CN114419906B - 一种基于大数据的智能交通实现方法、设备、存储介质 - Google Patents
一种基于大数据的智能交通实现方法、设备、存储介质 Download PDFInfo
- Publication number
- CN114419906B CN114419906B CN202111628381.4A CN202111628381A CN114419906B CN 114419906 B CN114419906 B CN 114419906B CN 202111628381 A CN202111628381 A CN 202111628381A CN 114419906 B CN114419906 B CN 114419906B
- Authority
- CN
- China
- Prior art keywords
- lane
- traffic
- transverse
- longitudinal
- lanes
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 206010021033 Hypomenorrhoea Diseases 0.000 claims abstract description 147
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 206010039203 Road traffic accident Diseases 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 7
- 239000004973 liquid crystal related substance Substances 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 238000011897 real-time detection Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- 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
- 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
- G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Abstract
本申请公开了一种基于大数据的智能交通实现方法、设备、存储介质,该方法包括:采集道路中的车辆图像,根据车辆图像识别图像中为车辆前部还是车辆后部,根据识别结果判断车流量方向;检测车流量方向为靠近红绿灯路口的横向车道和与横向车道交叉的纵向车道上的车流量大小;分别计算横向车道和纵向车道上的车辆通过红绿灯路口所需的时间;根据横向车道和纵向车道上的车辆通过红绿灯路口所需的时间,分配横向车道的红绿灯周期和纵向车道上的红绿灯周期;实时监测横向车道和纵向车道的左转车道和直行车道;确定红绿灯周期中优先通行的车道是直行车道还是左转车道,识别优先通行的车道上是否无车辆,若是,则切换通行车道。
Description
技术领域
本申请涉及智能交通领域,尤其涉及一种基于大数据的智能交通实现方法、设备、存储介质。
背景技术
随着社会的发展,如今的道路条件和交通设施有了很大改善。
当今人们的出行方式有私家车、公交车、自行车、步行等方式,为了保证良好交通,交通路口通过设置红绿灯以保证交通正常。现有交通路口的红绿灯周期都是固定时长,当在路口出现交通拥堵时,一般都是通过交警指挥疏散。而没有采集设备采集当前交通情况,进而根据当前交通情况智能地控制红绿灯。
因此,亟需一种能够实际获取交通情况并对交通情况进行分析,进而控制红绿灯,实现疏导交通的方法。
发明内容
本申请提供了一种基于大数据的智能交通实现方法、设备、存储介质,解决了由于红绿灯无法根据实际交通情况自动指挥疏导交通的技术问题。
一种基于大数据的智能交通实现方法,包括:
通过红绿灯路口的视频采集设备采集道路中的车辆图像,根据所述车辆图像识别图像中为车辆前部还是车辆后部,根据识别结果判断车流量方向;
通过安装在道路旁的红外线发射器、红外线接收器实时检测所述车流量方向为靠近红绿灯路口的横向车道和与所述横向车道交叉的纵向车道上的车流量大小;
根据所述车流量大小分别计算所述横向车道和所述纵向车道上的车辆通过所述红绿灯路口所需的时间;
根据所述横向车道和所述纵向车道上的车辆通过所述红绿灯路口所需的时间,分配所述横向车道的红绿灯周期和所述纵向车道上的红绿灯周期;
通过视频采集设备实时监测所述横向车道和所述纵向车道的左转车道和直行车道;
确定所述红绿灯周期中优先通行的车道是直行车道还是左转车道,根据所述视频采集设备实时监测的数据,识别优先通行的车道上是否无车辆,若是,则切换通行车道。
在本申请的一种实施例中,通过视频采集设备实时监测所述横向车道和所述纵向车道的左转车道和直行车道,具体包括:将所述视频采集设备采集的道路图像进行预处理,所述预处理包括对所述道路图像进行降噪、平滑、变换处理;对预处理后的道路图像进行特征提取,根据提取的特征识别所述道路图像中的左转车道和直行车道。
在本申请的一种实施例中,确定所述红绿灯周期中优先通行的车道是直行车道还是左转车道,具体包括:在进入红绿灯周期进入绿灯周期时,通过视频采集设备采集的道路图像标记车辆没有移动的车道;判断所述车辆移动的车道是直行车道还是左转车道;若判断为直行车道,则确定所述优先通行的车道为直行车道;若判断为左转车道,则确定所述优先通行的车道为左转车道。
在本申请的一种实施例中,所述通过安装在道路旁的红外线发射器、红外线接收器实时检测所述车流量方向为靠近红绿灯路口的横向车道和与所述横向车道交叉的纵向车道上的车流量大小后,所述方法还包括:通过安装在道路旁的红外线发射器、红外线接收器实时检测所述车流量方向为靠近红绿灯路口的横向车道的车流量大小是否为0;若是,控制所述纵向车道进入绿灯周期,若否,等待所述横向车道上的绿灯周期结束;通过安装在道路旁的红外线发射器、红外线接收器实时检测所述车流量方向为靠近红绿灯路口的纵向车道的车流量大小是否为0;若是,控制所述横向车道进入绿灯周期,若否,等待所述纵向车道上的绿灯周期结束;若检测所述车流量方向为靠近红绿灯路口的所述横向车道和所述纵向车道的车流量大小都为0,则按照正常周期变换红绿灯。
在本申请的一种实施例中,所述根据所述车流量大小分别计算所述横向车道和所述纵向车道上的车辆通过所述红绿灯路口所需的时间,具体包括:通过视频采集装置确定靠近所述红绿灯路口的第一车辆;分别获取在所述横向车道和所述纵向车道上的第一车辆的车速信息;根据在所述横向车道上的第一车辆的车速信息计算到达所述红绿灯路口的第一预计时刻;根据在所述纵向车道上的第一车辆的车速信息计算到达所述红绿灯路口的第二预计时刻;判断所述第一预计时刻是否早于第二预计时刻,若是,则控制所述横向车道上进入绿灯周期,控制所述纵向车道进入红灯周期;判断所述第一预计时刻是否晚于第二预计时刻,若是,则控制所述横向车道上进入红灯周期,控制所述纵向车道进入绿灯周期。
