CN115083165A - 智慧城市路口交通指挥控制方法、装置及存储介质 - Google Patents
智慧城市路口交通指挥控制方法、装置及存储介质 Download PDFInfo
- Publication number
- CN115083165A CN115083165A CN202210763955.7A CN202210763955A CN115083165A CN 115083165 A CN115083165 A CN 115083165A CN 202210763955 A CN202210763955 A CN 202210763955A CN 115083165 A CN115083165 A CN 115083165A
- Authority
- CN
- China
- Prior art keywords
- traffic
- lane
- target
- target intersection
- intersection
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000015654 memory Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 description 19
- 238000012549 training Methods 0.000 description 8
- 230000000903 blocking effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
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
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- 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
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及交通指挥控制技术领域，公开了一种智慧城市路口交通指挥控制方法、装置及存储介质，该方法包括获取目标路口的各车道的车辆汇聚长度；如果目标路口存在拥堵车道，则将各车道的车辆汇聚长度作为预测模型的输入进行运算，得到目标路口达到通畅状态所需的第一时间段数；将预先设置的交通指令列表中的交通指令进行组合，得到交通指令序列集合；计算出交通指令序列集合中符合交通指挥控制要求的目标交通指令序列；依据目标交通指令序列对目标路口进行交通指挥控制。本发明公开的方法、装置及存储介质可在降低人力投入的情形下缓解城市路口拥堵。
Description
技术领域
本发明涉及交通指挥控制技术领域，具体涉及一种智慧城市路口交通指挥控制方法、装置及存储介质。
背景技术
随着社会的发展和人民生活水平的不断提高，汽车保有量与日俱增，随之而来的，城市路口交通拥堵也日益凸显。
为了避免城市路口交通意外拥堵，提高通行效率，目前较为常用的方式是在交通拥堵路口紧急派遣交警根据路口的实际情况进行现场指挥，以确保路口的交通畅通。然而采用这样的方式需要耗费大量的人力，且由于交警的人员数量有限，通过交警现场指挥路口交通的方式，已难以满足越来越拥堵的城市路口交通路况。
因此，如何提供一种有效的方案，以便在降低人力投入的情形下缓解未来智慧城市路口拥堵，已成为现有技术中一亟待解决的难题。
发明内容
为了解决现有技术中需要在交通拥堵的城市路口投入大量的人力来缓解交通拥堵的问题，本发明的目的在于提供一种智慧城市路口交通指挥控制方法、装置及存储介质，以便在降低人力投入的同时缓解城市路口拥堵的问题。
第一方面，本发明提供了一种智慧城市路口交通指挥控制方法，包括：
获取待指挥控制的目标路口的各车道的车辆汇聚长度；
基于各车道的车辆汇聚长度确定出所述目标路口是否存在拥堵车道；
如果存在拥堵车道，则将各车道的车辆汇聚长度作为预先训练好的预测模型的输入进行运算，得到所述目标路口达到通畅状态所需的第一时间段数；
基于所述目标路口的路口类型，将预先设置的交通指令列表中的交通指令进行组合，得到交通指令序列集合，所述交通指令序列集合中包括多个指令序列长度与所述第一时间段数对应的交通指令序列；
计算出所述交通指令序列集合中符合交通指挥控制要求的目标交通指令序列，符合交通指挥控制要求的目标交通指令序列是指在所述第一时间段数所对应的时间段内使所述目标路口从拥堵状态达到通畅状态的交通指令序列；
依据所述目标交通指令序列对所述目标路口进行交通指挥控制；
其中，所述预测模型是以所述目标路口存在拥堵车道时各车道的历史车辆汇聚长度作为输入，交警现场指挥下所述目标路口从拥堵状态达到通畅状态所需的第二时间段数作为输出进行训练得到的，所述第一时间段数和所述第二时间段数均表示预设时长的时间段的数量，拥堵状态是指所述目标路口存在拥堵车道，通畅状态是指所述目标路口不存在拥堵车道。
