CN115240447A - 一种智能交通障碍桩 - Google Patents

Abstract

本发明涉及智能交通设施技术领域，尤其是一种智能交通障碍桩，包括：指示获取模块，用于获取信号灯的指示信号；身份识别模块，用于识别道路中的指挥人员，并生成指挥人员识别结果；手势识别模块，用于根据所述指挥人员识别结果，识别指挥人员的手势信号，并生成手势信号识别结果；行进数据获取模块，用于获取路口中行人的行进数据；障碍桩控制模块，用于根据指挥人员识别结果，选择控制数据，并控制交通障碍桩进行升降；控制数据包括信号灯的指示信号、手势信号识别结果和行人的行进数据。采用本方案，能够提升交通障碍桩在车辆防闯红灯场景下的智能性，以便交通障碍桩对道路车辆遵守交通规则起到促进作用，减少交通事故发生的概率。

Description

一种智能交通障碍桩

技术领域

本发明涉及智能交通设施技术领域，特别涉及一种智能交通障碍桩。

背景技术

交通障碍桩是日常生活中常用的交通设施，被广泛应用于各种场景。例如，在某些路段需要限制通行车辆的车型，就需要采用交通障碍桩阻拦大型车辆通过；在某些路段的特定时间，需要限制车辆的通行，也需要使用交通障碍桩对车辆进行阻拦。上述交通障碍桩的应用，均对交通障碍桩的智能性要求较低，仅需交通障碍桩在特定时间完成升降即可，故交通障碍桩在上述场景的实际应用较多。

在道路情况复杂，红绿灯繁多的路口，也需要交通障碍桩对道路车辆起到提示、限制行驶的作用，以降低交通事故的发生概率，但实际生活中，交通障碍桩在此场景的应用极少。现有技术中，公开了一种路口防闯红灯安全通行装置，该装置是一种类似于小区进出口的自动升降杆和自动升降栅栏，在十字路口或其它类型的路口每个车辆道设置与红绿灯同步工作的自动升降杆，在斑马线两端设置自动升降栅栏。上述专利可以提高人们的安全意识，让行人在过马路时更安全，使得过往的电动车、摩托车及其他车辆遵守交通规则，减少交通事故的发生。但上述方案灵活性较差，无法根据实际的道路情况进行升降时间的调整，这也是交通障碍桩无法大量应用于路口车辆防闯红灯场景的原因之一。

发明内容

本发明提供了一种智能交通障碍桩，能够提升交通障碍桩在车辆防闯红灯场景下的智能性，以便交通障碍桩对道路车辆遵守交通规则起到促进作用，减少交通事故发生的概率。

为了达到上述目的，本发明的基础方案如下：

一种智能交通障碍桩，包括指示获取模块、身份识别模块、手势识别模块、行进数据获取模块和障碍桩控制模块；

所述指示获取模块，用于获取信号灯的指示信号；

所述身份识别模块，用于识别道路中的指挥人员，并生成指挥人员识别结果；

所述手势识别模块，用于根据所述指挥人员识别结果，识别指挥人员的手势信号，并生成手势信号识别结果；

所述行进数据获取模块，用于获取路口中行人的行进数据；

所述障碍桩控制模块，用于根据指挥人员识别结果，选择控制数据，并根据选择的控制数据控制交通障碍桩进行升降；所述控制数据包括信号灯的指示信号、手势信号识别结果和行人的行进数据。

本发明的原理及优点在于：在道路情况复杂，指示灯分布繁杂的路口中，交通信号的识别难度较大，可能存在驾驶员信号灯误判的情况，此时，在道路中设置交通指示辅助装置，能够有效帮助驾驶员对交通信号进行识别，从而对预防事故发生具有良好的促进作用。但现有技术中提供的交通辅助装置灵活性过差，无法适应实时路况，可能使得道路情况复杂的路口拥堵情况进一步加剧，导致该类型的交通辅助装置无法在实际生活中得以运用。故本方案中，采用交通障碍桩，结合信号灯的指示信号和指挥人员的手势信号，帮助驾驶员对交通信号进行识别，提升了交通辅助装置的灵活性，克服了交通辅助装置因其不灵活性而引起的技术偏见，使其能够实际应用在道路中，对道路车辆遵守交通规则起到了促进作用。