在本申请的一种实施例中,判断所述第一预计时刻和第二预计时刻的早晚,所述方法还包括:判断所述第一预计时刻是否与第二预计时刻相同,若是,通过车辆传感器获取在所述横向车道和所述纵向车道上的车辆数目;判断在距离所述红绿灯路口的预设范围内所述横向车道上的车辆数目是否大于所述纵向车道上的车辆数目,若是,则控制所述纵向车道进入绿灯周期,控制所述横向车道进入红灯周期;判断在距离所述红绿灯路口的预设范围内所述横向车道上的车辆数目是否小于所述纵向车道上的车辆数目,若是,则控制所述横向车道进入绿灯周期,控制所述纵向车道进入红灯周期;若判断得到距离所述红绿灯路口的预设范围内所述横向车道上的车辆数目与所述纵向车道上的车辆数目相等,则通过所述视频采集设备采集所述横向车道和所述纵向车道上的行人信息;根据所述视频采集设备采集的图像判断所述横向车道和所述纵向车道是否有行人;若是,根据所述图像识别行人数量,根据所述行人数量将行人数量少的车道转换为绿灯周期。
在本申请的一种实施例中,在确定横向车道和与所述横向车道交叉的纵向车道上的车流量大小后,所述方法还包括:确定所述横向车道的车流量大小超过第一预设阈值的第一堵车时间段,确定所述纵向车道的车流量大小超过第二预设阈值的第二堵车时间段;当到达所述第一堵车时间段的起始时刻点时,触发延长所述横向车道绿灯周期指令,控制延长所述横向车道上的所述红绿灯周期中的绿灯周期;当到达所述第二堵车时间段的起始时刻点时,触发延长所述纵向车道绿灯周期指令,控制延长所述纵向车道上的所述红绿灯周期中的绿灯周期。
在本申请的一种实施例中,在判断车流量方向后,所述方法还包括:通过手机和车辆的定位设备获取行人和车辆的位置数据;根据所述位置数据计算所述横向车道或所述纵向车道的交通密度,判断所述交通密度是否超过第三预设阈值,若是,将所述交通密度超过所述第三预设阈值的地点标记为堵车路段;将所述堵车路段的历史交通密度是否超过所述第三预设阈值;若否,判断所述堵车路段发生交通事故;判断所述堵车路段位于所述横向车道还是所述纵向车道,若为所述横向车道,则触发所述横向车道的应急指令,将所述横向车道的红绿灯切换为红灯;若判断所述堵车路段位于所述纵向车道,则触发所述纵向车道的应急指令,将所述纵向车道的红绿灯切换为红灯;当计算所述堵车路段的交通密度小于所述第三预设阈值时,触发退出应急指令,控制所述横向车道或所述纵向车道的红绿灯恢复正常。
一种基于大数据的智能交通实现设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
通过红绿灯路口的视频采集设备采集道路中的车辆图像,根据所述车辆图像识别图像中为车辆前部还是车辆后部,根据识别结果判断车流量方向;
通过安装在道路旁的红外线发射器、红外线接收器实时检测所述车流量方向为靠近红绿灯路口的横向车道和与所述横向车道交叉的纵向车道上的车流量大小;
根据所述车流量大小分别计算所述横向车道和所述纵向车道上的车辆通过所述红绿灯路口所需的时间;
根据所述横向车道和所述纵向车道上的车辆通过所述红绿灯路口所需的时间,分配所述横向车道的红绿灯周期和所述纵向车道上的红绿灯周期;
通过视频采集设备实时监测所述横向车道和所述纵向车道的左转车道和直行车道;
确定所述红绿灯周期中优先通行的车道是直行车道还是左转车道,根据所述视频采集设备实时监测的数据,识别优先通行的车道上是否无车辆,若是,则切换通行车道。
一种非易失性存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:
通过红绿灯路口的视频采集设备采集道路中的车辆图像,根据所述车辆图像识别图像中为车辆前部还是车辆后部,根据识别结果判断车流量方向;
通过安装在道路旁的红外线发射器、红外线接收器实时检测所述车流量方向为靠近红绿灯路口的横向车道和与所述横向车道交叉的纵向车道上的车流量大小;
根据所述车流量大小分别计算所述横向车道和所述纵向车道上的车辆通过所述红绿灯路口所需的时间;
根据所述横向车道和所述纵向车道上的车辆通过所述红绿灯路口所需的时间,分配所述横向车道的红绿灯周期和所述纵向车道上的红绿灯周期;
通过视频采集设备实时监测所述横向车道和所述纵向车道的左转车道和直行车道;
确定所述红绿灯周期中优先通行的车道是直行车道还是左转车道,根据所述视频采集设备实时监测的数据,识别优先通行的车道上是否无车辆,若是,则切换通行车道。
本申请提供了一种基于大数据的智能交通实现方法、设备、存储介质,至少包括以下有益效果:通过获取红绿灯路口的横向车道和纵向车道的车流量大小,计算横向车道上的车辆和纵向车道上的车辆通过该红绿灯路口的时间,从而根据两个车道通过红绿灯路口的时间比例确定红绿灯周期,能够更好的分配时间,减少驾车人的等待时间;通过识别左转车道和直行车道上的车辆数,减少了驾车人多余的等红灯时间,杜绝了固定红绿灯周期的死板,能够灵活地根据各个车道上车辆数量的多少,调整路口的红绿灯周期,减少了车辆通行时间,使通行效率明显提升。并通过计算车道上的交通密度,能够根据堵车情况实时调整红绿等时间,缓解了交通拥堵的状况。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种基于大数据的智能交通实现方法步骤示意图;
图2为本申请实施例提供的一种基于大数据的智能交通实现设备组成示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例对本申请进行清楚、完整的描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动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。
在现有技术中,随着社会的发展,如今的道路条件和交通设施有了很大改善。如今的交通信号灯都是固定红绿灯周期,虽然能够很好的使车辆规则通行,但由于是红绿灯周期固定,无法智能地根据各个车道上车辆数量的多少,智能的调整路口的红绿灯周期,这在一定程度上造成了浪费车辆通行时间的问题。
当今人们的出行方式有私家车、公交车、自行车、步行等方式,为了保证良好交通,交通路口通过设置红绿灯以保证交通正常。现有交通路口的红绿灯周期都是固定时长,当在路口出现交通拥堵时,一般都是通过交警指挥疏散。而没有采集设备采集当前交通情况,进而根据当前交通情况智能地控制红绿灯。
比如在一个红绿灯路口,横向车道上的车辆少,纵向车道上的车辆多,当横向车道上的车都走完之后,横向车道上的一个红绿灯周期还没有结束,这时纵向车道必须要等待横向车道的红绿灯周期走完后再进入绿灯状态,这在一定程度上浪费了驾车人的时间,导致行车效率不高。因此,亟需一种能够实际获取交通情况并对交通情况进行分析,进而控制红绿灯,实现疏导交通的方法。
