CN114758495B - 交通信号灯调整方法、装置及电子设备 - Google Patents
交通信号灯调整方法、装置及电子设备 Download PDFInfo
- Publication number
- CN114758495B CN114758495B CN202210320789.3A CN202210320789A CN114758495B CN 114758495 B CN114758495 B CN 114758495B CN 202210320789 A CN202210320789 A CN 202210320789A CN 114758495 B CN114758495 B CN 114758495B
- Authority
- CN
- China
- Prior art keywords
- traffic
- target
- signal lamp
- prediction result
- traffic signal
- 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
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000010586 diagram Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 238000007405 data analysis Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 229910044991 metal oxide Inorganic materials 0.000 description 2
- 150000004706 metal oxides Chemical class 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010021033 Hypomenorrhoea Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/07—Controlling traffic signals
- G08G1/085—Controlling traffic signals using a free-running cyclic timer
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/095—Traffic lights
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了交通信号灯调整方法、装置及电子设备，涉及数据处理领域，尤其涉及地图技术领域。具体实现方案为：获取目标交通信号灯；根据目标交通信号灯，确定目标路段；预测目标交通信号灯当前模式下的通行量，得到通行量预测结果；预测目标路段在预定时间范围内的车流量，得到车流量预测结果；根据通行量预测结果和车流量预测结果，调整目标交通信号灯的模式。通过上述步骤，可以实现目标交通信号灯的模式与预定时间段内的车流量相适应，使得交通更为顺畅，进而有效解决因道路规划不合理、交通信号灯设置时间不合理而导致的交通堵塞问题。
Description
技术领域
本公开涉及数据处理领域，尤其涉及地图技术领域，具体涉及一种交通信号灯调整方法、装置及电子设备。
背景技术
在相关技术中，针对交通拥堵的问题，通常采用根据经验判断出的车流量的基础上，在高峰时期通过人力调控红绿灯的方法来减轻交通堵塞，但该方法对于车流量随潮汐时间变化的车道来说不够合理，无法适应实时变动的车流情况。
发明内容
本公开提供了一种交通信号灯调整方法、装置及电子设备。
根据本公开的一方面，提供了一种交通信号灯调整方法，包括：获取目标交通信号灯；根据目标交通信号灯，确定目标路段；预测目标交通信号灯当前模式下的通行量，得到通行量预测结果；预测目标路段在预定时间范围内的车流量，得到车流量预测结果；根据通行量预测结果和车流量预测结果，调整目标交通信号灯的模式。
可选的，预测目标交通信号灯当前模式下的通行量，得到通行量预测结果，包括：采用通行量预测模型对目标交通信号灯当前模式下的通行量进行预测，得到通行量预测结果，其中，通行量预测模型采用多组数据训练得到，多组数据包括：样本信号灯模式，与该样本信号灯模式对应的样本通行量。
可选的，预测目标路段在预定时间范围内的车流量，得到车流量预测结果，包括：统计历史时间范围内目标路段上的历史车流量；获取在预定时间范围内将经过目标路段的初始预计车流量；基于历史车流量和初始预计车流量，对目标路段在预定时间范围内的车流量进行预测，得到车流量预测结果。
可选的，车流量预测结果是分钟级别的。
可选的，在预测目标路段在预定时间范围内的车流量，得到车流量预测结果之后，还包括：根据车流量预测结果生成交通状况示意图。
