采集对应的车道的车流量信息，并上传至交通信号控制中心；
S12、利用图像采集技术采集城市道路路口的行人图像，并上传至交通信号控制中心。
进一步的，所述将模糊控制技术引入交通信号控制中心，并实现对城市道路交通信号灯进行自适应控制还包括以下步骤：
S21、对所述行人图像进行图像分析处理，以获取行人数量信息，并根据所述行人数量信息以及所述车流量信息进行数据模糊分析，以得到相应的路口的交通信号灯控制指令；
S22、各交叉口红绿灯在调度指令和该交叉口的实时交通流信息，并利用模糊控制的策略对该交叉口的信号进行控制。
进一步的，所述各交叉口红绿灯包括单交叉口红绿灯及多交叉口红绿灯。
进一步的，所述单交叉口红绿灯的模糊控制还包括以下步骤：
步骤1、从红绿灯信号相位i开始，分别指定各相位的最大绿灯时间；
步骤2、先赋予该红绿灯信号相位以最短的绿灯时间ΔG，且ΔG＝15秒；
步骤3、在绿灯时间ΔG内测得放行车道上的交通需求K；
步骤4、若小于某一给定的值r或累积绿灯时间，则将绿灯转到下一红绿灯信号相位，回到步骤2，否则继续；
步骤5、根据交通需求K值的大小来确定绿灯延长时间ΔG＇，设实际通过的车辆值为K＇，若K＇小于K值，则延长绿灯时间为1-5秒，若K＇大于K值，则延长绿灯时间为6-12秒。
进一步的，
所述模糊控制技术包括：
设延长的绿灯时间为ΔG＇，若+ΔG＇≥12秒，则ΔG＝12秒；
若该相位的绿灯时间为+ΔG＇，则继续在ΔG内测得放行车道上的交通需求；
将测得的模糊控制技术l看作模糊变量，其论域为：l＝{1，3，5，7，9，11，13，15，17，19，21}；
将绿灯延长时间ΔG＇看作模糊变量，其论域为：l＇＝{3，7，11，15，19，23，27，31，35}。
进一步的，所述通过GPRS城市智能交通控制实时监控交通信号控制中心的通讯，并发布城市道路交通信息的实时动态还包括以下步骤：
S31、利用交通管理中心主站完成人机交互作业；
S32、利用GPRS数据传输终端完成信息的上送与下发；
S33、利用现场设备完成现场交通信息的采集和信号灯的控制。
进一步的，所述现场设备包括车辆检测器、信号控制机、电子警察。
进一步的，所述监控包括点控、线控和面控：
其中，面控是要让某区域内各交叉口信号控制器协调动作。
根据本发明的另一个方面，提供了一种基于交通信息化的城市交通智能控制系统，该系统包括：
采集模块：利用摄像头实时采集城市道路中交叉口各方向的图像，并上传至交通信号控制中心；
训练模块：将模糊控制技术引入交通信号控制中心，并实现对城市道路交通信号灯进行自适应控制；
交通智能控制模块：通GPRS城市智能交通控制实时监控交通信号控制中心的通讯，并发布城市道路交通信息的实时动态；
优化模块：对城市道路交通信息的实时动态基于专家系统与神经网络的全局优化调度，对城市道路交通信号灯进行监控。
本发明的有益效果为：本发明可以通过对城市道路交通信息的实时动态基于专家系统与神经网络的全局优化调度，对城市道路交通信号灯进行监控，并利用现场设备完成现场交通信息的采集和信号灯的控制。
2、模糊逻辑控制的特长在于能够充分利用学科领域的知识，能以一定的规则数来表达知识具有逻辑推理能力，在技能处理上比较擅长。神经网络具有自学习能力和大规模并行处理能力，在认知处理、模式识别方面有很强的优势，主要缺点是结构难以确定，训练样本要求多且准确，训练周期长，而且不能提供一个明确的用于网络知识表达的框架。模糊神经网络是为发挥各自的优势把神经网络和模糊逻辑有机结合实际。采取神经网络技术来进行模糊信息处理，使得模糊规则的自动提取及模糊隶属函数的自动生成成为可能，进而克服神经网络结构难以确定以及模糊逻辑元自学习功能的缺点，使模糊系统成为一种自适应模糊系统。
3、GPRS智能操作平台通信服务管理器主要功能特点界面友好，操作方便。采用多线程技术，并发能力强。采用开放式的连接，用户可以方便地设置通讯口，支持监控软件，组态软件以及现场交通设备的独立接入和断开，各个系统互不影响。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的一种基于交通信息化的城市交通智能控制方法的流程图；
图2是根据本发明实施例的一种基于交通信息化的城市交通智能控制系统的原理框图。