车辆能否通过当前路口，不仅需要通过信号灯的指示信号进行判断，在有指挥人员在道路中进行指挥时，还需将指挥人员的手势信号作为优先级的判断依据，故本方案中，障碍桩控制模块根据指挥人员识别结果，选择采用的控制数据，相对于直接根据信号灯的指示信号进行控制而言，本方案的灵活性更强，更能够适应实际的道路环境。

另外，本方案中还对路口中行人的行进数据进行采集，由此能在行人未遵守交通规则或未能遵守交通规则通过斑马线的情况下，通过控制交通障碍桩起到限制车辆行驶的作用，进一步防止交通事故的发生。

综上，采用本方案，能够提升交通障碍桩在车辆防闯红灯场景下的智能性，以便交通障碍桩对道路车辆遵守交通规则起到促进作用，减少交通事故发生的概率。

进一步，所述障碍桩控制模块包括识别结果获取模块、数据选用模块和升降控制模块；

所述识别结果获取模块，用于获取所述指挥人员识别结果；

所述数据选用模块，用于根据指挥人员识别结果，选择控制数据，并生成数据选择结果；所述数据选择结果包括当所述指挥人员识别结果显示道路中有指挥人员时，选择手势信号识别结果和行人的行进数据作为控制数据；当所述指挥人员识别结果显示道路中没有指挥人员时，选择信号灯的指示信号和行人的行进数据作为控制数据；

所述升降控制模块，用于根据数据选择结果，控制交通障碍桩进行升降。

有益效果：当道路中没有指挥人员时，根据信号灯的指示信号和行人的行进数据对交通障碍桩的升降进行控制；当道路中有指挥人员时，由于指挥人员的指挥信号优先于信号灯的指示信号，故根据手势信号识别结果和行人的行进数据对交通障碍桩的升降进行控制。由此，提升了交通障碍桩的智能型、灵活性，使其升降的控制更加符合真实道路情况。

进一步，所述行进数据包括行进路线和行进速度；所述障碍桩控制模块还包括时间计算模块；

所述时间计算模块，用于根据行进路线和行进速度，计算行人通过路口的时间，并生成计算结果；

所述升降控制模块，还用于根据所述计算结果，控制交通障碍桩进行升降。

有益效果：根据行人的行进路线和行进速度，计算行人通过路口的时间，再据此控制交通障碍桩的升降，可以在行人未遵守交通规则或未能遵守交通规则通过斑马线的情况下，通过控制交通障碍桩起到限制车辆行驶的作用，防止交通事故的发生。

进一步，还包括协助提示模块；所述行进数据还包括行进辅助工具；

所述协助提示模块，用于根据行人的行进辅助工具，发出协助提示。

有益效果：当行人需要通过行进辅助工具辅助其行走时，可能存在无法在绿灯时间内通过斑马线的情况，故本方案中，根据行人的行进辅助工具，发出协助提示，请求旁人的帮助，使其能够快速通过斑马线。

进一步，还包括车辆数据获取模块，所述车辆数据获取模块包括车速获取模块、距离获取模块和制动分析模块；

所述车速获取模块，用于获取道路中车辆的车速；

所述距离获取模块，用于获取道路中车辆与交通障碍桩的距离；

所述制动分析模块，用于根据道路中车辆的车速、车辆与交通障碍桩的距离，分析车辆能否在行驶至交通障碍桩前制动，并生成制动能力分析结果；

所述升降控制模块，用于根据所述制动能力分析结果，控制交通障碍桩进行升降。

有益效果：根据道路中车辆的车速、车辆与交通障碍桩的距离，分析车辆能否在行驶至交通障碍桩前制动，再据此控制交通障碍桩进行升降，可以避免车辆无法及时制动时交通障碍桩升起，致使事故的发生。采用本方案，能够进一步提升交通障碍桩的灵活性，降低事故发生概率。