可选的，在预测目标路段在预定时间范围内的车流量，得到车流量预测结果之后，还包括：采集目标交通信号灯预定范围内的道路拓扑关系图；基于车流量预测结果和道路拓扑关系图，确定目标交通信号灯可调整的目标规划道路，以及在目标规划道路上的目标规划位置。
可选的，目标交通信号灯的模式，包括以下至少之一：目标交通信号灯的位置，开关状态，周期数量，以及周期内的各个灯的工作时长。
根据本公开的另一方面，提供了一种交通信号灯调整装置，包括：获取模块，用于获取目标交通信号灯；确定模块，用于根据目标交通信号灯，确定目标路段；第一预测模块，用于预测目标交通信号灯当前模式下的通行量，得到通行量预测结果；第二预测模块，用于预测目标路段在预定时间范围内的车流量，得到车流量预测结果；处理模块，用于根据通行量预测结果和车流量预测结果，调整目标交通信号灯的模式。
可选的，第一预测模块包括：第一预测单元，用于采用通行量预测模型对目标交通信号灯当前模式下的通行量进行预测，得到通行量预测结果，其中，通行量预测模型采用多组数据训练得到，多组数据包括：样本信号灯模式，与该样本信号灯模式对应的样本通行量。
可选的，第二预测模块包括：统计单元，用于统计历史时间范围内目标路段上的历史车流量；获取单元，用于获取在预定时间范围内将经过目标路段的初始预计车流量；第二预测单元，用于基于历史车流量和初始预计车流量，对目标路段在预定时间范围内的车流量进行预测，得到车流量预测结果。
可选的，车流量预测结果是分钟级别的。
可选的，装置还包括：生成模块，用于根据车流量预测结果生成交通状况示意图。
可选的，第二预测模块还包括：采集单元，用于采集目标交通信号灯预定范围内的道路拓扑关系图；确定单元，用于基于车流量预测结果和道路拓扑关系图，确定目标交通信号灯可调整的目标规划道路，以及在目标规划道路上的目标规划位置。
可选的，目标交通信号灯的模式，包括以下至少之一：目标交通信号灯的位置，开关状态，周期数量，以及周期内的各个灯的工作时长。
根据本公开的另一方面，提供了一种电子设备，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执行任一项上述的方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行任一项上述的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现任一项上述的方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开实施例提供的交通信号灯调整方法的流程图；
图2是根据本公开可选实施方式提供的动态交通信号建设系统的整体构成示意图；
图3是根据本公开可选实施方式提供的业务实现流程图；
图4是根据本公开实施例提供的交通信号灯调整装置的结构框图；
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
术语说明
数字孪生，指充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生时一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。
在本公开实施例中，提供了一种交通信号灯调整方法，图1是根据本公开实施例提供的交通信号灯调整方法的流程图，如图1所示，该流程图包括如下步骤：
步骤S102，获取目标交通信号灯；
步骤S104，根据目标交通信号灯，确定目标路段；
步骤S106，预测目标交通信号灯当前模式下的通行量，得到通行量预测结果；
步骤S108，预测目标路段在预定时间范围内的车流量，得到车流量预测结果；
步骤S110，根据通行量预测结果和车流量预测结果，调整目标交通信号灯的模式。
通过上述步骤，可以根据目标交通信号灯在当前模式下的通行量预测结果与在预定时间范围内的车流量预测结果之间的比较，来确定当前模式是否合适，或者是是否满足当前车流量需求，以及在不满足的情况下，对目标交通信号灯的模式进行调整，使得目标交通信号灯的模式与车流量的需求适应，实现目标交通信号灯的模式与预定时间段内的车流量相适应，使得交通更为顺畅，进而有效解决因道路规划不合理、交通信号灯设置时间不合理而导致的交通堵塞问题。
需要说明的是，上述预定时间范围内可以是基于多种需要划分的时间范围，例如，可以是工作日所对应的时间范围、可以是双休日所对应的时间范围，还可以是常规节假日、特殊节假日所对应的时间范围，等。针对不同的预定时间范围，同一目标交通信号灯所预测出的车流量预测结果也是不同的。
作为一种可选的实施例，预测目标交通信号灯当前模式下的通行量，得到通行量预测结果时可以采用以下方式：采用通行量预测模型对目标交通信号灯当前模式下的通行量进行预测，得到通行量预测结果，其中，通行量预测模型采用多组数据训练得到，多组数据包括：样本信号灯模式，与该样本信号灯模式对应的样本通行量。在不同模式下的交通信号灯所能允许通行的车辆数也是不同的，而交通状况在相当程度上会受到通行量的影响，所以，通过采用通行量预测模型对目标交通信号灯在当前模式下的通行量进行预测，便于获得更加准确、高效地得到通行量预测结果，进而可以将目标交通信号灯的通行量预测结果和目标路段的车流量预测结果结合起来，准确地模拟出目标交通信号灯出的交通状况。