图中：
1、采集模块；2、训练模块；3、交通智能控制模块；4、优化模块。
具体实施方式
为进一步说明各实施例，本发明提供有附图，这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理，配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点，图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
根据本发明的实施例，提供了一种基于交通信息化的城市交通智能控制方法及系统。
现结合附图和具体实施方式对本发明进一步说明，如图1所示，根据本发明实施例的基于交通信息化的城市交通智能控制方法，该方法包括以下步骤：
S1、利用摄像头实时采集城市道路中交叉口各方向的图像，并上传至交通信号控制中心；
在一个实施例中，所述利用摄像头实时采集城市道路中交叉口各方向的图像，并上传至交通信号控制中心还包括以下步骤：
S11、利用超声波检测技术采集对应的车道的车流量信息，并上传至交通信号控制中心；
S12、利用图像采集技术采集城市道路路口的行人图像，并上传至交通信号控制中心。
S2、将模糊控制技术引入交通信号控制中心，并实现对城市道路交通信号灯进行自适应控制；
在一个实施例中，所述将模糊控制技术引入交通信号控制中心，并实现对城市道路交通信号灯进行自适应控制还包括以下步骤：
S21、对所述行人图像进行图像分析处理，以获取行人数量信息，并根据所述行人数量信息以及所述车流量信息进行数据模糊分析，以得到相应的路口的交通信号灯控制指令；
S22、各交叉口红绿灯在调度指令和该交叉口的实时交通流信息，并利用模糊控制的策略对该交叉口的信号进行控制；
在一个实施例中，所述各交叉口红绿灯包括单交叉口红绿灯及多交叉口红绿灯；
在一个实施例中，
所述单交叉口红绿灯的模糊控制还包括以下步骤：
步骤1、从红绿灯信号相位i开始，分别指定各相位的最大绿灯时间；
步骤2、先赋予该红绿灯信号相位以最短的绿灯时间ΔG，且ΔG＝15秒；
步骤3、在绿灯时间ΔG内测得放行车道上的交通需求K；
步骤4、若小于某一给定的值r或累积绿灯时间，则将绿灯转到下一红绿灯信号相位，回到步骤2，否则继续；
步骤5、根据交通需求K值的大小来确定绿灯延长时间ΔG＇，设实际通过的车辆值为K＇，若K＇小于K值，则延长绿灯时间为1-5秒，若K＇大于K值，则延长绿灯时间为6-12秒。
在一个实施例中，所述模糊控制技术包括：
设延长的绿灯时间为ΔG＇，若+ΔG＇≥12秒，则ΔG＝12秒；
若该相位的绿灯时间为+ΔG＇，则继续在ΔG内测得放行车道上的交通需求；
将测得的模糊控制技术l可看作模糊变量，其论域为：l＝{1，3，5，7，9，11，13，15，17，19，21}，取7个语言值：(很长)，(长)，(较长)，(中等)，(较短)，(短)，(很短)；
将绿灯延长时间ΔG＇同样看作模糊变量，其论域为：l＇＝{3，7，11，15，19，23，27，31，35}，取7个语言值：(很多)，(多)，(较多)，(适中)，(较少)，(少)，(很少)；
在具体应用时，对单个交叉口而言，当交通需求较小时，信号周期则应短一些，但一般不能少于p×15秒(p为相位数)以免某一方向的绿灯时间小于15秒使车辆来不及通过路口影响交通安全。当交通需求很小时，一般按最小周期运行；当交通需求很大时，只能按最大周期控制，此时，车辆堵塞现象已不可避免，根据人的控制经验一般可总结出下列7条控制规则，若，则，i＝1，…，7，根据模糊理论知道，一个完整语言控制策略是由很多不同的语言控制策略所组成的。由7条语言控制策略可组成单输入单输出语言控制策略，每条控制策略可用模糊关系矩阵表示。感应控制模块由全感应控制模块和半感应控制模块组成。全感应控制中采用模糊控制算法。如果交通需求用占有率和交通量来度量，则当占有率很小且交通量也很小时采用最小周期控制；多时段和多相位的划分要根据交叉口的历史交通流数据和交叉口的几何形状来确定，通常至少要分交通高峰期和非高峰期。由于信号周期的剧烈变化会造成交通紊流，引起进一步的交通阻塞，因此程序对时段改变所引起的方案变化进行了平滑处理，使新时段以周期的小增量方式平滑过渡。