通过上述设计，本发明通过获取目标路口的各车道的车辆汇聚长度，基于各车道的车辆汇聚长度确定出目标路口是否存在拥堵车道，如果存在则将各车道的车辆汇聚长度作为预先训练好的预测模型的输入进行运算，得到目标路口达到通畅状态所需的第一时间段数，然后基于目标路口的路口类型，将预先设置的交通指令列表中的交通指令进行组合，得到交通指令序列集合，计算出交通指令序列集合中能够在第一时间段数所对应的时间段内使目标路口从拥堵状态达到通畅状态的交通指令序列，并在第一时间段数所对应的时间段内，依据目标交通指令序列对目标路口进行交通指挥控制。如此，当路口的车道存在拥堵的情形时，能够根据训练的预测模型预测出路口从拥堵状态达到通畅状态所需的时间，并确定出能够在该时间内使路口从拥堵状态达到通畅状态的交通指令序列对路口进行交通指挥控制，从而使得路口能够在尽可能短的时间内从拥堵状态恢复到通畅状态，缓解城市路口拥堵，提高城市路口的通行效率，提升车主的通行体验，同时由于在此过程中无需投入交警进行现场指挥，因此能够有效减低为缓解交通拥堵而投入的人力，便于实际推广和应用。
在一个可能的设计中，所述获取待指挥控制的目标路口的各车道的车辆汇聚长度，包括：
对所述目标路口的各车道图像进行图像识别，识别出所述目标路口的各车道上的车辆；
统计所述目标路口的各车道上的车辆数量，得到所述目标路口的各车道的车辆汇聚数量。
在一个可能的设计中，所述基于各车道的车辆汇聚长度确定出所述目标路口是否存在拥堵车道，包括：
基于各车道的车辆汇聚长度确定是否存在车辆汇聚长度超过预设长度的目标车道；
如果存在车辆汇聚长度超过预设长度的目标车道，则将所述目标车道判定为拥堵车道。
在一个可能的设计中，所述方法还包括：
将各车道的车辆汇聚长度进行量化处理，得到一多维向量；
所述将各车道的车辆汇聚长度作为预先训练好的预测模型的输入进行运算，包括：
将所述多维向量作为预先训练好的预测模型的输入进行运算。
在一个可能的设计中，当所述目标交通指令序列为多个时，所述依据所述目标交通指令序列对所述目标路口进行交通指挥控制，包括：
从多个所述目标交通指令序列中选择其中指令变化次数最少的一个交通指令序列对所述目标路口进行交通指挥控制。
在一个可能的设计中，所述预测模型为CNN模型或ANN模型。
在一个可能的设计中，所述目标路口的各车道为驶入所述目标路口的各个车道。
第二方面，本发明提供了一种智慧城市路口交通指挥控制装置，包括：
获取单元，用于获取待指挥控制的目标路口的各车道的车辆汇聚长度；
确定单元，用于基于各车道的车辆汇聚长度确定出所述目标路口是否存在拥堵车道；
第一运算单元，用于如果存在拥堵车道，则将各车道的车辆汇聚长度作为预先训练好的预测模型的输入进行运算，得到所述目标路口达到通畅状态所需的第一时间段数；
组合单元，用于基于所述目标路口的路口类型，将预先设置的交通指令列表中的交通指令进行组合，得到交通指令序列集合，所述交通指令序列集合中包括多个指令序列长度与所述第一时间段数对应的交通指令序列；
第二运算单元，用于计算出所述交通指令序列集合中符合交通指挥控制要求的目标交通指令序列，符合交通指挥控制要求的目标交通指令序列是指在所述第一时间段数所对应的时间段内使所述目标路口从拥堵状态达到通畅状态的交通指令序列；
指挥控制单元，用于依据所述目标交通指令序列对所述目标路口进行交通指挥控制；
其中，所述预测模型是以所述目标路口存在拥堵车道时各车道的历史车辆汇聚长度作为输入，交警现场指挥下所述目标路口从拥堵状态达到通畅状态所需的第二时间段数作为输出进行训练得到的，所述第一时间段数和所述第二时间段数均表示预设时长的时间段的数量，拥堵状态是指所述目标路口存在拥堵车道，通畅状态是指所述目标路口不存在拥堵车道。
在一个可能的设计中，所述获取单元在用于获取待指挥控制的目标路口的各车道的车辆汇聚长度时，具体用于：
对所述目标路口的各车道图像进行图像识别，识别出所述目标路口的各车道上的车辆；
统计所述目标路口的各车道上的车辆数量，得到所述目标路口的各车道的车辆汇聚数量。
在一个可能的设计中，所述确定单元在用于基于各车道的车辆汇聚长度确定出所述目标路口是否存在拥堵车道时，具体用于：
基于各车道的车辆汇聚长度确定是否存在车辆汇聚长度超过预设长度的目标车道；
如果存在车辆汇聚长度超过预设长度的目标车道，则将所述目标车道判定为拥堵车道。
在一个可能的设计中，智慧城市路口交通指挥控制装置还包括：
量化单元，用于将各车道的车辆汇聚长度进行量化处理，得到一多维向量；
第一运算单元在用于将各车道的车辆汇聚长度作为预先训练好的预测模型的输入进行运算时，具体用于：
将所述多维向量作为预先训练好的预测模型的输入进行运算。
在一个可能的设计中，目标交通指令序列为多个，所述指挥控制单元在用于依据所述目标交通指令序列对所述目标路口进行交通指挥控制时，具体用于：
从多个所述目标交通指令序列中选择其中指令变化次数最少的一个交通指令序列对所述目标路口进行交通指挥控制。
在一个可能的设计中，所述预测模型为CNN模型或ANN模型。
在一个可能的设计中，所述目标路口的各车道为驶入所述目标路口的各个车道。
第三方面，本发明提供了一种智慧城市路口交通指挥控制装置，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如上述任意一项所述的智慧城市路口交通指挥控制方法。
第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行第一方面所述的智慧城市路口交通指挥控制方法。
第五方面，本发明提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如第一方面所述的智慧城市路口交通指挥控制方法。