进一步，所述车辆数据获取模块还包括车辆识别模块和制动性能分析模块；

所述车辆识别模块，用于识别车辆的型号，并生成型号识别结果；

所述制动性能分析模块，用于根据型号识别结果，分析车辆的制动性能，并生成制动性能分析结果；

所述制动分析模块，用于根据道路中车辆的车速、车辆与交通障碍桩的距离和制动性能分析结果，分析车辆能否在行驶至交通障碍桩前制动。

有益效果：不同型号的车辆其制动性能也具有较大的差异，故本方案中，根据型号识别结果，分析车辆的制动性能，再根据道路中车辆的车速、车辆与交通障碍桩的距离和制动性能分析结果，分析车辆能否在行驶至交通障碍桩前制动，使得分析出来的结论更加真实可靠，提升了制动分析准确性。

进一步，所述车辆数据获取模块还包括加速度获取模块和制动行为分析模块；

所述加速度获取模块，用于获取车辆的加速度；

所述制动行为分析模块，用于根据车辆的加速度，分析车辆是否存在制动行为，若否，则根据所述障碍桩控制模块的控制信号，分析车辆是否能在交通障碍桩升起前通过交通障碍桩，并生成通行能力分析结果；

所述升降控制模块，还用于根据通行能力分析结果，控制交通障碍桩进行升降。

有益效果：不同司机在面临信号灯转换的时候，采用的应对措施存在一定的差异，有的司机会选择减速并停车等候，但有的司机会选择加速赶在信号灯转换前通过。故本方案中，根据车辆的加速度，分析车辆是否存在制动行为，若否，则根据所述障碍桩控制模块的控制信号，分析车辆是否能在交通障碍桩升起前通过交通障碍桩，再据此控制交通障碍桩的升降，由此，可以在司机选择加速通过时，防止交通障碍桩升起，从而提升交通障碍桩的灵活性，降低事故发生概率。

进一步，所述车辆数据获取模块还包括警示模块，用于根据通行能力分析结果，发出危险警示。

有益效果：司机加速通过的行为会导致发生交通事故的概率增加，故本方案中会根据通行能力分析结果，发出危险警示，由此提醒道路中的其他车辆和行人提高警惕，预防事故的发生。

附图说明

图1为本发明实施例一种智能交通障碍桩的逻辑框图。

具体实施方式

下面通过具体实施方式进一步详细说明：

实施例1：

实施例1基本如附图1所示：

一种智能交通障碍桩，包括指示获取模块、身份识别模块、手势识别模块、行进数据获取模块、车辆数据获取模块、障碍桩控制模块和协助提示模块。所述智能交通障碍桩设置在路口的各个斑马线前，每个斑马线前的不同车道均设有交通障碍桩，以实现对于各条车道车辆的提示与限制。

指示获取模块用于获取信号灯的指示信号，本实施例中，所述信号灯的指示信号包括绿灯通行信号和红灯禁止通行信号。

身份识别模块用于识别道路中的指挥人员，并生成指挥人员识别结果，所述指挥人员识别结果包括道路中是否存在指挥人员以及指挥人员身份确认结果。首先，对道路中是否存在指挥人员进行识别，若是，则对该指挥人员的身份进行确认，并生成身份确认结果。

手势识别模块用于根据所述指挥人员识别结果，识别指挥人员的手势信号，并生成手势信号识别结果。具体的，当道路中存在指挥人员且身份确认结果显示确定为指挥人员时，识别该指挥人员的手势信号，并将识别到的手势信号与预存的手势信号库进行比对，生成手势信号识别结果。

行进数据获取模块用于获取路口中行人的行进数据，本实施例中，获取预设区域内行人的行进数据，所述预设区域为斑马线区域；所述行进数据包括行进路线、行进速度和行进辅助工具。协助提示模块用于根据行人的行进辅助工具，发出协助提示，本实施例中，当行人的行进辅助工具为拐杖、轮椅和导盲棍中的一种时，协助提示模块发出协助提示，请求旁人的帮助，使其能够快速通过斑马线。

障碍桩控制模块用于根据指挥人员识别结果，选择控制数据，并根据选择的控制数据控制交通障碍桩进行升降；所述控制数据包括信号灯的指示信号、手势信号识别结果和行人的行进数据。所述障碍桩控制模块包括识别结果获取模块、数据选用模块、时间计算模块和升降控制模块。