S3、通过GPRS城市智能交通控制实时监控交通信号控制中心的通讯，并发布城市道路交通信息的实时动态；
在一个实施例中，所述通过GPRS城市智能交通控制实时监控交通信号控制中心的通讯，并发布城市道路交通信息的实时动态还包括以下步骤：
S31、利用交通管理中心主站完成人机交互作业；
S32、利用GPRS数据传输终端完成信息的上送与下发；
S33、利用现场设备完成现场交通信息的采集和信号灯的控制；
在一个实施例中，所述现场设备包括车辆检测器、信号控制机、电子警察；
在具体应用时，GPRS智能操作平台通信服务管理器是系统智能交通操作平台中的核心部分之一，承担着城市交通系统中现场交通设备和监控软件、组态软件、数据库服务管理器、数据处理软件之间的通信任务。主要功能特点界面友好，操作方便。采用多线程技术，并发能力强。采用开放式的连接，用户可以方便地设置通讯口，支持监控软件，组态软件以及现场交通设备的独立接入和断开，各个系统互不影响。
S4、对城市道路交通信息的实时动态基于专家系统与神经网络的全局优化调度，对城市道路交通信号灯进行监控；
在一个实施例中，所述监控包括点控、线控和面控：
其中，面控是要让某区域内各交叉口信号控制器协调动作；
在具体应用时，道路交通控制通常分为点控、线控和面控。面控是要让某区域内各交叉口信号控制器协调动作，从而可以提高道路通行能力，增加交通安全，节省能源和减少污染等等。无论哪种控制，其控制变量主要有3个：信号周期，绿信比和相位差。点控只需前两个变量即可。
根据本发明的另一个实施例，如图2所示，还提供了一种基于交通信息化的城市交通智能控制系统，该系统包括：
采集模块1：利用摄像头实时采集城市道路中交叉口各方向的图像，并上传至交通信号控制中心；
训练模块2：将模糊控制技术引入交通信号控制中心，并实现对城市道路交通信号灯进行自适应控制；
交通智能控制模块3：通GPRS城市智能交通控制实时监控交通信号控制中心的通讯，并发布城市道路交通信息的实时动态；
优化模块4：对城市道路交通信息的实时动态基于专家系统与神经网络的全局优化调度，对城市道路交通信号灯进行监控。
综上所述，借助于本发明的上述技术方案，本发明可以通过对城市道路交通信息的实时动态基于专家系统与神经网络的全局优化调度，对城市道路交通信号灯进行监控，并利用现场设备完成现场交通信息的采集和信号灯的控制，模糊逻辑控制的特长在于能够充分利用学科领域的知识，能以一定的规则数来表达知识具有逻辑推理能力，在技能处理上比较擅长。神经网络具有自学习能力和大规模并行处理能力，在认知处理、模式识别方面有很强的优势，主要缺点是结构难以确定，训练样本要求多且准确，训练周期长，而且不能提供一个明确的用于网络知识表达的框架。模糊神经网络是为发挥各自的优势把神经网络和模糊逻辑有机结合实际。采取神经网络技术来进行模糊信息处理，使得模糊规则的自动提取及模糊隶属函数的自动生成成为可能，进而克服神经网络结构难以确定以及模糊逻辑元自学习功能的缺点，使模糊系统成为一种自适应模糊系统，此外GPRS智能操作平台通信服务管理器主要功能特点界面友好，操作方便。采用多线程技术，并发能力强。采用开放式的连接，用户可以方便地设置通讯口，支持监控软件，组态软件以及现场交通设备的独立接入和断开，各个系统互不影响。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于交通信息化的城市交通智能控制方法，其特征在于，该方法包括以下步骤：
S1、利用摄像头实时采集城市道路中交叉口各方向的图像，并上传至交通信号控制中心；
S2、将模糊控制技术引入交通信号控制中心，并实现对城市道路交通信号灯进行自适应控制；
S3、通过GPRS城市智能交通控制实时监控交通信号控制中心的通讯，并发布城市道路交通信息的实时动态；
S4、对城市道路交通信息的实时动态基于专家系统与神经网络的全局优化调度，对城市道路交通信号灯进行监控。
2.根据权利要求1所述的一种基于交通信息化的城市交通智能控制方法，其特征在于，所述利用摄像头实时采集城市道路中交叉口各方向的图像，并上传至交通信号控制中心还包括以下步骤：
S11、利用超声波检测技术采集对应的车道的车流量信息，并上传至交通信号控制中心；