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，下面将对实施例或现有技术描述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是本发明提供的智慧城市路口交通指挥控制方法、装置及存储介质的应用环境示意图。
图2是本发明提供的智慧城市路口交通指挥控制方法的流程图。
图3是本发明提供的路口车道划分示意图。
图4是本发明提供的智慧城市路口交通指挥控制装置的结构示意图。
图5是本发明提供的另一智慧城市路口交通指挥控制装置的结构示意图。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是，对于这些实施例方式的说明虽然是用于帮助理解本发明，但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本文阐述的实施例中。
应当理解，尽管本文可能使用术语第一、第二等等来描述各种单元，但是这些单元不应当受到这些术语的限制。这些术语仅用于区分一个单元和另一个单元。例如可以将第一单元称作第二单元,并且类似地可以将第二单元称作第一单元，同时不脱离本发明的示例实施例的范围。
应当理解，还应当注意到在一些备选实施例中，所出现的功能/动作可能与附图出现的顺序不同。例如,取决于所涉及的功能/动作,实际上可以实质上并发地执行,或者有时可以以相反的顺序来执行连续示出的两个图。
实施例
为了解决现有技术中需要在交通拥堵的智慧城市路口投入大量的人力进行现场指挥来缓解交通拥堵的问题，本申请实施例提供了一种智慧城市路口交通指挥控制方法、装置及存储介质，该智慧城市路口交通指挥控制方法、装置及存储介质可在降低人力投入的同时缓解城市路口拥堵的问题。
首先，为了更直观地理解本申请实施例提供的方案，下面结合图1，对本申请实施例提供的城市路口的交通指挥控制方案的系统架构进行说明。
如图1所示，是本申请一个或多个实施例提供的基智慧城市路口交通指挥控制方法、装置及存储介质的应用环境示意图。如图1所示，服务器通过网络分别与摄像机和交通信号控制设备通信连接，以进行数据交互或通信，所述摄像机安装于城市路口，用于获取路口各车道的图像，以便根据各车道的图像识别出各车道的车辆汇聚长度，所述交通信号控制设备与该路口的交通信号灯连接，用于控制交通信号灯以进行交通指挥控制。
本申请实施例提供的智慧城市路口交通指挥控制方法可应用于服务器，为便于描述，本申请实施例以智慧城市路口交通指挥控制方法应用于服务器为例进行说明。可以理解，所述执行主体并不构成对本申请实施例的限定。
下面将对本发明实施例提供的智慧城市路口交通指挥控制方法进行详细说明。
第一方面，本发明实施例提供了一种智慧城市路口交通指挥控制方法，该智慧城市路口交通指挥控制方法可以应用于服务器，请参阅图2，所述智慧城市路口交通指挥控制方法可以包括如下的步骤：
步骤S201.获取待指挥控制的目标路口的各车道的车辆汇聚长度。
待指挥控制的目标路口的各车道的车辆汇聚长度可以根据安装在目标路口的摄像机所获取到的图像确定出。具体的，在对城市路口的交通指挥控制过程中，安装在目标路口的摄像机的视场方向朝向目标路口并获取目标路口的各车道图像，并上传给服务器，服务器对目标路口的各车道图像进行图像识别，识别出目标路口的各车道上的车辆，然后统计目标路口的各车道上的车辆数量，并将目标路口的各车道的车辆汇聚数量作为车辆汇聚长度。
可以理解的，在一个或多个实施例中，对目标路口的各车道图像进行图像识别的过程也可以是在摄像机端进行。
需要说明的是，本申请实施例中，对于同一条道路上分别位于路口两侧的车道会被认划分为不同的车道。如图3所示，目标路口为十字路口，路口四个方向的道路均为双向两车道，则目标路口的车道被划分为如图3所示的车道1-8共计8条车道。
进一步的，由于路口出现车辆拥堵时，车辆一般只会拥堵在驶入路口的车道而不会拥堵在驶出路口的车道。因此在一个或多个实施例中，目标路口的各车道还可以是驶入所述目标路口的各个车道。如图3所示，目标路口的各车道也可以是驶入目标路口的车道1、3、5和7共计4个车道。
步骤S202.基于各车道的车辆汇聚长度确定出目标路口是否存在拥堵车道。
本申请实施例中，根据车辆的汇聚长度对车道的拥堵和通畅状态进行了定义，如果车道的车辆汇聚长度超过预设长度则认定为该车道为拥堵状态，如果车道的车辆汇聚长度未超过预设长度则认定该车道为通畅状态。因此，在获取到目标路口的各车道的车辆汇聚长度后，可基于各车道的车辆汇聚长度确定是否存在车辆汇聚长度超过预设长度的目标车道，如果存在车辆汇聚长度超过预设长度的目标车道，则将该目标车道判定为拥堵车道。
所述预设长度可根据实际情况设定，例如可以是4辆车、5辆车或6辆车等，本申请实施例中不做具体限定。
步骤S203.如果存在拥堵车道，则将各车道的车辆汇聚长度作为预先训练好的预测模型的输入进行运算，得到目标路口达到通畅状态所需的第一时间段数。
本申请实施例中，预先训练有用于预测在现场指挥的情形挥下，目标路口从拥堵状态达到通畅状态所需时间的预测模型。如果目标路口存在拥堵车道，则此时可以将各车道的车辆汇聚长度作为预先训练好的预测模型的输入进行运算，得到所述目标路口达到通畅状态所需的第一时间段数。