需要说明的是，目标交通信号灯的模式可以包括按照预定规则设置的目标交通信号灯的状态。例如，目标交通信号灯的模式可以包括：目标交通信号灯的开关状态，开关频率以及开关时长等。
作为一种可选的实施例，预测目标路段在预定时间范围内的车流量，得到车流量预测结果，包括：统计历史时间范围内目标路段上的历史车流量；获取在预定时间范围内将经过目标路段的初始预计车流量；基于历史车流量和初始预计车流量，对目标路段在预定时间范围内的车流量进行预测，得到车流量预测结果。为了能得到更加准确的车流量预测结果，本公开可选实施例采用了历史车流量和初始预计车流量两种数据作为预测车流量的数据基础，一方面，历史车流量可以表征目标路段在过去不同时间点时的车流量情况，以体现车流量随时间变化的一般规律，另一方面，初始预计车流量是根据实时的导航、监控等数据，通过路线分析预测出来的，再结合历史车流量就可以最大程度的确保车流量预测结果的准确性。
需要说明的是，在上述预测车流量时，可以建立出对应不同时间模式的车流量预测模型，例如，对应于工作日、双休日和常规节假日、特殊节假日的车流量模型。可选的，在获取不同时间段的车流量数据时也可以根据需要对时间段的具体程度进行适应性的调整，例如，可以是每小时、每刻钟或每分钟等等。
作为一种可选的实施例，车流量预测结果是分钟级别的。通过获得分钟级别的车流量预测结果，可以使基于车流量预测结果和通行量预测结果得到的交通状况模拟结果具有非常优秀的时效性和准确性，也更能体现出交通状况在预定时间范围内的动态变化情况。
作为一种可选的实施例，在预测目标路段在预定时间范围内的车流量，得到车流量预测结果之后，还可以根据车流量预测结果生成交通状况示意图。通过生成交通状况示意图，使得交通状况的模拟结果可视化，就可以以更加直观的方式来展示目标路段的交通状况模拟结果。
需要说明的是，在上述根据车流量预测结果生成交通状况示意图时，可以有不同的实现方式，例如，可以根据车流量的预测结果，获取在目标交通信号灯处车辆的平均等待时间，再根据该平均等待时间以不同的颜色来表示目标路段的拥堵情况，进而得到交通状况示意图。其它能够根据车流量数据生成交通状况示意图的实现方式均属于本公开的内容，在此不再一一举例说明。
作为一种可选的实施例，在预测目标路段在预定时间范围内的车流量，得到车流量预测结果之后，还可以进行以下操作：采集目标交通信号灯预定范围内的道路拓扑关系图；基于车流量预测结果和道路拓扑关系图，确定目标交通信号灯对应的目标规划道路。通过确定目标交通信号灯可调整的目标规划道路，以及在该目标规划道路上的目标规划位置，就可以在得到红绿灯的车流量预测结果后，除了调整红绿灯的模式，改善交通拥堵状况外，还可以在调整红绿灯的模式后还不能有效缓解交通拥堵的话，调整红绿灯的规划位置，达到优化城市轨道交通的目的。
作为一种可选的实施例，上述目标交通信号灯的模式包括以下至少之一：目标交通信号灯的位置，开关状态，周期数量，以及周期内的各个灯的工作时长。在得到目标路段的交通状况模拟结果的基础上，可以通过动态调整目标交通信号灯的位置、开关状态、周期数量以及周期内的各个灯的工作时长来解决因道路规划不合理、交通信号灯设置时间不合理而导致的交通堵塞问题，同时，该调整过程为自动调整，不需要任何人工操作，就能够根据模拟结果实时地进行调整，且该调整结果具有非常好的灵活性和时效性。
需要说明的是，上述的交通信号灯调整方法可以基于数字孪生技术实现，且由于数字孪生技术的特点，本公开可以对真实数据持续地进行采集和反馈，以使得交通状况模拟结果越来越准确、目标交通信号灯的调整也越来越精确。同时，上述的交通信号灯调整方法不仅可以用于已安置完成的交通信号灯进行模式的调整或者低成本确定移动交通信号灯的合理位置，还可以对未安置交通信号灯的路段进行交通状况的模拟，进而提出更加高效、合理的交通信号灯规划方案。
基于上述实施例及可选实施例，提供了一种可选实施方式，下面进行说明。
在相关技术中，存在因道路规划不合理、交通信号灯设置时间不合理而导致的交通堵塞问题，而针对该问题，通常是采用在预估出的车流量及经验判断的基础上，在高峰时期通过人力调控红绿灯的方法，但该方法只能凭借经验进行设置，且该方法也无法适应实时变动的车流情况。
本公开可选实施方式提出了一种基于数字孪生技术进行城市信号灯动态模拟的系统和方法，该方法可以实现道路车流模拟，并通过大数据人工智能(ArtificialIntelligence，简称为AI)计算，自动生成精准的红绿灯规划方案。
图2是根据本公开可选实施方式提供的动态交通信号系统的意图，如图2所示，该动态交通信号系统基于数字孪生技术，该系统主要包括三部分：数据采集系统、数据分析平台和用户使用终端。
1、整体构成
(1)数据采集系统