S12、利用图像采集技术采集城市道路路口的行人图像，并上传至交通信号控制中心。
3.根据权利要求1所述的一种基于交通信息化的城市交通智能控制方法，其特征在于，所述将模糊控制技术引入交通信号控制中心，并实现对城市道路交通信号灯进行自适应控制还包括以下步骤：
S21、对所述行人图像进行图像分析处理，以获取行人数量信息，并根据所述行人数量信息以及所述车流量信息进行数据模糊分析，以得到相应的路口的交通信号灯控制指令；
S22、各交叉口红绿灯在调度指令和该交叉口的实时交通流信息，并利用模糊控制的策略对该交叉口的信号进行控制。
4.根据权利要求3所述的一种基于交通信息化的城市交通智能控制方法，其特征在于，所述各交叉口红绿灯包括单交叉口红绿灯及多交叉口红绿灯。
5.根据权利要求4所述的一种基于交通信息化的城市交通智能控制方法，其特征在于，所述单交叉口红绿灯的模糊控制还包括以下步骤：
步骤1、从红绿灯信号相位i开始，分别指定各相位的最大绿灯时间；
步骤2、先赋予该红绿灯信号相位以最短的绿灯时间ΔG，且ΔG＝15秒；
步骤3、在绿灯时间ΔG内测得放行车道上的交通需求K；
步骤4、若小于某一给定的值r或累积绿灯时间，则将绿灯转到下一红绿灯信号相位，回到步骤2，否则继续；
步骤5、根据交通需求K值的大小来确定绿灯延长时间ΔG＇，设实际通过的车辆值为K＇，若K＇小于K值，则延长绿灯时间为1-5秒，若K＇大于K值，则延长绿灯时间为6-12秒。
6.根据权利要求5所述的一种基于交通信息化的城市交通智能控制方法，其特征在于，所述模糊控制技术包括：
设延长的绿灯时间为ΔG＇，若+ΔG＇≥12秒，则ΔG＝12秒；
若该相位的绿灯时间为+ΔG＇，则继续在ΔG内测得放行车道上的交通需求；
将测得的模糊控制技术l看作模糊变量，其论域为：l＝{1，3，5，7，9，11，13，15，17，19，21}；
将绿灯延长时间ΔG＇看作模糊变量，其论域为：l＇＝{3，7，11，15，19，23，27，31，35}。
7.根据权利要求1所述的一种基于交通信息化的城市交通智能控制方法，其特征在于，所述通过GPRS城市智能交通控制实时监控交通信号控制中心的通讯，并发布城市道路交通信息的实时动态还包括以下步骤：
S31、利用交通管理中心主站完成人机交互作业；
S32、利用GPRS数据传输终端完成信息的上送与下发；
S33、利用现场设备完成现场交通信息的采集和信号灯的控制。
8.根据权利要求1所述的一种基于交通信息化的城市交通智能控制方法，其特征在于，所述现场设备包括车辆检测器、信号控制机、电子警察。
9.根据权利要求1所述的一种基于交通信息化的城市交通智能控制方法，其特征在于，所述监控包括点控、线控和面控：
其中，面控是要让某区域内各交叉口信号控制器协调动作。
10.一种基于交通信息化的城市交通智能控制系统，用于实现权利要求1-9中任意一项所述的一种基于交通信息化的城市交通智能控制方法，其特征在于，该系统包括：
采集模块：利用摄像头实时采集城市道路中交叉口各方向的图像，并上传至交通信号控制中心；
训练模块：将模糊控制技术引入交通信号控制中心，并实现对城市道路交通信号灯进行自适应控制；
交通智能控制模块：通过GPRS城市智能交通控制实时监控交通信号控制中心的通讯，并发布城市道路交通信息的实时动态；
优化模块：对城市道路交通信息的实时动态基于专家系统与神经网络的全局优化调度，对城市道路交通信号灯进行监控。
CN202210034747.3A 2022-01-13 2022-01-13 一种基于交通信息化的城市交通智能控制方法及系统 Pending CN114373312A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210034747.3A CN114373312A (zh) 2022-01-13 2022-01-13 一种基于交通信息化的城市交通智能控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210034747.3A CN114373312A (zh) 2022-01-13 2022-01-13 一种基于交通信息化的城市交通智能控制方法及系统