所述预测模型在进行训练时，可以以该目标路口的大量历史数据进行训练，每条历史数据均包括目标路口存在拥堵车道时各车道的历史车辆汇聚长度和交警现场指挥下目标路口从拥堵状态达到通畅状态所需的第二时间段数。在训练时可以以目标路口存在拥堵车道时各车道的历史车辆汇聚长度(量化处理后)作为输入，交警现场指挥下所述目标路口从拥堵状态达到通畅状态所需的第二时间段数作为输出进行训练。
其中，所述第一时间段数和所述第二时间段数均表示预设时长的时间段的数量，拥堵状态是指目标路口存在拥堵车道，通畅状态是指目标路口不存在拥堵车道。所述预设时长可根据实际情况设定，本申请实施例中不做具体限定。
例如，在一个或多个实施例中，某一条历史数据中，目标路口存在拥堵车道时各车道的历史车辆汇聚长度依次分别为0、7、0、0、8、0、2和0，交警现场指挥下目标路口从拥堵状态达到通畅状态(所有车道的车辆汇聚长度刚好恢复至不超过预设长度)所需的时间为55秒，预设时长为15秒，则在训练时的训练输入为一多维向量(0，7，0，0，8，0，2，0)，训练输出为4(55除以15后取整)。
其中，所述预测模型可以是，但不限于卷积神经网络(Convolutional NeuralNetworks，CNN)模型或人工神经网络(Artificial Neural Network，ANN)模型。
在计算目标路口达到通畅状态所需的第一时间段数时，可首先将各车道的车辆汇聚长度进行量化处理，得到一多维向量，然后将该多维向量作为预先训练好的预测模型的输入进行运，即可得到目标路口达到通畅状态所需的第一时间段数。
步骤S204.基于目标路口的路口类型，将预先设置的交通指令列表中的交通指令进行组合，得到交通指令序列集合。
其中，交通指令序列集合中包括多个指令序列长度与第一时间段数对应的交通指令序列。与第一时间段数对应的交通指令序列是指该交通指令序列所对应的持续时间与第一时间段数所对应的时间相同。所述交通指令可以包括，但不限于直线、停止、左转以及右转等。
例如，在一个或多个实施例中，第一时间段数为2段，每段对应的时间为30秒，即第一时间段数所对应的时间为60秒，则交通指令序列集合中包括多个持续60秒的交通指令序列，该交通指令序列为多个交通指令的排列组合。例如，对于一个具有2个交通信号灯的直行路口，为方便描述，这里将该2个交通信号灯分别称之为交通信号灯A和交通信号灯B，其中控制交通信号灯A的交通指令包括停止(红灯)和通行(绿灯)，控制交通信号灯B的交通指令也包括停止和通行，假设每个交通指令的持续时间是30秒，则在60秒内对交通信号灯A的交通指令进行组合有4种组合方式，即(停止，停止)、(停止，通行)、(通行，停止)和(通行，通行)，在60秒内对交通信号灯B的交通指令进行组合也有4种组合方式，在交通信号灯A与交通信号灯B之间的交通指令不冲突的情况下，交通信号灯A与交通信号灯B的交通指令通过排列组合理论上会得到16种交通指令序列，即可通过排列组合的方式生成16个交通指令序列，每个交通交通指令序列中指令持续时间之和为60秒。
本申请实施例中，在将预先设置的交通指令列表中的交通指令进行组合时，还需要考虑到目标路口的路口类型，使得组合的交通指令序列满足该路口的实际情况。例如，对于T字形路口，其中部分车道前方没有直行的车道而只能右转，因此在进行组合时对于该车道可以有停止和右转的交通指令，而不能有直行的交通指令。
步骤S205.计算出交通指令序列集合中符合交通指挥控制要求的目标交通指令序列。
符合交通指挥控制要求的目标交通指令序列是指在第一时间段数所对应的时间段内使目标路口从拥堵状态达到通畅状态的交通指令序列。
具体的，可根据每辆车在路口的平均通行时间、各车道的车辆汇聚长度以及交通指令序列中的各交通指令(每个交通指令持续时长固定)，通过不同的预测执行某些交通指令后路口的状态来确定出符合要求的目标交通指令序列，即在第一时间段数所对应的时间段内能够使目标路口从拥堵状态达到通畅状态的交通指令序列。
其中，每辆车在路口的平均通行时间可根据目标路口车辆通行的历史数据统计得到。
在一个或多个实施例中，考虑到第一时间段数所对应的时间段内，可能会有其他的车辆驶入目标路口，因此在计算出交通指令序列集合中符合交通指挥控制要求的目标交通指令序列，还可以考虑到在第一时间段数所对应的时间段内目标路口的各车道新增的车辆汇聚长度，该新增的车辆汇聚长度可根据历史经验数据确定。
步骤S206.依据目标交通指令序列对目标路口进行交通指挥控制。
即可将目标交通指令序列发送给交通信号控制设备，由交通信号控制设备根据目标交通指令序列对目标路口的交通信号灯进行控制，从而实现对目标路口的交通指挥控制。
其中，如果符合交通指挥控制要求的目标交通指令序列为多个，则可以从多个目标交通指令序列中随机选择一个交通指令序列，或其中指令变化次数最少的一个交通指令序列对目标路口进行交通指挥控制。
在一个或多个实施例中，在对目标路口进行交通指挥控制过程中，每完成一个时间段的控制后，还可以重复上述步骤S201-步骤S206迭代计算剩余时间段能够使目标路口从拥堵状态达到通畅状态的交通指令序列，并对目标路口进行交通指挥控制，直道目标路口恢复到通畅状态。