1)高精地图采集系统：硬件主要包括：互补金属氧化物半导体(ComplementaryMetal Oxide Semiconductor，简称为CMOS)相机模块，雷达点云相机模块，全球定位系统(Global Positioning System，简称为GPS)定位模块，惯性导航系统(InertialNavigation System，简称为INS)惯性导航模块。主要用于区域内道路信息和道路拓扑关系的采集；
2)交通信号采集系统：主要包括车载GPS模块、轨迹数据模块、计时器模块。主要用于区域内交通信号灯的位置、关联路口、起始时间(例如，0:00后第一个绿灯时间的开始时间)，频率(例如，红灯、黄灯、绿灯各占用时间)的采集；
3)车流数据采集终端：主要包括终端(例如，手机)的GPS模块和轨迹数据模块。用于采集一段时间内的用户数据以基于大数据生成车流量模型建设。
(2)数据分析平台
1)高精地图制作平台：用于制作道路的高精地图信息；
2)交通信号信息制作平台：用于在道路上绑定关联的红绿灯，并设置红绿灯的起始时间和频率；
3)综合数据分析平台：主要用于进行以下工作：
A、车流量统计：根据采集的轨迹数据，按照轨迹数据产生的时间在24小时内的时间点进行叠加，并根据采集用户在全部用户中的占比，进行车流量统计，并根据工作日、双休日和常规节假日、特殊节假日的划分分别生成对应的车流量模型，用以预测在不同时间范围中道路将产生的车流量，其中，该车流量模型的预测结果精确到分钟级别；
B、在统计得到车流量结果的基础上，建立每个红绿灯在其周期内的通行量模型。在一个周期内，绿灯时间越长，红灯时间越短，车流通行量越大。而在一个区间内，例如，在60秒中，可以是10秒红灯，10秒绿灯，10秒黄灯，以该模式循环两个周期，也可以是20秒红灯，20秒绿灯和20秒黄灯，以该模式循环一个周期，即使是相同的时间长度，上述两种模式在每分钟可通行的车辆数量也不同。根据大数据建立不同长度的绿灯对应的可通行车辆数，生成对应通行量和信号灯时间之间关系的模型，即上述的通行量模型，以预测该红绿灯在当前模式下的一个周期中可以通行的车辆数量；
C、路径规划模块：根据道路采集和拓扑关系，计算从一个起点至终点的可规划道路；
D、数据输出：根据A、B、C的数据叠加计算后，生成整体数据输出至用户终端。
(3)用户使用终端
1)数据输入模块：用于输入需要查找的红绿灯；
2)数据接收模块：用于接收数据分析平台给的分析结果；
3)数据调整模块：用于需要修改的红绿灯的状态(开放、关闭)和红绿灯三个状态的频率调整；
4)数据展示模块：用于展示指定区域内各个时段的地图和通行状况。
2、业务实现
图3是根据本公开可选实施方式提供的业务实现流程图，如图3所示，该业务实现包括如下处理过程：
(1)数据准备
1)道路地图数据准备：通过高精采集车，对道路和其拓扑关系以及红绿灯的位置和信息进行数据采集和制作；
2)建立每个红绿灯周期内的通行量模型；
3)根据大数据建立分钟级别的各路段的通行量模型。
(2)实现逻辑
1)用户打开终端，获取地图信息以及道路拓扑信息；
2)数据分析平台获取各个时段分钟级别的通行量信息和车流量信息；
3)通过车流量信息和通行量信息，计算每个路口处车辆的平均等待时间；
4)根据上述平均等待时间，以不同颜色表示道路的拥堵情况；
5)生成地图、时间段和交通状况示意图；
6)修改红绿灯的位置和各个灯的频率；
7)生成新的地图、时间段和交通状况示意图。
需要说明的是，在上述可选实施方式中，采用上述对目标交通信号灯的调整的方式，实现了对整个预定规划区域范围内的交通信号灯的有效调整，以及对应区域内的交通状况的改善。
因此，本公开可选实施方式提出的一种基于数字孪生技术进行城市信号灯动态模拟的系统和方法具有以下优点：
(1)通过数字孪生技术进行数据模拟，例如，可以在数据模拟中任意改变红绿灯的位置、周期、频率等，进而实现低成本的交通规划；
(2)模拟结果更加准确可靠；
(3)通过实时的、真实的数据反馈，满足交通的动态变化需求，且结果更加精细。
在本公开实施例中，还提供了一种交通信号灯调整装置，图4是根据本公开实施例提供的交通信号灯调整装置的结构框图，如图4所示，该装置包括：获取模块41，确定模块42，第一预测模块43，第二预测模块44和处理模块45，下面对该装置进行说明。
获取模块41，用于获取目标交通信号灯；确定模块42，连接至上述获取模块41，用于根据目标交通信号灯，确定目标路段；第一预测模块43，连接至上述确定模块42，用于预测目标交通信号灯当前模式下的通行量，得到通行量预测结果；第二预测模块44，连接至上述第一预测模块43，用于预测目标路段在预定时间范围内的车流量，得到车流量预测结果；处理模块45，连接至上述第二预测模块44，用于根据通行量预测结果和车流量预测结果，调整目标交通信号灯的模式。
作为一种可选的实施例，第一预测模块43包括：第一预测单元，用于采用通行量预测模型对目标交通信号灯当前模式下的通行量进行预测，得到通行量预测结果，其中，通行量预测模型采用多组数据训练得到，多组数据包括：样本信号灯模式，与该样本信号灯模式对应的样本通行量。