Publications (1)

Publication Number Publication Date
CN114373312A true CN114373312A (zh) 2022-04-19

Family

ID=81144240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210034747.3A Pending CN114373312A (zh) 2022-01-13 2022-01-13 一种基于交通信息化的城市交通智能控制方法及系统

Country Status (1)

Country Link
CN (1) CN114373312A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101789178A (zh) * 2009-01-22 2010-07-28 中国科学院自动化研究所 街区路口交通信号优化控制方法
CN202694579U (zh) * 2012-07-09 2013-01-23 常州工学院 一种交通信号灯动态控制系统
CN105788302A (zh) * 2016-04-08 2016-07-20 华北电力大学（保定） 一种双目标优化的城市交通信号灯动态配时方法
CN105957371A (zh) * 2016-06-21 2016-09-21 同济大学 控制装置、及其应用的交通灯控制方法及系统
CN106846837A (zh) * 2017-03-27 2017-06-13 广州大学 一种交通灯智能控制系统、交通灯智能控制方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101789178A (zh) * 2009-01-22 2010-07-28 中国科学院自动化研究所 街区路口交通信号优化控制方法
CN202694579U (zh) * 2012-07-09 2013-01-23 常州工学院 一种交通信号灯动态控制系统
CN105788302A (zh) * 2016-04-08 2016-07-20 华北电力大学（保定） 一种双目标优化的城市交通信号灯动态配时方法
CN105957371A (zh) * 2016-06-21 2016-09-21 同济大学 控制装置、及其应用的交通灯控制方法及系统
CN106846837A (zh) * 2017-03-27 2017-06-13 广州大学 一种交通灯智能控制系统、交通灯智能控制方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
徐猛华 黄笑鹃: "基于单片机的自适应交通控制系统", 《计算机与现代化》 *

Similar Documents

Publication Publication Date Title
CN111371904B (zh) 云边端协同的高速公路云控系统及控制方法
CN107507430B (zh) 一种城市路口交通控制方法及系统
CN111681433B (zh) 一种交叉口交通信号灯配时优化方法和装置
CN101493992B (zh) 一种基于无线传感器网络的单点自组织交通信号控制方法
CN101308604B (zh) 大范围战略交通协调控制方法
CN109087517A (zh) 基于大数据的智能信号灯控制方法和系统
CN111583672B (zh) 一种智慧交通灯控制方法、系统及装置
CN103208194B (zh) 一种城市交通信号协同控制系统
CN113643528A (zh) 信号灯控制方法、模型训练方法、系统、装置及存储介质
CN109816978B (zh) 考虑驾驶员动态响应行为的区域群体交通诱导系统及方法
Kim et al. A comparative analysis of incident service time on urban freeways
Jatmiko et al. Self-organizing urban traffic control architecture with swarm-self organizing map in Jakarta: Signal control system and simulator
CN114267191A (zh) 缓解交通拥堵驾驶员控制系统、方法、介质、设备及应用
CN114373312A (zh) 一种基于交通信息化的城市交通智能控制方法及系统
CN116913109A (zh) 一种智慧城市交通信号灯控制系统
EP3627472A1 (de) Verfahren und anordnung zur automatisierten lokalen steuerung von multi-modalen städtischen verkehrsflüssen
Balaji et al. Distributed multi-agent type-2 fuzzy architecture for urban traffic signal control
CN114170804B (zh) 一种基于车路协同的交叉口最优车速引导方法及系统
CN117809460B (zh) 一种智慧交通调控方法及系统
Ali et al. Real-time density-based dynamic traffic light controller using fpga
CN117765735B (zh) 交通管控方法、装置、计算机设备和存储介质
CN116612636B (zh) 基于多智能体强化学习的信号灯协同控制方法
CN116246474B (zh) 基于云边端协同的交通信号相位配时控制方法及系统
CN114419896B (zh) 基于数字孪生的交通信号灯控制方法、装置、设备及介质
Wang Coordination and Optimization of Urban Traffic Control and Path Guidance Based on Multi-Agent

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

Application publication date: 20220419

RJ01 Rejection of invention patent application after publication