综上所述，本申请实施例提供的智慧城市路口交通指挥控制方法，通过获取目标路口的各车道的车辆汇聚长度，基于各车道的车辆汇聚长度确定出目标路口是否存在拥堵车道，如果存在则将各车道的车辆汇聚长度作为预先训练好的预测模型的输入进行运算，得到目标路口达到通畅状态所需的第一时间段数，然后基于目标路口的路口类型，将预先设置的交通指令列表中的交通指令进行组合，得到交通指令序列集合，计算出交通指令序列集合中能够在第一时间段数所对应的时间段内使目标路口从拥堵状态达到通畅状态的交通指令序列，并在第一时间段数所对应的时间段内，依据目标交通指令序列对目标路口进行交通指挥控制。如此，当路口的车道存在拥堵的情形时，能够根据训练的预测模型预测出路口从拥堵状态达到通畅状态所需的时间，并确定出能够在该时间内使路口从拥堵状态达到通畅状态的交通指令序列对路口进行交通指挥控制，从而使得路口能够在尽可能短的时间内从拥堵状态恢复到通畅状态，缓解城市路口拥堵，提高城市路口的通行效率，提升车主的通行体验，同时由于在此过程中无需投入交警进行现场指挥，因此能够有效减低为缓解交通拥堵而投入的人力，便于实际推广和应用。
第二方面，请参阅图4，本申请实施例提供了一种智慧城市路口交通指挥控制装置，该智慧城市路口交通指挥控制装置包括：
获取单元，用于获取待指挥控制的目标路口的各车道的车辆汇聚长度；
确定单元，用于基于各车道的车辆汇聚长度确定出所述目标路口是否存在拥堵车道；
第一运算单元，用于如果存在拥堵车道，则将各车道的车辆汇聚长度作为预先训练好的预测模型的输入进行运算，得到所述目标路口达到通畅状态所需的第一时间段数；
组合单元，用于基于所述目标路口的路口类型，将预先设置的交通指令列表中的交通指令进行组合，得到交通指令序列集合，所述交通指令序列集合中包括多个指令序列长度与所述第一时间段数对应的交通指令序列；
第二运算单元，用于计算出所述交通指令序列集合中符合交通指挥控制要求的目标交通指令序列，符合交通指挥控制要求的目标交通指令序列是指在所述第一时间段数所对应的时间段内使所述目标路口从拥堵状态达到通畅状态的交通指令序列；
指挥控制单元，用于依据所述目标交通指令序列对所述目标路口进行交通指挥控制；
其中，所述预测模型是以所述目标路口存在拥堵车道时各车道的历史车辆汇聚长度作为输入，交警现场指挥下所述目标路口从拥堵状态达到通畅状态所需的第二时间段数作为输出进行训练得到的，所述第一时间段数和所述第二时间段数均表示预设时长的时间段的数量，拥堵状态是指所述目标路口存在拥堵车道，通畅状态是指所述目标路口不存在拥堵车道。
在一个可能的设计中，所述获取单元在用于获取待指挥控制的目标路口的各车道的车辆汇聚长度时，具体用于：
对所述目标路口的各车道图像进行图像识别，识别出所述目标路口的各车道上的车辆；
统计所述目标路口的各车道上的车辆数量，得到所述目标路口的各车道的车辆汇聚数量。
在一个可能的设计中，所述确定单元在用于基于各车道的车辆汇聚长度确定出所述目标路口是否存在拥堵车道时，具体用于：
基于各车道的车辆汇聚长度确定是否存在车辆汇聚长度超过预设长度的目标车道；
如果存在车辆汇聚长度超过预设长度的目标车道，则将所述目标车道判定为拥堵车道。
在一个可能的设计中，智慧城市路口交通指挥控制装置还包括：
量化单元，用于将各车道的车辆汇聚长度进行量化处理，得到一多维向量；
第一运算单元在用于将各车道的车辆汇聚长度作为预先训练好的预测模型的输入进行运算时，具体用于：
将所述多维向量作为预先训练好的预测模型的输入进行运算。
在一个可能的设计中，目标交通指令序列为多个，所述指挥控制单元在用于依据所述目标交通指令序列对所述目标路口进行交通指挥控制时，具体用于：
从多个所述目标交通指令序列中选择其中指令变化次数最少的一个交通指令序列对所述目标路口进行交通指挥控制。
在一个可能的设计中，所述预测模型为CNN模型或ANN模型。
在一个可能的设计中，所述目标路口的各车道为驶入所述目标路口的各个车道。
本实施例第二方面提供的前述装置的工作过程、工作细节和技术效果，可以参见实施例第一方面，于此不再赘述。
如图5所示，本申请实施例第三方面提供了一种智慧城市路口交通指挥控制装置，包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如实施例第一方面所述的智慧城市路口交通指挥控制方法。
具体举例的，所述存储器可以但不限于包括随机存取存储器(RAM)、只读存储器(ROM)、闪存(Flash Memory)、先进先出存储器(FIFO)和/或先进后出存储器(FILO)等等；所述处理器可以不限于采用型号为STM32F105系列的微处理器、ARM(Advanced RISCMachines)、X86等架构处理器或集成NPU(neural-network processing units)的处理器；所述收发器可以但不限于为WiFi(无线保真)无线收发器、蓝牙无线收发器、通用分组无线服务技术(General Packet Radio Service，GPRS)无线收发器、紫蜂协议(基于IEEE802.15.4标准的低功耗局域网协议，ZigBee)无线收发器、3G收发器、4G收发器和/或5G收发器等。
本实施例第三方面提供的装置的工作过程、工作细节和技术效果，可以参见实施例第一方面，于此不再赘述。