识别结果获取模块用于获取所述指挥人员识别结果。

数据选用模块用于根据指挥人员识别结果，选择控制数据，并生成数据选择结果；所述数据选择结果包括当所述指挥人员识别结果显示道路中有指挥人员时，选择手势信号识别结果和行人的行进数据作为控制数据；当所述指挥人员识别结果显示道路中没有指挥人员时，选择信号灯的指示信号和行人的行进数据作为控制数据。

时间计算模块用于根据行进路线和行进速度，计算行人通过路口的时间，并生成计算结果。本实施例中，各交通障碍桩分别进行控制，时间计算模块根据行进路线和行进速度，计算行人通过各条车道对应的斑马线所需的时间。以下数据的获取和交通障碍桩的控制均分别进行采集、分析和控制。

车辆数据获取模块包括车速获取模块、距离获取模块、车辆识别模块、制动性能分析模块、制动分析模块、加速度获取模块、制动行为分析模块和警示模块。

车速获取模块用于获取道路中车辆的车速。距离获取模块用于获取道路中车辆与交通障碍桩的距离。车辆识别模块用于识别车辆的型号，并生成型号识别结果。制动性能分析模块，用于根据型号识别结果，分析车辆的制动性能，并生成制动性能分析结果，本实施例中，车辆识别模块识别出车辆的型号后，制动性能分析模块将型号识别结果与预存的型号库进行比对，所述型号库内存储有车辆型号，以及各型号车辆对应的制动性能对照表，根据比对结果生成制动性能分析结果。

所述制动分析模块，用于根据道路中车辆的车速、车辆与交通障碍桩的距离和制动性能分析结果，分析车辆能否在行驶至交通障碍桩前制动，并生成制动能力分析结果。本实施例中，制动分析模块通过人工智能的方式，将道路中车辆的车速、车辆与交通障碍桩的距离和制动性能分析结果作为输入层的输入，制动能力分析结果作为输出层的输出。

具体的，制动分析模块包括BP神经网络模块，BP神经网络模块包括BP神经网络模型，BP神经网络模块使用BP神经网络技术来对制动能力进行分析，具体的首先构建一个三层的BP神经网络模型，包括输入层、隐层和输出层，本实施例中，将道路中车辆的车速、车辆与交通障碍桩的距离和制动性能分析结果作为输入层的输入，因此输入层有3个节点，而输出是制动能力分析结果，因此共有1个节点；针对于隐层，本实施例使用了以下公式来确定隐层节点的数量：

其中l为隐层的节点数，n为输入层的节点数，m为输出层的节点数，a为1至10之间的一个数，本实施例中取为6，因此隐层共有8个节点。BP神经网络通常采用Sigmoid可微函数和线性函数作为网络的激励函数。本实施例选择S型正切函数tansig作为隐层神经元的激励函数。预测模型选取S型对数函数tansig作为输出层神经元的激励函数。在BP网络模型构建完毕后，利用历史数据作为样本对模型进行训练，训练完成后得到的模型可以取得较为准确的分析结果。

加速度获取模块用于获取车辆的加速度；制动行为分析模块用于根据车辆的加速度，分析车辆是否存在制动行为，若否，则根据所述障碍桩控制模块的控制信号，分析车辆是否能在交通障碍桩升起前通过交通障碍桩，并生成通行能力分析结果；警示模块，用于根据通行能力分析结果，发出危险警示，本实施例中，分析通行线路与所述车辆交叉的车辆和行人，并在对于车辆的通行车道和对应行人的行走斑马线上，采用激光在道路上投映警示词，本实施例中投映红色字体“停”字。

所述升降控制模块，用于根据数据选择结果、计算结果、制动能力分析结果和通行能力分析结果，控制交通障碍桩进行升降。具体控制逻辑如下：

控制方案一：当数据选择结果为选择手势信号识别结果和行人的行进数据作为控制数据时。

首先，根据预存的控制对照表(手势信号识别结果，以及与各手势信号对应的升降控制方法)，识别指挥人员采用当前手势时，交通障碍桩应当为升起还是降下。其次，根据计算结果，判断当前交通障碍桩应当为升起还是降下，具体的，在行人通过对应斑马线区域后，相应的交通障碍桩应当降下，否则交通障碍桩应当升起。再次，分析车辆的制动能力，当制动能力分析结果显示车辆能在行驶至交通障碍桩前制动时，判定当前交通障碍桩应当升起，否则降下。综合上述判断，当所有判断结果均为当前时刻交通障碍桩应当升起时，控制交通障碍桩升起，否则交通障碍桩降下。