作为一种可选的实施例，第二预测模块44包括：统计单元，用于统计历史时间范围内目标路段上的历史车流量；获取单元，用于获取在预定时间范围内将经过目标路段的初始预计车流量；第二预测单元，用于基于历史车流量和初始预计车流量，对目标路段在预定时间范围内的车流量进行预测，得到车流量预测结果。
作为一种可选的实施例，车流量预测结果是分钟级别的。
作为一种可选的实施例，上述装置还包括：生成模块，用于根据车流量预测结果生成交通状况示意图。
作为一种可选的实施例，第二预测模块44还包括：采集单元，用于采集目标交通信号灯预定范围内的道路拓扑关系图；确定单元，用于基于车流量预测结果和道路拓扑关系图，确定目标交通信号灯可调整的目标规划道路，以及在目标规划道路中的目标规划位置。
作为一种可选的实施例，上述目标交通信号灯的模式，包括以下至少之一：目标交通信号灯的位置，开关状态，周期数量，以及周期内的各个灯的工作时长。
本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示，电子设备500包括计算单元501，其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序，来执行各种适当的动作和处理。在RAM 503中，还可存储电子设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
电子设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许电子设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如交通信号灯调整方法。例如，在一些实施例中，交通信号灯调整方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到电子设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的交通信号灯调整方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行交通信号灯调整方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (13)
1.一种交通信号灯调整方法，通过采用数字孪生方法执行以下步骤来完成交通规划：
获取目标交通信号灯；
根据所述目标交通信号灯，确定目标路段；
预测所述目标交通信号灯当前模式下的通行量，得到通行量预测结果；
预测所述目标路段在预定时间范围内的车流量，得到车流量预测结果，其中，所述预测所述目标路段在预定时间范围内的车流量，得到车流量预测结果，包括：统计历史时间范围内所述目标路段上的历史车流量；获取在所述预定时间范围内将经过所述目标路段的初始预计车流量；基于所述历史车流量和所述初始预计车流量，对所述目标路段在所述预定时间范围内的车流量进行预测，得到所述车流量预测结果；根据所述通行量预测结果和所述车流量预测结果，调整所述目标交通信号灯的模式；
其中，在预测所述目标路段在所述预定时间范围内的车流量，得到车流量预测结果之后，还包括：
采集所述目标交通信号灯预定范围内的道路拓扑关系图；
基于所述车流量预测结果和所述道路拓扑关系图，确定所述目标交通信号灯可调整的目标规划道路，以及在所述目标规划道路上的目标规划位置；
其中，通过所述车流量预测结果调整所述目标交通信号灯的模式来改善交通拥堵状况，在调整交通信号灯的模式之后不能有效缓解交通拥堵的情况下，调整所述目标交通信号灯的所述目标规划位置。
2.根据权利要求1所述的方法，其中，所述预测所述目标交通信号灯当前模式下的通行量，得到通行量预测结果，包括：
采用通行量预测模型对所述目标交通信号灯当前模式下的通行量进行预测，得到所述通行量预测结果，其中，所述通行量预测模型采用多组数据训练得到，所述多组数据包括：样本信号灯模式，与该样本信号灯模式对应的样本通行量。
3.根据权利要求1所述的方法，其中，所述车流量预测结果是分钟级别的。
4.根据权利要求1所述的方法，其中，在所述预测所述目标路段在预定时间范围内的车流量，得到车流量预测结果之后，还包括：
根据所述车流量预测结果生成交通状况示意图。
5.根据权利要求1至4中任一项所述的方法，其中，所述目标交通信号灯的模式，包括以下至少之一：
所述目标交通信号灯的位置，开关状态，周期数量，以及周期内的各个灯的工作时长。
6.一种交通信号灯调整装置，用于通过实现数字孪生方法对应的以下模块的功能来完成交通规划，包括：
获取模块，用于获取目标交通信号灯；
确定模块，用于根据所述目标交通信号灯，确定目标路段；
第一预测模块，用于预测所述目标交通信号灯当前模式下的通行量，得到通行量预测结果；
第二预测模块，用于预测所述目标路段在预定时间范围内的车流量，得到车流量预测结果；
处理模块，用于根据所述通行量预测结果和所述车流量预测结果，调整所述目标交通信号灯的模式；
其中，所述第二预测模块包括：