本实施例第四方面提供了一种存储包含有实施例第一方面所述的智慧城市路口交通指挥控制方法的指令的计算机可读存储介质，即所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面所述的智慧城市路口交通指挥控制方法。其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本实施例第四方面提供的计算机可读存储介质的工作过程、工作细节和技术效果，可以参见实施例第一方面，于此不再赘述。
本实施例第五方面提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如实施例第一方面所述的智慧城市路口交通指挥控制方法，其中，所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
以上所描述的多个实施例仅仅是示意性的，其中所述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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台仓库代码的合并装置执行各个实施例或者实施例的某些部分所述的方法。
本发明不局限于上述可选实施方式，任何人在本发明的启示下都可得出其他各种形式的产品，但不论在其形状或结构上作任何变化，凡是落入本发明权利要求界定范围内的技术方案，均落在本发明的保护范围之内。
Claims (10)
1.一种智慧城市路口交通指挥控制方法，其特征在于，包括：
获取待指挥控制的目标路口的各车道的车辆汇聚长度；
基于各车道的车辆汇聚长度确定出所述目标路口是否存在拥堵车道；
如果存在拥堵车道，则将各车道的车辆汇聚长度作为预先训练好的预测模型的输入进行运算，得到所述目标路口达到通畅状态所需的第一时间段数；
基于所述目标路口的路口类型，将预先设置的交通指令列表中的交通指令进行组合，得到交通指令序列集合，所述交通指令序列集合中包括多个指令序列长度与所述第一时间段数对应的交通指令序列；
计算出所述交通指令序列集合中符合交通指挥控制要求的目标交通指令序列，符合交通指挥控制要求的目标交通指令序列是指在所述第一时间段数所对应的时间段内使所述目标路口从拥堵状态达到通畅状态的交通指令序列；
依据所述目标交通指令序列对所述目标路口进行交通指挥控制；
其中，所述预测模型是以所述目标路口存在拥堵车道时各车道的历史车辆汇聚长度作为输入，交警现场指挥下所述目标路口从拥堵状态达到通畅状态所需的第二时间段数作为输出进行训练得到的，所述第一时间段数和所述第二时间段数均表示预设时长的时间段的数量，拥堵状态是指所述目标路口存在拥堵车道，通畅状态是指所述目标路口不存在拥堵车道。
2.如权利要求1所述的方法，其特征在于，所述获取待指挥控制的目标路口的各车道的车辆汇聚长度，包括：
对所述目标路口的各车道图像进行图像识别，识别出所述目标路口的各车道上的车辆；
统计所述目标路口的各车道上的车辆数量，得到所述目标路口的各车道的车辆汇聚数量。
3.如权利要求1所述的方法，其特征在于，所述基于各车道的车辆汇聚长度确定出所述目标路口是否存在拥堵车道，包括：
基于各车道的车辆汇聚长度确定是否存在车辆汇聚长度超过预设长度的目标车道；
如果存在车辆汇聚长度超过预设长度的目标车道，则将所述目标车道判定为拥堵车道。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
将各车道的车辆汇聚长度进行量化处理，得到一多维向量；
所述将各车道的车辆汇聚长度作为预先训练好的预测模型的输入进行运算，包括：
将所述多维向量作为预先训练好的预测模型的输入进行运算。
5.如权利要求1所述的方法，其特征在于，当所述目标交通指令序列为多个时，所述依据所述目标交通指令序列对所述目标路口进行交通指挥控制，包括：
从多个所述目标交通指令序列中选择其中指令变化次数最少的一个交通指令序列对所述目标路口进行交通指挥控制。
6.如权利要求1所述的方法，其特征在于，所述预测模型为CNN模型或ANN模型。
7.如权利要求1所述的方法，其特征在于，所述目标路口的各车道为驶入所述目标路口的各个车道。
8.一种智慧城市路口交通指挥控制装置，其特征在于，包括：
获取单元，用于获取待指挥控制的目标路口的各车道的车辆汇聚长度；
确定单元，用于基于各车道的车辆汇聚长度确定出所述目标路口是否存在拥堵车道；
第一运算单元，用于如果存在拥堵车道，则将各车道的车辆汇聚长度作为预先训练好的预测模型的输入进行运算，得到所述目标路口达到通畅状态所需的第一时间段数；
组合单元，用于基于所述目标路口的路口类型，将预先设置的交通指令列表中的交通指令进行组合，得到交通指令序列集合，所述交通指令序列集合中包括多个指令序列长度与所述第一时间段数对应的交通指令序列；
第二运算单元，用于计算出所述交通指令序列集合中符合交通指挥控制要求的目标交通指令序列，符合交通指挥控制要求的目标交通指令序列是指在所述第一时间段数所对应的时间段内使所述目标路口从拥堵状态达到通畅状态的交通指令序列；
指挥控制单元，用于依据所述目标交通指令序列对所述目标路口进行交通指挥控制；
其中，所述预测模型是以所述目标路口存在拥堵车道时各车道的历史车辆汇聚长度作为输入，交警现场指挥下所述目标路口从拥堵状态达到通畅状态所需的第二时间段数作为输出进行训练得到的，所述第一时间段数和所述第二时间段数均表示预设时长的时间段的数量，拥堵状态是指所述目标路口存在拥堵车道，通畅状态是指所述目标路口不存在拥堵车道。
9.一种智慧城市路口交通指挥控制装置，其特征在于：包括依次通信相连的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如权利要求1～7任意一项所述的智慧城市路口交通指挥控制方法。
10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如权利要求1～7任意一项所述的智慧城市路口交通指挥控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210763955.7A CN115083165B (zh) | 2022-06-29 | 2022-06-29 | 智慧城市路口交通指挥控制方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210763955.7A CN115083165B (zh) | 2022-06-29 | 2022-06-29 | 智慧城市路口交通指挥控制方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115083165A true CN115083165A (zh) | 2022-09-20 |
| CN115083165B CN115083165B (zh) | 2023-11-28 |
Family
ID=83257641
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210763955.7A Active CN115083165B (zh) | 2022-06-29 | 2022-06-29 | 智慧城市路口交通指挥控制方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115083165B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105389999A (zh) * | 2015-12-18 | 2016-03-09 | 武汉中科通达高新技术股份有限公司 | 一种基于覆盖网的道路交通协调系统及方法 |
| CN106205156A (zh) * | 2016-08-12 | 2016-12-07 | 南京航空航天大学 | 一种针对部分车道车流突变的交叉口自愈合控制方法 |
| CN106384520A (zh) * | 2016-12-06 | 2017-02-08 | 武汉烽火众智数字技术有限责任公司 | 一种自动调节红绿灯时长的交通信号灯系统及其方法 |
| CN107045790A (zh) * | 2016-12-30 | 2017-08-15 | 浙江海洋大学 | 一种车流量智能监控管理方法 |
| CN108978382A (zh) * | 2018-06-22 | 2018-12-11 | 王梁 | 一种单通多向协同交通方法 |
| CN110853345A (zh) * | 2019-09-25 | 2020-02-28 | 陈广柱 | 一种交警指挥用路口密集信息采集系统 |
| WO2020259074A1 (zh) * | 2019-06-28 | 2020-12-30 | 佛山科学技术学院 | 一种基于大数据的交通拥堵预测系统、方法及存储介质 |
| CN112382103A (zh) * | 2020-11-10 | 2021-02-19 | 桃江县缘湘聚文化传媒有限责任公司 | 城市交通信号灯的智能控制方法、存储介质 |
| CN114141021A (zh) * | 2021-12-16 | 2022-03-04 | 深圳市格林威交通科技有限公司 | 一种智慧城市交通信号灯控制系统及其控制方法 |
| US20220092874A1 (en) * | 2020-12-21 | 2022-03-24 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Method and apparatus of determining vehicle queuing information, roadside device and cloud control platform |
-
2022
- 2022-06-29 CN CN202210763955.7A patent/CN115083165B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105389999A (zh) * | 2015-12-18 | 2016-03-09 | 武汉中科通达高新技术股份有限公司 | 一种基于覆盖网的道路交通协调系统及方法 |
| CN106205156A (zh) * | 2016-08-12 | 2016-12-07 | 南京航空航天大学 | 一种针对部分车道车流突变的交叉口自愈合控制方法 |
| CN106384520A (zh) * | 2016-12-06 | 2017-02-08 | 武汉烽火众智数字技术有限责任公司 | 一种自动调节红绿灯时长的交通信号灯系统及其方法 |
| CN107045790A (zh) * | 2016-12-30 | 2017-08-15 | 浙江海洋大学 | 一种车流量智能监控管理方法 |
| CN108978382A (zh) * | 2018-06-22 | 2018-12-11 | 王梁 | 一种单通多向协同交通方法 |
| WO2020259074A1 (zh) * | 2019-06-28 | 2020-12-30 | 佛山科学技术学院 | 一种基于大数据的交通拥堵预测系统、方法及存储介质 |
| CN110853345A (zh) * | 2019-09-25 | 2020-02-28 | 陈广柱 | 一种交警指挥用路口密集信息采集系统 |
| CN112382103A (zh) * | 2020-11-10 | 2021-02-19 | 桃江县缘湘聚文化传媒有限责任公司 | 城市交通信号灯的智能控制方法、存储介质 |
| US20220092874A1 (en) * | 2020-12-21 | 2022-03-24 | Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. | Method and apparatus of determining vehicle queuing information, roadside device and cloud control platform |
| CN114141021A (zh) * | 2021-12-16 | 2022-03-04 | 深圳市格林威交通科技有限公司 | 一种智慧城市交通信号灯控制系统及其控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115083165B (zh) | 2023-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110562258B (zh) | 一种车辆自动换道决策的方法、车载设备和存储介质 | |
| US10935388B2 (en) | Adaptive optimization of navigational routes using traffic data | |
| CN111145564B (zh) | 信控交叉口的自适应可变车道控制方法及系统 | |
| CN109808709A (zh) | 车辆行驶保障方法、装置、设备及可读存储介质 | |
| CN111492324A (zh) | 基于里程的车辆队列排序 | |
| CN110444015B (zh) | 基于无信号十字路口分区的智能网联汽车速度决策方法 | |
| CN110491147B (zh) | 一种交通信息处理方法、交通信息处理装置及终端设备 | |
| CN106575476A (zh) | 基于车辆网络的用于自主车辆的自动停车场的设备和方法 | |
| CN108564791B (zh) | 交通信息处理方法、装置和计算设备 | |
| CN115004275A (zh) | 车辆交通的自适应控制 | |
| CN113257016B (zh) | 一种交通信号控制方法、装置以及可读存储介质 | |
| CN109584579B (zh) | 基于人脸识别的交通信号灯控制方法及计算机设备 | |
| WO2023226733A1 (zh) | 车辆场景数据的采集方法、装置、存储介质及电子设备 | |
| US11941979B2 (en) | Traffic light control method for urban road network based on expected return estimation | |
| CN115610435B (zh) | 对象行驶意图的预测方法和装置、存储介质及电子装置 | |
| CN115083165A (zh) | 智慧城市路口交通指挥控制方法、装置及存储介质 | |
| DE102018208150A1 (de) | Verfahren und System zum Sicherstellen einer Echtzeitfähigkeit eines Fahrerassistenzsystems | |
| CN117104272A (zh) | 一种智能驾驶方法、系统、交通工具及存储介质 | |
| Yan et al. | Control of traffic lights in intersection: A new branch and bound approach | |
| CN114973737B (zh) | 一种自动驾驶车辆进出自动驾驶专用车道方式控制方法 | |
| CN116135654A (zh) | 一种车辆行驶速度生成方法以及相关设备 | |
| CN114973709A (zh) | 一种城市红绿灯智能控制系统及控制方法 | |
| CN115083198A (zh) | 一种多车运力资源调度方法及装置 | |
| CN113485351A (zh) | 移动机器人的控制方法、装置、移动机器人及存储介质 | |
| CN113851003A (zh) | 车辆控制系统、车辆控制方法、车辆控制设备及存储介质 |
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 |