本申请提供了一种基于大数据的智能交通实现方法、设备、存储介质,通过获取红绿灯路口的横向车道和纵向车道的车流量大小,计算横向车道上的车辆和纵向车道上的车辆通过该红绿灯路口的时间,从而根据两个车道通过红绿灯路口的时间比例确定红绿灯周期,能够更好的分配时间,减少驾车人的等待时间;通过识别左转车道和直行车道上的车辆数,减少了驾车人多余的等红灯时间,杜绝了固定红绿灯周期的死板,能够灵活地根据各个车道上车辆数量的多少,调整路口的红绿灯周期,减少了车辆通行时间,使通行效率明显提升。并通过计算车道上的交通密度,能够根据堵车情况实时调整红绿等时间,缓解了交通拥堵的状况。下面进行具体说明。
图1为本申请实施例提供的一种基于大数据的智能交通实现方法的步骤示意图,可以包括以下步骤:
S101:通过红绿灯路口的视频采集设备采集道路中的车辆图像,根据车辆图像识别图像中为车辆前部还是车辆后部,根据识别结果判断车流量方向。
具体地,一般城市中的道路由两个相反方向的行车道构成,称为双向车道,双向车道中间一般由中央隔离栏将正反方向的车道分隔开。道路与道路交叉的地方,即红绿灯路口会有视频采集设备对交通路口进行监控。
视频采集设备会采集正反两条道路上的车辆图片,行车方向为靠近红绿灯路口的车道可以认为正向车道,与此相对的,行车方向为远离红绿灯路口的车道则可以认为反向车道。视频采集设备拍摄到的图片中,正向车道上的车辆显示的是车辆的前部,反向车道上的车辆显示的是车辆的尾部。
通过视频采集设备将采集到的视频或图像传送到服务器中,服务器能够通过识别图像中车辆前部和车辆尾部判断出该条道路为正向道路还是反向道路,由此,便可以判断出车流量方向是靠近红绿灯路口的方向还是远离红绿灯路口的方向。
在本申请的一种实施例中,在判断车流量方向后,通过手机和车辆的定位设备获取行人和车辆的位置数据;根据位置数据计算横向车道或纵向车道的交通密度,判断交通密度是否超过第三预设阈值,若是,将交通密度超过第三预设阈值的地点标记为堵车路段;将堵车路段的历史交通密度是否超过第三预设阈值;若否,判断堵车路段发生交通事故;判断堵车路段位于横向车道还是纵向车道,若为横向车道,则触发横向车道的应急指令,将横向车道的红绿灯切换为红灯;若判断堵车路段位于纵向车道,则触发纵向车道的应急指令,将纵向车道的红绿灯切换为红灯;当计算堵车路段的交通密度小于第三预设阈值时,触发退出应急指令,控制横向车道或纵向车道的红绿灯恢复正常。
具体地,车辆上一般装有能够定位的车载定位装置,通过获得车辆的定位可以得知在一个车道单位长度内某一瞬时存在的车辆数目,即交通密度,以辆每千米表示。由于每条道路的宽度不同,所以面积不同,由此每条道路的最大交通密度也不相同,所以在堵车状态下,判断为堵车状态时的交通密度也不同。可以根据每条道路的实际情况设定交通密度的第三预设阈值,也可以通过人工智能技术对交通流进行特征提取和状态的划分,建立交通流的判别准则,由此智能地判断交通拥堵的程度,从而确定第三预设阈值。
当确定一段路段的交通密度大于第三预设阈值时,在交通系统中标记该段路段为堵车路段,堵车一般分两种情况,一种是由于车辆数目多而导致的堵车,一种是由于发生交通事故而造成的堵车。若是由于车辆数目多造成的堵车,则不做处理,正常红绿灯变换通行即可;若是由于发生交通事故造成堵车,为了避免影响交通事故的处理,一般会暂时对该道路进行封锁,这时就需要使该条道路上的交通灯转变为红灯,禁止车辆通行。
当发现堵车路段时,为了验证该路段是经常堵车还是偶尔堵车,可以查询该路段与当前堵车状态的相同时间段内的历史交通密度,比如在学校附近的上学点和放学点这两个时间段比较堵车,那么在工作日一般都会出现堵车情况,历史交通记录中也会对该路段的交通密度进行记录。也就是说,如果当前道路发生堵车,那么大概率表示当前道路并未发生交通事故,只是正常堵车。
如果并未发现历史交通密度出现过堵车状态,那么为该路段为发生交通事故的概率大,则通知工作人员确认该路段的交通状况,当工作人员确认后,确认出现交通事故的路段属于横向车道还是纵向车道,确定完成后触发该条道路的应急指令,开启红灯,禁止车辆通行。
当交通事故处理完成后,该条道路上的车辆会疏散,这时交通密度会低于第三预设阈值,当交通密度会低于第三预设阈值时,关闭应急指令,使红绿灯退出应急状态,恢复正常红绿灯周期。
S102:通过安装在道路旁的红外线发射器、红外线接收器实时检测车流量方向为靠近红绿灯路口的横向车道和与横向车道交叉的纵向车道上的车流量大小。
具体地,远离红绿灯路口的车辆不依靠该路口的红绿灯通行,所以只需对靠近该红绿灯路口的车辆执行红绿灯变换。通过安装在道路旁的红外线发射器、红外线接收器可以实时检测车道上的车流量,红外线被遮挡一次,默认通过一辆车。
在本申请的一种实施例中,通过安装在道路旁的红外线发射器、红外线接收器实时检测车流量方向为靠近红绿灯路口的横向车道和与横向车道交叉的纵向车道上的车流量大小后,通过安装在道路旁的红外线发射器、红外线接收器实时检测车流量方向为靠近红绿灯路口的横向车道的车流量大小是否为0;若是,控制纵向车道进入绿灯周期,若否,等待横向车道上的绿灯周期结束;通过安装在道路旁的红外线发射器、红外线接收器实时检测车流量方向为靠近红绿灯路口的纵向车道的车流量大小是否为0;若是,控制横向车道进入绿灯周期,若否,等待纵向车道上的绿灯周期结束;若检测车流量方向为靠近红绿灯路口的横向车道和纵向车道的车流量大小都为0,则按照正常周期变换红绿灯。
具体地,当检测到横向车道上的车流量大小为0,也就是横向车道上没有车辆后,那么横向车道就无需指挥交通,这时,如果纵向车道有车辆的话,只需将与横向车道交叉的纵向车道上的绿灯开启,控制纵向车道的车辆通行即可;同样的,如果检测到纵向车道上的车流量大小为0,也就是纵向车道上没有车辆后,那么纵向车道就无需指挥交通,这时,如果横向车道有车辆的话,只需将横向车道上的绿灯开启,控制横向车道的车辆通行即可。
如果横向车道和纵向车道都有车辆或者都没有车辆,那么按照正常周期变换红绿灯即可。
在本申请的一种实施例中,在确定横向车道和与横向车道交叉的纵向车道上的车流量大小后,确定横向车道的车流量大小超过第一预设阈值的第一堵车时间段,确定纵向车道的车流量大小超过第二预设阈值的第二堵车时间段;当到达第一堵车时间段的起始时刻点时,触发延长横向车道绿灯周期指令,控制延长横向车道上的红绿灯周期中的绿灯周期;当到达第二堵车时间段的起始时刻点时,触发延长纵向车道绿灯周期指令,控制延长纵向车道上的红绿灯周期中的绿灯周期。
具体地,一条道路上一般有学校、医院、游乐场、歌厅、商场等地点,比如一条横向车道上有学校,那么一般在早7-8点或晚17-18点该横向车道的车流量会增大,于是为了缓解该条道路在这个时间段的交通,可以控制延长在该时间段的绿灯时长;如果与该横向车道交叉的纵向车道上有体育场,体育场在晚19-21点的人群较多,那么当到达该19点时,控制延长该纵向车道上的绿灯时长。