统计单元，用于统计历史时间范围内所述目标路段上的历史车流量；
获取单元，用于获取在所述预定时间范围内将经过所述目标路段的初始预计车流量；
第二预测单元，用于基于所述历史车流量和所述初始预计车流量，对所述目标路段在所述预定时间范围内的车流量进行预测，得到所述车流量预测结果；
其中，所述第二预测模块还包括：
采集单元，用于采集所述目标交通信号灯预定范围内的道路拓扑关系图；
确定单元，用于基于所述车流量预测结果和所述道路拓扑关系图，确定所述目标交通信号灯可调整的目标规划道路，以及在所述目标规划道路上的目标规划位置；
其中，所述处理模块，还用于通过所述车流量预测结果调整所述目标交通信号灯的模式来改善交通拥堵状况，在调整交通信号灯的模式之后不能有效缓解交通拥堵的情况下，调整所述目标交通信号灯的所述目标规划位置。
7.根据权利要求6所述的装置，其中，所述第一预测模块包括：
第一预测单元，用于采用通行量预测模型对所述目标交通信号灯当前模式下的通行量进行预测，得到所述通行量预测结果，其中，所述通行量预测模型采用多组数据训练得到，所述多组数据包括：样本信号灯模式，与该样本信号灯模式对应的样本通行量。
8.根据权利要求6所述的装置，其中，所述车流量预测结果是分钟级别的。
9.根据权利要求6所述的装置，其中，所述装置还包括：
生成模块，用于根据所述车流量预测结果生成交通状况示意图。
10.根据权利要求6至9中任一项所述的装置，其中，所述目标交通信号灯的模式，包括以下至少之一：
所述目标交通信号灯的位置，开关状态，周期数量，以及周期内的各个灯的工作时长。
11. 一种电子设备，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执行权利要求1至5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1至5中任一项所述的方法。
13.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1至5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210320789.3A CN114758495B (zh) | 2022-03-29 | 2022-03-29 | 交通信号灯调整方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210320789.3A CN114758495B (zh) | 2022-03-29 | 2022-03-29 | 交通信号灯调整方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114758495A CN114758495A (zh) | 2022-07-15 |
| CN114758495B true CN114758495B (zh) | 2024-02-06 |
Family
ID=82327388
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210320789.3A Active CN114758495B (zh) | 2022-03-29 | 2022-03-29 | 交通信号灯调整方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114758495B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115273506B (zh) * | 2022-07-28 | 2023-08-18 | 联想(北京)有限公司 | 一种交通信号灯控制方法、装置及电子设备 |
| CN115440061A (zh) * | 2022-08-04 | 2022-12-06 | 杭州海康威视数字技术股份有限公司 | 一种信号灯控制方法及装置 |
| CN115497294B (zh) * | 2022-09-22 | 2023-09-19 | 东南大学 | 融合深度预测网络和卡尔曼滤波算法的交通灯控制方法及系统 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009042907A (ja) * | 2007-08-07 | 2009-02-26 | Mitsubishi Heavy Ind Ltd | 旅行時間計測装置 |
| CN104050809A (zh) * | 2014-06-03 | 2014-09-17 | 北京航天福道高技术股份有限公司 | 交通状况自动分析预测方法 |
| CN105761515A (zh) * | 2016-01-29 | 2016-07-13 | 吴建平 | 一种交叉口信号动态调整方法及装置、系统 |
| CN205644972U (zh) * | 2016-04-06 | 2016-10-12 | 兰州交通大学 | 一种城市智能交通控制系统 |
| CN106530762A (zh) * | 2016-12-26 | 2017-03-22 | 东软集团股份有限公司 | 交通信号控制方法和装置 |
| CN106781592A (zh) * | 2017-01-04 | 2017-05-31 | 成都四方伟业软件股份有限公司 | 一种基于大数据的交通导航系统及方法 |
| JP2018085151A (ja) * | 2018-02-13 | 2018-05-31 | 株式会社ニコン | 信号機制御装置、および、信号機 |
| CN108171998A (zh) * | 2018-02-11 | 2018-06-15 | 深圳市智能交通技术有限公司 | 一种基于电警数据的交叉口自适应交通信号控制系统及其工作方法 |
| WO2018149308A1 (zh) * | 2017-02-15 | 2018-08-23 | 阿里巴巴集团控股有限公司 | 一种道路交通优化方法、装置以及电子设备 |
| CN108803619A (zh) * | 2018-07-18 | 2018-11-13 | 苏州若依玫信息技术有限公司 | 一种基于人工智能的可视化自动驾驶方法及其系统 |
| DE102018007962A1 (de) * | 2018-10-09 | 2019-03-28 | Daimler Ag | Verfahren zur Erkennung von Ampelpositionen |
| CN110047284A (zh) * | 2019-04-16 | 2019-07-23 | 浙江工业大学 | 一种基于专家系统的交通信号配时优化决策支持方法 |
| CN111179586A (zh) * | 2019-10-24 | 2020-05-19 | 广州市高科通信技术股份有限公司 | 一种基于大数据分析的交通诱导方法、设备及存储介质 |
| CN111862632A (zh) * | 2020-04-29 | 2020-10-30 | 南阳师范学院 | 一种智能交通信号灯防拥堵的方法及装置 |
| CN112614359A (zh) * | 2020-12-21 | 2021-04-06 | 北京百度网讯科技有限公司 | 控制交通的方法、装置、路侧设备和云控平台 |
| CN113221878A (zh) * | 2021-04-26 | 2021-08-06 | 阿波罗智联(北京)科技有限公司 | 应用于信号灯检测的检测框调整方法、装置及路侧设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10495469B2 (en) * | 2015-06-23 | 2019-12-03 | Ford Global Technologies, Llc | Rapid traffic parameter estimation |
-
2022
- 2022-03-29 CN CN202210320789.3A patent/CN114758495B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009042907A (ja) * | 2007-08-07 | 2009-02-26 | Mitsubishi Heavy Ind Ltd | 旅行時間計測装置 |
| CN104050809A (zh) * | 2014-06-03 | 2014-09-17 | 北京航天福道高技术股份有限公司 | 交通状况自动分析预测方法 |
| CN105761515A (zh) * | 2016-01-29 | 2016-07-13 | 吴建平 | 一种交叉口信号动态调整方法及装置、系统 |
| CN205644972U (zh) * | 2016-04-06 | 2016-10-12 | 兰州交通大学 | 一种城市智能交通控制系统 |
| CN106530762A (zh) * | 2016-12-26 | 2017-03-22 | 东软集团股份有限公司 | 交通信号控制方法和装置 |
| CN106781592A (zh) * | 2017-01-04 | 2017-05-31 | 成都四方伟业软件股份有限公司 | 一种基于大数据的交通导航系统及方法 |
| WO2018149308A1 (zh) * | 2017-02-15 | 2018-08-23 | 阿里巴巴集团控股有限公司 | 一种道路交通优化方法、装置以及电子设备 |
| CN108171998A (zh) * | 2018-02-11 | 2018-06-15 | 深圳市智能交通技术有限公司 | 一种基于电警数据的交叉口自适应交通信号控制系统及其工作方法 |
| JP2018085151A (ja) * | 2018-02-13 | 2018-05-31 | 株式会社ニコン | 信号機制御装置、および、信号機 |
| CN108803619A (zh) * | 2018-07-18 | 2018-11-13 | 苏州若依玫信息技术有限公司 | 一种基于人工智能的可视化自动驾驶方法及其系统 |
| DE102018007962A1 (de) * | 2018-10-09 | 2019-03-28 | Daimler Ag | Verfahren zur Erkennung von Ampelpositionen |
| CN110047284A (zh) * | 2019-04-16 | 2019-07-23 | 浙江工业大学 | 一种基于专家系统的交通信号配时优化决策支持方法 |
| CN111179586A (zh) * | 2019-10-24 | 2020-05-19 | 广州市高科通信技术股份有限公司 | 一种基于大数据分析的交通诱导方法、设备及存储介质 |
| CN111862632A (zh) * | 2020-04-29 | 2020-10-30 | 南阳师范学院 | 一种智能交通信号灯防拥堵的方法及装置 |
| CN112614359A (zh) * | 2020-12-21 | 2021-04-06 | 北京百度网讯科技有限公司 | 控制交通的方法、装置、路侧设备和云控平台 |
| CN113221878A (zh) * | 2021-04-26 | 2021-08-06 | 阿波罗智联(北京)科技有限公司 | 应用于信号灯检测的检测框调整方法、装置及路侧设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114758495A (zh) | 2022-07-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114758495B (zh) | 交通信号灯调整方法、装置及电子设备 | |
| KR102605244B1 (ko) | 신호등 데이터 표시 방법, 장치, 서버, 단말 기기, 시스템 및 매체 | |
| JP2022104639A (ja) | 車両の車線変更制御方法、機器、記憶媒体及びプログラム | |
| CN111982138B (zh) | 预测模型获取及路径规划方法、装置及存储介质 | |
| EP4155672A2 (en) | Method and apparatus for generating high-precision map, electronic device and storage medium | |
| CN114036253B (zh) | 高精地图数据处理方法、装置、电子设备和介质 | |
| CN113899381B (zh) | 用于生成路线信息的方法、装置、设备、介质和产品 | |
| CN114445312B (zh) | 一种地图数据的融合方法、装置、电子设备及存储介质 | |
| CN111383444B (zh) | 预测路况状态的方法、装置、服务器及存储介质 | |
| CN114355793A (zh) | 用于车辆仿真评测的自动驾驶规划模型的训练方法及装置 | |
| CN115330067B (zh) | 一种交通拥堵预测方法、装置、电子设备及存储介质 | |
| CN115453661B (zh) | 气象预报方法、装置、设备以及存储介质 | |
| CN115526069B (zh) | 仿真驾驶场景生成方法、装置、设备和计算机可读介质 | |
| CN113435403B (zh) | 路网缺失道路检测方法、装置、电子设备和存储介质 | |
| CN113048997B (zh) | 基于大数据的行车建议方法、系统、存储介质及服务器 | |
| CN113450569A (zh) | 确定路口状态的方法、装置、电子设备和存储介质 | |
| CN113670295A (zh) | 数据处理方法、装置、电子设备及可读存储介质 | |
| CN113847923A (zh) | 预估到达时间的计算方法、装置、电子设备和可读存储介质 | |
| CN114185908B (zh) | 一种地图数据处理方法、装置、电子设备及存储介质 | |
| CN117671965B (zh) | 基于信令数据进行交通分流的方法、装置、设备及存储介质 | |
| CN114639253B (zh) | 交通信号控制方法、边缘计算设备、存储介质及产品 | |
| CN117540843A (zh) | 一种停车位预测方法、装置、电子设备及存储介质 | |
| CN116543558A (zh) | 交通拥堵溯源方法、装置、电子设备及存储介质 | |
| CN113554206B (zh) | 等车时间预估方法、装置、设备及存储介质 | |
| CN116246460A (zh) | 路段通行时长的确定方法、装置、电子设备和介质 |
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 |