控制方案二：当数据选择结果为选择信号灯的指示信号和行人的行进数据作为控制数据时。

首先，当信号灯的指示信号为绿灯通行信号时，判定交通障碍桩应当降下；当信号灯的指示信号为红灯禁止通行信号时，判定交通障碍桩应当升起。其次，根据计算结果，判断当前交通障碍桩应当为升起还是降下，具体的，在行人通过对应斑马线区域后，相应的交通障碍桩应当降下，否则交通障碍桩应当升起。再次，根据车辆的加速度判断车辆是否存在制动行为，若是，分析车辆的制动能力，当制动能力分析结果显示车辆能在行驶至交通障碍桩前制动时，判定当前交通障碍桩应当升起，否则降下；若否，分析车辆的通行能力，当通行能力分析结果显示车辆能在交通障碍桩升起前(此处所指的交通障碍桩升起前指：当前信号灯的指示信号为绿灯，根据信号灯的指示信号变化规律预计的下一次红灯亮起的时间，也即无干扰情况下，预计的交通障碍桩会根据信号灯的变换升起的时间)通过交通障碍桩时，判定当前交通障碍桩应当升起，否则降下。综合上述判断，当所有判断结果均为当前时刻交通障碍桩应当升起时，控制交通障碍桩升起，否则交通障碍桩降下。

实施例2：

实施例2基本原理与实施例1相同，其区别在于实施例2中还包括危险警示模块，所述危险警示模块包括制动行为获取模块、车牌获取模块、车主信息获取模块和危险信息发送模块；

所述制动行为获取模块，用于制动行为分析模块分析出的车辆是否存在制动行为的制动行为分析结果；

所述车牌获取模块，用于当车辆不存在制动行为时，获取车辆的车牌号；

所述车主信息获取模块，用于根据车牌号获取车主的身份信息；所述身份信息包括手机号，本实施例中，通过大数据获取车主的身份信息；

所述危险信息发送模块，用于根据车主的身份信息，向车主发送危险提示；提示其加速通过路口的行为存在危险。本实施例中，采用信息提示的原因在于，加速通过路口的车主严遵交规的可能性相对较低，通过电话进行提醒时，车主可能在车辆行驶过程中接听电话，危险系数较高，故采用本方案，安全性更强，能够降低事故发生的可能性。

综上，采用本方案，能够对驾驶习惯较差的车主进行提醒，提示其危险驾驶行为虽然未造成交通事故，未收到违章信息，但其危险驾驶行为已被监测到，有利于该类车主改善其危险驾驶行为。且针对该类车主，采用短信提示的方式，防止其在车辆行驶过程中接听提示电话，进一步降低事故发生的可能性。

实施例3：

实施例3基本原理与实施例1相同，其区别在于实施例3中还包括引导模块，所述引导模块包括事故获取模块、距离计算模块、支援分析模块、路线生成模块和声光提示模块；所述交通障碍桩的顶端设有声光提示装置；

所述事故获取模块，用于获取道路中的事故情况；所述事故情况包括事故发生地点和事故严重性；

所述距离计算模块，用于计算道路中各指挥人员与事故发生地点的距离；

所述支援分析模块，用于根据事故严重性，分析需要支援的指挥人员数量，并根据需要支援的指挥人员数量，选择距离事故发生地点最近的指挥人员请求支援，具体的，控制指挥人员所在地的交通障碍桩上的声光提示装置发声，提示其前往事故发生地；由此，可以已最快的速度获得适量指挥人员的支援，防止过多指挥人员前往支援，致使交通无人指挥；本实施例中，根据事故车辆数量、事故伤亡情况和事故占到情况，分析事故严重性，具体采用人工智能的方式进行分析，将事故车辆数量、事故伤亡情况和事故占到情况作为输入层的输入，将事故严重性作为输出层的输出，具体分析方式与制动分析模块的分析方式相同，在此不再赘述。事故严重性分为高、中、低三个等级，对应需要的指挥人员数量为五人、三人和两人；