S103:根据车流量大小分别计算横向车道和纵向车道上的车辆通过红绿灯路口所需的时间。
在本申请的一种实施例中,通过视频采集装置确定靠近红绿灯路口的第一车辆;分别获取在横向车道和纵向车道上的第一车辆的车速信息;根据在横向车道上的第一车辆的车速信息计算到达红绿灯路口的第一预计时刻;根据在纵向车道上的第一车辆的车速信息计算到达红绿灯路口的第二预计时刻;判断第一预计时刻是否早于第二预计时刻,若是,则控制横向车道上进入绿灯周期,控制纵向车道进入红灯周期;判断第一预计时刻是否晚于第二预计时刻,若是,则控制横向车道上进入红灯周期,控制纵向车道进入绿灯周期。
具体地,通过车辆上的传感器获得车速信息,在通过视频采集装置可以拍摄到靠近红绿灯路口的第一辆车,作为第一车辆,获取第一车辆的车速信息,根据车速信息计算第一车辆到达红绿灯路口的时间,比较横向车道上的第一车辆和纵向车道上的第一车辆到达该红绿灯路口的时间,如果横向车道上的时间少于纵向车道上的时间,为了减少等车时间,优先让早到红绿灯路口的车辆所在的车道通行,而与该条车道交叉的车道则进入红灯周期。
在本申请的一种实施例中,判断第一预计时刻和第二预计时刻的早晚,判断第一预计时刻是否与第二预计时刻相同,若是,通过车辆传感器获取在横向车道和纵向车道上的车辆数目;判断在距离红绿灯路口的预设范围内横向车道上的车辆数目是否大于纵向车道上的车辆数目,若是,则控制纵向车道进入绿灯周期,控制横向车道进入红灯周期;判断在距离红绿灯路口的预设范围内横向车道上的车辆数目是否小于纵向车道上的车辆数目,若是,则控制横向车道进入绿灯周期,控制纵向车道进入红灯周期。若判断得到距离红绿灯路口的预设范围内横向车道上的车辆数目与纵向车道上的车辆数目相等,则通过视频采集设备采集横向车道和纵向车道上的行人信息;根据视频采集设备采集的图像判断横向车道和纵向车道是否有行人;若是,根据图像识别行人数量,根据行人数量将行人数量少的车道转换为绿灯周期。
具体地,如果两个交叉车道上的第一车辆到达红绿灯路口的预计时间相同,那么便根据两条道路上的车辆数目来决定哪条道路优先进入绿灯周期,如果优先进入绿灯周期的车道中车辆已经为0,但是绿灯周期还未走完,这时便直接将该绿灯周期关闭,切换与该优先进入绿灯周期的车道交叉的车道进入绿灯周期,以节省驾车人的等待时间。
S104:根据横向车道和纵向车道上的车辆通过红绿灯路口所需的时间,分配横向车道的红绿灯周期和纵向车道上的红绿灯周期。
具体地,确定横向车道中的车辆数目和纵向车道中的车辆数目,计算两条车道中的所有车辆经过该红绿灯路口的时间,假设横向车道中的车辆和纵向车道中的车辆经过该红绿灯路口的时间比是3:2,那么根据该比值确定横向车道和纵向车道的红绿灯周期比也是3:2。
S105:通过视频采集设备实时监测横向车道和纵向车道的左转车道和直行车道。
在本申请的一种实施例中,将视频采集设备采集的道路图像进行预处理,预处理包括对道路图像进行降噪、平滑、变换处理;对预处理后的道路图像进行特征提取,根据提取的特征识别道路图像中的左转车道和直行车道。
具体地,在一个红绿灯路口,若直行车道优先通行,但是当直行车道上的车辆走完后,直行车道的绿灯周期还没有结束,这时左转车道上的司机还要再等直行车道的绿灯周期走完后才能启动。这无疑浪费了驾车人的时间。所以,通过视频采集设备采集道路图像,将图像上传到服务器后,通过图像识别技术识别出出直行车道和左转车道上的车辆,从而根据两个车道上的车辆数调整红绿灯。
但是在雨雪天气、雾天等采集图像时,往往采集到的图像比较模糊,所以在采集到图像后,通过将图像上传的到服务器进行对图像进行降噪、平滑、变换处理的预处理,然后将预处理后的图像经过特征提取后进行分类识别出左转车道和直行车道。
信息的获取是指通过传感器,将光、声音、图像等信息转化为电信息。也就是获取研究对象的基本信息并通过某种方法将其转变为机器能够认识的信息。
图像识别技术的过程分以下几步:信息的获取、预处理、特征抽取和选择、分类器设计和分类决策。
预处理主要是指图像处理中的去噪、平滑、变换等的操作,从而加强图像的重要特征。
特征抽取和选择是指在模式识别中,需要进行特征的抽取和选择。简单的理解就是我们所研究的图像是各式各样的,如果要利用某种方法将它们区分开,就要通过这些图像所具有的本身特征来识别,而获取这些特征的过程就是特征抽取。在特征抽取中所得到的特征也许对此次识别并不都是有用的,这个时候就要提取有用的特征,这就是特征的选择。
分类器设计是指通过训练而得到一种识别规则,通过此识别规则可以得到一种特征分类,使图像识别技术能够得到高识别率。分类决策是指在特征空间中对被识别对象进行分类,从而更好地识别所研究的对象具体属于哪一类。
S106:确定红绿灯周期中优先通行的车道是直行车道还是左转车道,根据视频采集设备实时监测的数据,识别优先通行的车道上是否无车辆,若是,则切换通行车道。
在本申请的一种实施例中,在进入红绿灯周期进入绿灯周期时,通过视频采集设备采集的道路图像标记车辆没有移动的车道;判断车辆移动的车道是直行车道还是左转车道;若判断为直行车道,则确定优先通行的车道为直行车道;若判断为左转车道,则确定优先通行的车道为左转车道。
具体地,当红绿灯进入红绿灯周期中的第一个绿灯周期时,对应的车道上的车辆会优先通行,这时根据哪条车道的车辆优先移动,哪条车道的车辆不移动即可判断出优先进入红绿灯周期中的绿灯周期的是哪个车道。
在本申请的一种实施例中,服务器获取用户在不同时刻的位置数据,将位置数据在搭建的城市地图上对应标记;获取城市中用户的出行信息,根据出行信息对用户贴上对应的用户标签;用户标签包括家庭住址、公司地址、偏好交通工具;获取用户出行时选择的交通工具信息;根据交通工具信息确定用户使用最多的交通工具,对用户贴上偏好交通工具的标签;根据家庭住址、公司地址、偏好交通工具的标签,获得在一个区域内使用人数由多到少的交通工具的排名;根据交通工具的排名在对应区域进行显示。
用户标签包括行程起点、行程终点、偏好交通工具;根据筛选条件过滤出一个区域内用户标签为公交车、自行车的用户数量;根据筛选条件过滤出一个区域内用户年龄在筛选范围内的用户;根据用户标签为公交车、自行车的用户和用户年龄在筛选范围内的用户计算在一个地点应投放的共享单车数量。
以上为本申请实施例提供的一种基于大数据的智能交通实现方法,基于同样的发明思路,本申请实施例还提供了相应的一种基于大数据的智能交通实现设备,如图2所示。
本实施例提供了一种基于大数据的智能交通实现设备,包括:
至少一个处理器;以及,
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:
通过红绿灯路口的视频采集设备采集道路中的车辆图像,根据所述车辆图像识别图像中为车辆前部还是车辆后部,根据识别结果判断车流量方向;
通过安装在道路旁的红外线发射器、红外线接收器实时检测所述车流量方向为靠近红绿灯路口的横向车道和与所述横向车道交叉的纵向车道上的车流量大小;
根据所述车流量大小分别计算所述横向车道和所述纵向车道上的车辆通过所述红绿灯路口所需的时间;
根据所述横向车道和所述纵向车道上的车辆通过所述红绿灯路口所需的时间,分配所述横向车道的红绿灯周期和所述纵向车道上的红绿灯周期;
通过视频采集设备实时监测所述横向车道和所述纵向车道的左转车道和直行车道;
确定所述红绿灯周期中优先通行的车道是直行车道还是左转车道,根据所述视频采集设备实时监测的数据,识别优先通行的车道上是否无车辆,若是,则切换通行车道。
基于同样的思路,本申请的一些实施例还提供了上述方法对应的介质。
本申请的一些实施例提供的一种基于大数据的智能交通实现存储介质,存储有计算机可执行指令,计算机可执行指令设置为:
通过红绿灯路口的视频采集设备采集道路中的车辆图像,根据所述车辆图像识别图像中为车辆前部还是车辆后部,根据识别结果判断车流量方向;
通过安装在道路旁的红外线发射器、红外线接收器实时检测所述车流量方向为靠近红绿灯路口的横向车道和与所述横向车道交叉的纵向车道上的车流量大小;
根据所述车流量大小分别计算所述横向车道和所述纵向车道上的车辆通过所述红绿灯路口所需的时间;
根据所述横向车道和所述纵向车道上的车辆通过所述红绿灯路口所需的时间,分配所述横向车道的红绿灯周期和所述纵向车道上的红绿灯周期;
通过视频采集设备实时监测所述横向车道和所述纵向车道的左转车道和直行车道;
确定所述红绿灯周期中优先通行的车道是直行车道还是左转车道,根据所述视频采集设备实时监测的数据,识别优先通行的车道上是否无车辆,若是,则切换通行车道。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于方法和介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例提供的方法和介质与方法是一一对应的,因此,方法和介质也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述方法和介质的有益技术效果。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程方法商品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程方法商品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程方法商品或者方法中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。
Claims (6)
1.一种基于大数据的智能交通实现方法,其特征在于,包括:
通过红绿灯路口的视频采集设备采集道路中的车辆图像,根据所述车辆图像识别图像中为车辆前部还是车辆后部,根据识别结果判断车流量方向;
通过安装在道路旁的红外线发射器、红外线接收器实时检测所述车流量方向为靠近红绿灯路口的横向车道和与所述横向车道交叉的纵向车道上的车流量大小;
根据所述车流量大小分别计算所述横向车道和所述纵向车道上的车辆通过所述红绿灯路口所需的时间;
根据所述横向车道和所述纵向车道上的车辆通过所述红绿灯路口所需的时间,分配所述横向车道的红绿灯周期和所述纵向车道上的红绿灯周期;
通过视频采集设备实时监测所述横向车道和所述纵向车道的左转车道和直行车道;
确定所述红绿灯周期中优先通行的车道是直行车道还是左转车道,根据所述视频采集设备实时监测的数据,识别优先通行的车道上是否无车辆,若是,则切换通行车道;
所述根据所述车流量大小分别计算所述横向车道和所述纵向车道上的车辆通过所述红绿灯路口所需的时间,具体包括:
通过视频采集装置确定靠近所述红绿灯路口的第一车辆;
分别获取在所述横向车道和所述纵向车道上的第一车辆的车速信息;
根据在所述横向车道上的第一车辆的车速信息计算到达所述红绿灯路口的第一预计时刻;
根据在所述纵向车道上的第一车辆的车速信息计算到达所述红绿灯路口的第二预计时刻;
判断所述第一预计时刻是否早于第二预计时刻,若是,则控制所述横向车道上进入绿灯周期,控制所述纵向车道进入红灯周期;
判断所述第一预计时刻是否晚于第二预计时刻,若是,则控制所述横向车道上进入红灯周期,控制所述纵向车道进入绿灯周期;
在判断所述第一预计时刻和第二预计时刻的早晚后,所述方法还包括:
判断所述第一预计时刻是否与第二预计时刻相同,若是,通过车辆传感器获取在所述横向车道和所述纵向车道上的车辆数目;
判断在距离所述红绿灯路口的预设范围内所述横向车道上的车辆数目是否大于所述纵向车道上的车辆数目,若是,则控制所述纵向车道进入绿灯周期,控制所述横向车道进入红灯周期;
判断在距离所述红绿灯路口的预设范围内所述横向车道上的车辆数目是否小于所述纵向车道上的车辆数目,若是,则控制所述横向车道进入绿灯周期,控制所述纵向车道进入红灯周期;
若判断得到距离所述红绿灯路口的预设范围内所述横向车道上的车辆数目与所述纵向车道上的车辆数目相等,则通过所述视频采集设备采集所述横向车道和所述纵向车道上的行人信息;
根据所述视频采集设备采集的图像判断所述横向车道和所述纵向车道是否有行人;
若是,根据所述图像识别行人数量,根据所述行人数量将行人数量少的车道转换为绿灯周期;
所述方法还包括:
通过手机和车辆的定位设备获取行人和车辆的位置数据;
根据所述位置数据计算所述横向车道或所述纵向车道的交通密度,判断所述交通密度是否超过第三预设阈值,若是,将所述交通密度超过所述第三预设阈值的地点标记为堵车路段;
将所述堵车路段的历史交通密度是否超过所述第三预设阈值;
若否,判断所述堵车路段发生交通事故;
判断所述堵车路段位于所述横向车道还是所述纵向车道,若为所述横向车道,则触发所述横向车道的应急指令,将所述横向车道的红绿灯切换为红灯;
若判断所述堵车路段位于所述纵向车道,则触发所述纵向车道的应急指令,将所述纵向车道的红绿灯切换为红灯;
当计算所述堵车路段的交通密度小于所述第三预设阈值时,触发退出应急指令,控制所述横向车道或所述纵向车道的红绿灯恢复正常;
在确定横向车道和与所述横向车道交叉的纵向车道上的车流量大小后,所述方法还包括:
确定所述横向车道的车流量大小超过第一预设阈值的第一堵车时间段,确定所述纵向车道的车流量大小超过第二预设阈值的第二堵车时间段;
当到达所述第一堵车时间段的起始时刻点时,触发延长所述横向车道绿灯周期指令,控制延长所述横向车道上的所述红绿灯周期中的绿灯周期;
当到达所述第二堵车时间段的起始时刻点时,触发延长所述纵向车道绿灯周期指令,控制延长所述纵向车道上的所述红绿灯周期中的绿灯周期。
2.根据权利要求1所述的方法,其特征在于,通过视频采集设备实时监测所述横向车道和所述纵向车道的左转车道和直行车道,具体包括:
将所述视频采集设备采集的道路图像进行预处理,所述预处理包括对所述道路图像进行降噪、平滑、变换处理;
对预处理后的道路图像进行特征提取,根据提取的特征识别所述道路图像中的左转车道和直行车道。
3.根据权利要求1所述的方法,其特征在于,确定所述红绿灯周期中优先通行的车道是直行车道还是左转车道,具体包括:
在进入红绿灯周期进入绿灯周期时,通过视频采集设备采集的道路图像标记车辆没有移动的车道;
判断所述车辆移动的车道是直行车道还是左转车道;
若判断为直行车道,则确定所述优先通行的车道为直行车道;
若判断为左转车道,则确定所述优先通行的车道为左转车道。
4.根据权利要求1所述的方法,其特征在于,所述通过安装在道路旁的红外线发射器、红外线接收器实时检测所述车流量方向为靠近红绿灯路口的横向车道和与所述横向车道交叉的纵向车道上的车流量大小后,所述方法还包括:
通过安装在道路旁的红外线发射器、红外线接收器实时检测所述车流量方向为靠近红绿灯路口的横向车道的车流量大小是否为0;
若是,控制所述纵向车道进入绿灯周期,若否,等待所述横向车道上的绿灯周期结束;
通过安装在道路旁的红外线发射器、红外线接收器实时检测所述车流量方向为靠近红绿灯路口的纵向车道的车流量大小是否为0;
若是,控制所述横向车道进入绿灯周期,若否,等待所述纵向车道上的绿灯周期结束;
若检测所述车流量方向为靠近红绿灯路口的所述横向车道和所述纵向车道的车流量大小都为0,则按照正常周期变换红绿灯。
5.一种基于大数据的智能交通实现设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
通过红绿灯路口的视频采集设备采集道路中的车辆图像,根据所述车辆图像识别图像中为车辆前部还是车辆后部,根据识别结果判断车流量方向;
通过安装在道路旁的红外线发射器、红外线接收器实时检测所述车流量方向为靠近红绿灯路口的横向车道和与所述横向车道交叉的纵向车道上的车流量大小;
根据所述车流量大小分别计算所述横向车道和所述纵向车道上的车辆通过所述红绿灯路口所需的时间;
根据所述横向车道和所述纵向车道上的车辆通过所述红绿灯路口所需的时间,分配所述横向车道的红绿灯周期和所述纵向车道上的红绿灯周期;
通过视频采集设备实时监测所述横向车道和所述纵向车道的左转车道和直行车道;
确定所述红绿灯周期中优先通行的车道是直行车道还是左转车道,根据所述视频采集设备实时监测的数据,识别优先通行的车道上是否无车辆,若是,则切换通行车道;
所述根据所述车流量大小分别计算所述横向车道和所述纵向车道上的车辆通过所述红绿灯路口所需的时间,具体包括:
通过视频采集装置确定靠近所述红绿灯路口的第一车辆;
分别获取在所述横向车道和所述纵向车道上的第一车辆的车速信息;
根据在所述横向车道上的第一车辆的车速信息计算到达所述红绿灯路口的第一预计时刻;
根据在所述纵向车道上的第一车辆的车速信息计算到达所述红绿灯路口的第二预计时刻;
判断所述第一预计时刻是否早于第二预计时刻,若是,则控制所述横向车道上进入绿灯周期,控制所述纵向车道进入红灯周期;
判断所述第一预计时刻是否晚于第二预计时刻,若是,则控制所述横向车道上进入红灯周期,控制所述纵向车道进入绿灯周期;
在判断所述第一预计时刻和第二预计时刻的早晚后,还包括:
判断所述第一预计时刻是否与第二预计时刻相同,若是,通过车辆传感器获取在所述横向车道和所述纵向车道上的车辆数目;
判断在距离所述红绿灯路口的预设范围内所述横向车道上的车辆数目是否大于所述纵向车道上的车辆数目,若是,则控制所述纵向车道进入绿灯周期,控制所述横向车道进入红灯周期;
判断在距离所述红绿灯路口的预设范围内所述横向车道上的车辆数目是否小于所述纵向车道上的车辆数目,若是,则控制所述横向车道进入绿灯周期,控制所述纵向车道进入红灯周期;
若判断得到距离所述红绿灯路口的预设范围内所述横向车道上的车辆数目与所述纵向车道上的车辆数目相等,则通过所述视频采集设备采集所述横向车道和所述纵向车道上的行人信息;
根据所述视频采集设备采集的图像判断所述横向车道和所述纵向车道是否有行人;
若是,根据所述图像识别行人数量,根据所述行人数量将行人数量少的车道转换为绿灯周期;
还包括:
通过手机和车辆的定位设备获取行人和车辆的位置数据;
根据所述位置数据计算所述横向车道或所述纵向车道的交通密度,判断所述交通密度是否超过第三预设阈值,若是,将所述交通密度超过所述第三预设阈值的地点标记为堵车路段;
将所述堵车路段的历史交通密度是否超过所述第三预设阈值;
若否,判断所述堵车路段发生交通事故;
判断所述堵车路段位于所述横向车道还是所述纵向车道,若为所述横向车道,则触发所述横向车道的应急指令,将所述横向车道的红绿灯切换为红灯;
若判断所述堵车路段位于所述纵向车道,则触发所述纵向车道的应急指令,将所述纵向车道的红绿灯切换为红灯;
当计算所述堵车路段的交通密度小于所述第三预设阈值时,触发退出应急指令,控制所述横向车道或所述纵向车道的红绿灯恢复正常;
在确定横向车道和与所述横向车道交叉的纵向车道上的车流量大小后,还包括:
确定所述横向车道的车流量大小超过第一预设阈值的第一堵车时间段,确定所述纵向车道的车流量大小超过第二预设阈值的第二堵车时间段;
当到达所述第一堵车时间段的起始时刻点时,触发延长所述横向车道绿灯周期指令,控制延长所述横向车道上的所述红绿灯周期中的绿灯周期;
当到达所述第二堵车时间段的起始时刻点时,触发延长所述纵向车道绿灯周期指令,控制延长所述纵向车道上的所述红绿灯周期中的绿灯周期。
6.一种非易失性存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:
通过红绿灯路口的视频采集设备采集道路中的车辆图像,根据所述车辆图像识别图像中为车辆前部还是车辆后部,根据识别结果判断车流量方向;
通过安装在道路旁的红外线发射器、红外线接收器实时检测所述车流量方向为靠近红绿灯路口的横向车道和与所述横向车道交叉的纵向车道上的车流量大小;
根据所述车流量大小分别计算所述横向车道和所述纵向车道上的车辆通过所述红绿灯路口所需的时间;
根据所述横向车道和所述纵向车道上的车辆通过所述红绿灯路口所需的时间,分配所述横向车道的红绿灯周期和所述纵向车道上的红绿灯周期;
通过视频采集设备实时监测所述横向车道和所述纵向车道的左转车道和直行车道;
确定所述红绿灯周期中优先通行的车道是直行车道还是左转车道,根据所述视频采集设备实时监测的数据,识别优先通行的车道上是否无车辆,若是,则切换通行车道;
所述根据所述车流量大小分别计算所述横向车道和所述纵向车道上的车辆通过所述红绿灯路口所需的时间,具体包括:
通过视频采集装置确定靠近所述红绿灯路口的第一车辆;
分别获取在所述横向车道和所述纵向车道上的第一车辆的车速信息;
根据在所述横向车道上的第一车辆的车速信息计算到达所述红绿灯路口的第一预计时刻;
根据在所述纵向车道上的第一车辆的车速信息计算到达所述红绿灯路口的第二预计时刻;