所述路线生成模块，用于生成指挥人员抵达事故发生地点的路线；

所述声光提示模块，用于控制指挥人员抵达事故发生地点的路线上(精确到各个车道)，相应交通障碍桩上的声光提示装置开启，提示指挥人员行进路线，协助其尽快达到事故发生地，提升事故处理效率。

以上的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (8)

1.一种智能交通障碍桩，其特征在于：包括指示获取模块、身份识别模块、手势识别模块、行进数据获取模块和障碍桩控制模块；

所述指示获取模块，用于获取信号灯的指示信号；

所述身份识别模块，用于识别道路中的指挥人员，并生成指挥人员识别结果；

所述手势识别模块，用于根据所述指挥人员识别结果，识别指挥人员的手势信号，并生成手势信号识别结果；

所述行进数据获取模块，用于获取路口中行人的行进数据；

所述障碍桩控制模块，用于根据指挥人员识别结果，选择控制数据，并根据选择的控制数据控制交通障碍桩进行升降；所述控制数据包括信号灯的指示信号、手势信号识别结果和行人的行进数据。

2.根据权利要求1所述的智能交通障碍桩，其特征在于：所述障碍桩控制模块包括识别结果获取模块、数据选用模块和升降控制模块；

所述识别结果获取模块，用于获取所述指挥人员识别结果；

所述数据选用模块，用于根据指挥人员识别结果，选择控制数据，并生成数据选择结果；所述数据选择结果包括当所述指挥人员识别结果显示道路中有指挥人员时，选择手势信号识别结果和行人的行进数据作为控制数据；当所述指挥人员识别结果显示道路中没有指挥人员时，选择信号灯的指示信号和行人的行进数据作为控制数据；

所述升降控制模块，用于根据数据选择结果，控制交通障碍桩进行升降。

3.根据权利要求2所述的智能交通障碍桩，其特征在于：所述行进数据包括行进路线和行进速度；所述障碍桩控制模块还包括时间计算模块；

所述时间计算模块，用于根据行进路线和行进速度，计算行人通过路口的时间，并生成计算结果；

所述升降控制模块，还用于根据所述计算结果，控制交通障碍桩进行升降。

4.根据权利要求1所述的智能交通障碍桩，其特征在于：还包括协助提示模块；所述行进数据还包括行进辅助工具；

所述协助提示模块，用于根据行人的行进辅助工具，发出协助提示。

5.根据权利要求2所述的智能交通障碍桩，其特征在于：还包括车辆数据获取模块，所述车辆数据获取模块包括车速获取模块、距离获取模块和制动分析模块；

所述车速获取模块，用于获取道路中车辆的车速；

所述距离获取模块，用于获取道路中车辆与交通障碍桩的距离；

所述制动分析模块，用于根据道路中车辆的车速、车辆与交通障碍桩的距离，分析车辆能否在行驶至交通障碍桩前制动，并生成制动能力分析结果；

所述升降控制模块，用于根据所述制动能力分析结果，控制交通障碍桩进行升降。

6.根据权利要求5所述的智能交通障碍桩，其特征在于：所述车辆数据获取模块还包括车辆识别模块和制动性能分析模块；

所述车辆识别模块，用于识别车辆的型号，并生成型号识别结果；

所述制动性能分析模块，用于根据型号识别结果，分析车辆的制动性能，并生成制动性能分析结果；

所述制动分析模块，用于根据道路中车辆的车速、车辆与交通障碍桩的距离和制动性能分析结果，分析车辆能否在行驶至交通障碍桩前制动。

7.根据权利要求6所述的智能交通障碍桩，其特征在于：所述车辆数据获取模块还包括加速度获取模块和制动行为分析模块；

所述加速度获取模块，用于获取车辆的加速度；

所述制动行为分析模块，用于根据车辆的加速度，分析车辆是否存在制动行为，若否，则根据所述障碍桩控制模块的控制信号，分析车辆是否能在交通障碍桩升起前通过交通障碍桩，并生成通行能力分析结果；

所述升降控制模块，还用于根据通行能力分析结果，控制交通障碍桩进行升降。

8.根据权利要求7所述的智能交通障碍桩，其特征在于：所述车辆数据获取模块还包括警示模块，用于根据通行能力分析结果，发出危险警示。

Images