判断所述第一预计时刻是否早于第二预计时刻,若是,则控制所述横向车道上进入绿灯周期,控制所述纵向车道进入红灯周期;
判断所述第一预计时刻是否晚于第二预计时刻,若是,则控制所述横向车道上进入红灯周期,控制所述纵向车道进入绿灯周期;
在判断所述第一预计时刻和第二预计时刻的早晚后,还包括:
判断所述第一预计时刻是否与第二预计时刻相同,若是,通过车辆传感器获取在所述横向车道和所述纵向车道上的车辆数目;
判断在距离所述红绿灯路口的预设范围内所述横向车道上的车辆数目是否大于所述纵向车道上的车辆数目,若是,则控制所述纵向车道进入绿灯周期,控制所述横向车道进入红灯周期;
判断在距离所述红绿灯路口的预设范围内所述横向车道上的车辆数目是否小于所述纵向车道上的车辆数目,若是,则控制所述横向车道进入绿灯周期,控制所述纵向车道进入红灯周期;
若判断得到距离所述红绿灯路口的预设范围内所述横向车道上的车辆数目与所述纵向车道上的车辆数目相等,则通过所述视频采集设备采集所述横向车道和所述纵向车道上的行人信息;
根据所述视频采集设备采集的图像判断所述横向车道和所述纵向车道是否有行人;
若是,根据所述图像识别行人数量,根据所述行人数量将行人数量少的车道转换为绿灯周期;
还包括:
通过手机和车辆的定位设备获取行人和车辆的位置数据;
根据所述位置数据计算所述横向车道或所述纵向车道的交通密度,判断所述交通密度是否超过第三预设阈值,若是,将所述交通密度超过所述第三预设阈值的地点标记为堵车路段;
将所述堵车路段的历史交通密度是否超过所述第三预设阈值;
若否,判断所述堵车路段发生交通事故;
判断所述堵车路段位于所述横向车道还是所述纵向车道,若为所述横向车道,则触发所述横向车道的应急指令,将所述横向车道的红绿灯切换为红灯;
若判断所述堵车路段位于所述纵向车道,则触发所述纵向车道的应急指令,将所述纵向车道的红绿灯切换为红灯;
当计算所述堵车路段的交通密度小于所述第三预设阈值时,触发退出应急指令,控制所述横向车道或所述纵向车道的红绿灯恢复正常;
在确定横向车道和与所述横向车道交叉的纵向车道上的车流量大小后,还包括:
确定所述横向车道的车流量大小超过第一预设阈值的第一堵车时间段,确定所述纵向车道的车流量大小超过第二预设阈值的第二堵车时间段;
当到达所述第一堵车时间段的起始时刻点时,触发延长所述横向车道绿灯周期指令,控制延长所述横向车道上的所述红绿灯周期中的绿灯周期;
当到达所述第二堵车时间段的起始时刻点时,触发延长所述纵向车道绿灯周期指令,控制延长所述纵向车道上的所述红绿灯周期中的绿灯周期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111628381.4A CN114419906B (zh) | 2021-12-28 | 2021-12-28 | 一种基于大数据的智能交通实现方法、设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111628381.4A CN114419906B (zh) | 2021-12-28 | 2021-12-28 | 一种基于大数据的智能交通实现方法、设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114419906A CN114419906A (zh) | 2022-04-29 |
CN114419906B true CN114419906B (zh) | 2023-08-15 |
Family
ID=81269487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111628381.4A Active CN114419906B (zh) | 2021-12-28 | 2021-12-28 | 一种基于大数据的智能交通实现方法、设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114419906B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114898561B (zh) * | 2022-05-31 | 2023-07-25 | 安徽文康科技有限公司 | 基于微波雷达的城市道路红绿灯调节系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BRMU8702229U (pt) * | 2007-01-31 | 2008-09-16 | Jose Rinaldo Maniezo | semáforo com focos de sinais integrados |
CN101572003A (zh) * | 2008-04-30 | 2009-11-04 | 奥城同立科技开发(北京)有限公司 | 过街横道的红绿灯控制方法 |
CN101707001A (zh) * | 2009-11-19 | 2010-05-12 | 西安信唯信息科技有限公司 | 交通信号灯时间自动切换方法 |
CN103680160A (zh) * | 2013-12-24 | 2014-03-26 | 苏州市海神达机械科技有限公司 | 智能红绿灯控制装置及其控制方法 |
CN103956060A (zh) * | 2014-05-05 | 2014-07-30 | 姜廷顺 | 一种能减少绿灯损失时间的路口控制机及控制方法 |
CN105427634A (zh) * | 2015-12-31 | 2016-03-23 | 上海博泰悦臻网络技术服务有限公司 | 交通灯控制方法及装置 |
CN107945541A (zh) * | 2017-11-10 | 2018-04-20 | 西安艾润物联网技术服务有限责任公司 | 红绿灯调控方法、系统以及计算机可读存储介质 |
CN108242160A (zh) * | 2016-12-26 | 2018-07-03 | 哈尔滨平龙科技有限公司 | 城市道路十字路口车辆通行的改进红绿灯控制技术 |
CN111210639A (zh) * | 2020-01-16 | 2020-05-29 | 徐峰 | 一种基于大数据的交通信号灯管理方法及管理系统 |
CN113781808A (zh) * | 2021-08-30 | 2021-12-10 | 东风汽车集团股份有限公司 | 网联式自动驾驶车辆在红绿灯路口的通行方法及系统 |
-
2021
- 2021-12-28 CN CN202111628381.4A patent/CN114419906B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
BRMU8702229U (pt) * | 2007-01-31 | 2008-09-16 | Jose Rinaldo Maniezo | semáforo com focos de sinais integrados |
CN101572003A (zh) * | 2008-04-30 | 2009-11-04 | 奥城同立科技开发(北京)有限公司 | 过街横道的红绿灯控制方法 |
CN101707001A (zh) * | 2009-11-19 | 2010-05-12 | 西安信唯信息科技有限公司 | 交通信号灯时间自动切换方法 |
CN103680160A (zh) * | 2013-12-24 | 2014-03-26 | 苏州市海神达机械科技有限公司 | 智能红绿灯控制装置及其控制方法 |
CN103956060A (zh) * | 2014-05-05 | 2014-07-30 | 姜廷顺 | 一种能减少绿灯损失时间的路口控制机及控制方法 |
CN105427634A (zh) * | 2015-12-31 | 2016-03-23 | 上海博泰悦臻网络技术服务有限公司 | 交通灯控制方法及装置 |
CN108242160A (zh) * | 2016-12-26 | 2018-07-03 | 哈尔滨平龙科技有限公司 | 城市道路十字路口车辆通行的改进红绿灯控制技术 |
CN107945541A (zh) * | 2017-11-10 | 2018-04-20 | 西安艾润物联网技术服务有限责任公司 | 红绿灯调控方法、系统以及计算机可读存储介质 |
CN111210639A (zh) * | 2020-01-16 | 2020-05-29 | 徐峰 | 一种基于大数据的交通信号灯管理方法及管理系统 |
CN113781808A (zh) * | 2021-08-30 | 2021-12-10 | 东风汽车集团股份有限公司 | 网联式自动驾驶车辆在红绿灯路口的通行方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114419906A (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10296794B2 (en) | On-demand artificial intelligence and roadway stewardship system | |
AU2019235551B2 (en) | On-demand artificial intelligence and roadway stewardship system | |
CN109334566B (zh) | 用于提供车外反馈的方法、装置、设备和存储介质 | |
CN109033951B (zh) | 用于基于图形处理来检测遮挡对象的系统及方法 | |
WO2019165737A1 (zh) | 一种车辆安全通行系统及方法 | |
DE10050741B4 (de) | Fahrzeugbeleuchtungsvorrichtung | |
KR101696881B1 (ko) | 교통 정보 분석 방법 및 장치 | |
CN108198441B (zh) | 一种快速智能交通系统及方法 | |
US20130266185A1 (en) | Video-based system and method for detecting exclusion zone infractions | |
US8908029B2 (en) | Classification of the vehicle environment | |
CN109326124A (zh) | 一种基于机器视觉的城市环境停放车辆行为识别系统 | |
DE102014201159A1 (de) | Verfahren und Vorrichtung zum Klassifizieren eines Verhaltens eines Fußgängers beim Überqueren einer Fahrbahn eines Fahrzeugs sowie Personenschutzsystem eines Fahrzeugs | |
WO2016203422A1 (en) | System and method for recognition of parking stalls available for a vehicle | |
CN104875681A (zh) | 一种基于应用场景进行车载摄像头动态控制的方法 | |
JP7028066B2 (ja) | 検知装置及び検知システム | |
CN202472943U (zh) | 一种基于高清视频技术的车辆违章检测系统 | |
CN111292353B (zh) | 一种停车状态变化识别方法 | |
KR102355431B1 (ko) | Ai 기반 돌발상황 검지 방법 및 그 시스템 | |
CN112141114B (zh) | 窄道通行辅助系统及方法 | |
CN106203272A (zh) | 确定可移动对象的移动的方法和装置 | |
US20180300654A1 (en) | Revenue generating intelligent system | |
CN114419906B (zh) | 一种基于大数据的智能交通实现方法、设备、存储介质 | |
CN111028538A (zh) | 智能停车系统和方法 | |
CN108510754A (zh) | 违规驾驶行为警示装置与方法 | |
US20220156504A1 (en) | Audio/video capturing device, vehicle mounted device, control centre system, computer program and method |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 250101 19th floor, building S02, Inspur Science Park, No. 1036, Inspur Road, high tech Zone, Jinan, Shandong Province Applicant after: Inspur industrial Internet Co.,Ltd. Address before: 250101 19th floor, building S02, Inspur Science Park, No. 1036, Inspur Road, high tech Zone, Jinan, Shandong Province Applicant before: Shandong Inspur industrial Internet Industry Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |