CN115440052B - 一种基于大数据的交通流控制方法及装置 - Google Patents

一种基于大数据的交通流控制方法及装置 Download PDF

Info

Publication number
CN115440052B
CN115440052B CN202211397209.7A CN202211397209A CN115440052B CN 115440052 B CN115440052 B CN 115440052B CN 202211397209 A CN202211397209 A CN 202211397209A CN 115440052 B CN115440052 B CN 115440052B
Authority
CN
China
Prior art keywords
road
image
road section
traffic
vehicle
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
Application number
CN202211397209.7A
Other languages
English (en)
Other versions
CN115440052A (zh
Inventor
龙天才
陈颜
李�权
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.)
Chengdu Vocational and Technical College of Industry
Original Assignee
Chengdu Vocational and Technical College of Industry
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 Chengdu Vocational and Technical College of Industry filed Critical Chengdu Vocational and Technical College of Industry
Priority to CN202211397209.7A priority Critical patent/CN115440052B/zh
Publication of CN115440052A publication Critical patent/CN115440052A/zh
Application granted granted Critical
Publication of CN115440052B publication Critical patent/CN115440052B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G08G1/07—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
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/095—Traffic lights

Abstract

本发明属于大数据处理技术领域，涉及一种基于大数据的交通流控制方法及装置，包括以下步骤：实时对交通道路上的图像进行采集，并对采集的图像进行图像处理，以获取交通道路上的车辆信息；通过标定所述图像采集装置的参数建立所述图像采集装置的透视模型，并根据三维世界坐标和二维图像坐标间的关系，将图像中的车队长度转换为实际长度；根据车队的实际长度计算车队通过道路交通路口或路段的时间，并根据时间对道路交通路口或路段的信号灯进行调控。本发明可以实时对交通道路上的车流量进行预测，有效的对交通道路上的信号灯进行调控，可以大大降低交通道路上的负载量，提高道路利用率，缓解道路拥堵情况。

Description

一种基于大数据的交通流控制方法及装置
技术领域
本发明涉及大数据处理技术领域，尤其涉及一种基于大数据的交通流控制方法及装置。
背景技术
随着大数据技术的成熟，将大数据平台应用于各行各业已经成为了发展趋势，在智能交通系统的发展中，大数据技术同样不可或缺，合理的利用大数据处理平台，可以有效的解决海量交通流数据的分析和处理难题。
随着社会的持续发展，人民生活水平也随着提高，道路交通量的增长也随之而来，对交通流做出及时准确的预测并进行快速有效的控制是改善交通拥堵的重要途径。
目前，在现有技术中，对于道路的交通流控制往往不够迅速，无法根据实时的车流量对区间车流量进行预测，大大降低了道路交通控制的灵活性。
发明内容
为了现有技术存在的上述技术缺陷，本发明提供了一种基于大数据的交通流控制方法及装置，可以有效解决背景技术中的问题。
为了解决上述技术问题，本发明提供的技术方案具体如下：
本发明实施例公开了一种基于大数据的交通流控制方法，包括以下步骤：
实时对交通道路上的图像进行采集，并对采集的图像进行图像处理，以获取交通道路上的车辆信息；
通过标定所述图像采集装置的参数建立所述图像采集装置的透视模型，并根据三维世界坐标和二维图像坐标间的关系，将图像中的车队长度转换为实际长度；
根据车队的实际长度计算车队通过道路交通路口或路段的时间，并根据时间对道路交通路口或路段的信号灯进行调控。
在上述任一方案中优选的是，在城市交通道路上设置图像采集装置，通过所述图像采集装置实时对道路交通路口或路段的图像进行采集，并在采集完成后，对采集的图像进行预处理。
在上述任一方案中优选的是，预处理包括以下步骤：
将采集的道路交通路口或路段的图像进行灰度化处理；
将灰度化处理完成后的图像输入至高斯滤波器中进行滤波；
对滤波后的图像进行边缘检测并进行阈值分割，以完成图像的边缘定位。
在上述任一方案中优选的是，高斯滤波器为使用二维零均值离散高斯函数作平滑 滤波器，函数表达式为：
Figure 688867DEST_PATH_IMAGE001
，式中，σ为高斯分布参数；平滑滤波的处 理过程为：以一个局部领域或窗口内像素值的函数运算结果作为输出：
Figure 427016DEST_PATH_IMAGE002
，式中，W为 I[x,y]为中心的窗口或局部领域，f为二维零均值离散高斯函数；在进行平滑滤波时，通过 不对图像的4个边缘进行处理，以保证图像4个变缘的原始像素值。
在上述任一方案中优选的是，通过以下步骤对图像内的车道信息进行提取：
从采集的视频图像中任意选取一帧图像进行标定；
在所选取的图像中选取车道区域，并生成一个与需要处理的图像尺寸相同的二值掩膜，将车道区域像素设定为1，其余像素设定为0；
将二值掩膜与待处理图像的各个像素点对点相与，即得到车道区域。
在上述任一方案中优选的是，通过以下方式对图像进行水平投影，以便于将车道区域内的车辆队列进行提取：
设图像为I(i,j)，大小为M*N，对非零像素值T进行统计，第i列的非零像素点的数 目为xs[i]，第j行非零像素点的数目为ys[j]，xs[i]和ys[j]分别为图像i的垂直和水平投 影，则
Figure 71624DEST_PATH_IMAGE003
；
Figure 780211DEST_PATH_IMAGE004
。
在上述任一方案中优选的是，通过对图像进行水平投影后，生成直方图，设置车间距阈值参数为d，设判断直方图的每一行中是否存在车辆信息的车辆存在阈值为ex，从起始行S进行搜索，根据投影后每一行的信息量是否大于车辆存在阈值ex来判断是否存在车辆，若从某一行E(E≥S)开始，连续d行图像的信息量都小于ex，则该行即为车队队尾，E行与S行之差即为车辆在图象中的像素长度。
在上述任一方案中优选的是，通过以下方式计算图像中车队的实际长度：
根据车队队尾在图像中的所在行E和起始线所在行S，在车道范围内任取一列j，其中，j列与两行的交点分别为(E,j)和(S,j)；
通过图像坐标与三维世界坐标的关系函数分别求出点(E,j)和点(S,j)在世界坐标系中的坐标(X1,Y1,0)和(X2,Y2,0)；
通过公式
Figure 332415DEST_PATH_IMAGE005
计算车队的实际长度L。
在上述任一方案中优选的是，提取所述图像采集装置采集的该道路交通路口或路 段的历史图像，通过公式
Figure 925070DEST_PATH_IMAGE006
，计算该路段内车辆平均速度V，其中，Lc为检测 路段长度，N为检测路段车辆总数，ti为车辆i在监测路段行驶的时间；对该道路交通路口或 路段的历史车辆的行驶时间进行筛选，得到在监测路段行驶的最长时间所对应的车辆imax 和在监测路段行驶的最短时间所对应的车辆imin，进而通过公式
Figure 491312DEST_PATH_IMAGE007
；
Figure 434997DEST_PATH_IMAGE008
，分别计算出第一平均速度V1和第二平均速度V2；设置Tmin为当前道 路交通路口或路段的初始绿灯时间，在预设的一个时间间隔内，如若无后续车辆到达，则初 始绿灯结束后进行更换信号；若检测到有后续车辆到达，则绿灯延长T0时间，直到绿灯延时 达到预设的最长延时时间Tmax时，停止绿灯，中止此道路交通路口或路段的车辆通行权；其 中，
Figure 728575DEST_PATH_IMAGE009
，
Figure 441316DEST_PATH_IMAGE010
，
Figure 208153DEST_PATH_IMAGE011
，L为车队的实际长度，当前道路交通 路口或路段的实际绿灯时间T满足Tmin≤T≤Tmax。
第二方面，一种基于大数据的交通流控制装置，所述装置包括：
采集模块，用于实时对交通道路上的图像进行采集，并对采集的图像进行图像处理，以获取交通道路上的车辆信息；
处理模块，用于通过标定所述图像采集装置的参数建立所述图像采集装置的透视模型，并根据三维世界坐标和二维图像坐标间的关系，将图像中的车队长度转换为实际长度；
调控模块，用于根据车队的实际长度计算车队通过道路交通路口或路段的时间，并根据时间对道路交通路口或路段的信号灯进行调控。
与现有技术相比，本发明的有益效果：
本发明提供了一种基于大数据的交通流控制方法及装置，通过实时对交通道路上的图像进行采集，并对采集的图像进行图像处理，以获取交通道路上的车辆信息；通过标定所述图像采集装置的参数建立所述图像采集装置的透视模型，并根据三维世界坐标和二维图像坐标间的关系，将图像中的车队长度转换为实际长度；根据车队的实际长度计算车队通过道路交通路口或路段的时间，并根据时间对道路交通路口或路段的信号灯进行调控；可以实时对交通道路上的车流量进行预测，有效的对交通道路上的信号灯进行调控，可以大大降低交通道路上的负载量，提高道路利用率，缓解道路拥堵情况。
附图说明
附图用于对本发明的进一步理解，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
图1是本发明基于大数据的交通流控制方法的流程图；
图2是本发明基于大数据的交通流控制装置的模块示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元件上。
在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
为了更好地理解上述技术方案，下面将结合说明书附图及具体实施方式对本发明技术方案进行详细说明。
本发明提供了一种基于大数据的交通流控制方法，如图1所示，所述方法包括以下步骤：
步骤1，实时对交通道路上的图像进行采集，并对采集的图像进行图像处理，以获取交通道路上的车辆信息。
具体的，在城市交通道路上设置图像采集装置，通过所述图像采集装置实时对道路交通路口或路段的图像进行采集，由于在对图像进行采集、传输和处理中，常会受到环境因素的干扰，往往会使图像和原始景物或者与原始图像之间存在一些差异，为准确提取出图像中的信息，通过图像采集装置对道路交通路口或路段的图像采集完成后，对采集的图像进行预处理。
进一步的，预处理包括以下步骤：
将采集的道路交通路口或路段的图像进行灰度化处理；
将灰度化处理完成后的图像输入至高斯滤波器中进行滤波；
对滤波后的图像进行边缘检测并进行阈值分割，以完成图像的边缘定位。
其中，高斯滤波器为使用二维零均值离散高斯函数作平滑滤波器，函数表达式为：
Figure 639134DEST_PATH_IMAGE012
，式中，σ为高斯分布参数；平滑滤波的处理过程为：以一个局部领 域或窗口内像素值的函数运算结果作为输出：
Figure 470824DEST_PATH_IMAGE013
，式中，W是 I[x,y]为中心的窗口或局部领域，f为二维零均值离散高斯函数；在进行平滑滤波时，由于 图像四周边缘的像素不能被模板完全覆盖，可通过不对图像的4个边缘进行处理，保证图像 4个变缘的原始像素值，以解决图像边界点不易处理的问题。
在一个具体的实施方式中，选取σ为1的高斯滤波器进行平滑处理，其窗口函数为：
Figure 54383DEST_PATH_IMAGE014
。
进一步的，由于所述图像采集装置采集的图像中包括大量非交通信息，需对图像中含有车辆信息的区域进行提取，以实现消除非车道背景，保留车道区域以内的图像。
进一步的，通过以下步骤对图像内的车道信息进行提取：
从采集的视频图像中任意选取一帧图像进行标定；
在所选取的图像中选取车道区域，并生成一个与需要处理的图像尺寸相同的二值掩膜，将车道区域像素设定为1，其余像素设定为0；
将二值掩膜与待处理图像的各个像素点对点相与，即得到车道区域。
进一步的，为便于将车道区域内的车辆队列进行提取，通过以下方式对图像进行水平投影：
设图像为I(i,j)，大小为M*N，对非零像素值T进行统计，第i列的非零像素点的数 目为xs[i]，第j行非零像素点的数目为ys[j]，xs[i]和ys[j]分别为图像i的垂直和水平投 影，则
Figure 946116DEST_PATH_IMAGE015
；
Figure 864393DEST_PATH_IMAGE016
。
进一步的，通过对图像进行水平投影后，生成直方图，进而设置车间距阈值参数为d，设判断直方图的每一行中是否存在车辆信息的车辆存在阈值为ex，从起始行S进行搜索，根据投影后每一行的信息量是否大于车辆存在阈值ex来判断是否存在车辆，若从某一行E(E≥S)开始，连续d行图像的信息量都小于ex，则该行即为车队队尾，E行与S行之差即为车辆在图象中的像素长度。
步骤2，通过标定所述图像采集装置的参数建立所述图像采集装置的透视模型，并根据三维世界坐标和二维图像坐标间的关系，将图像中的车队长度转换为实际长度。
具体的，所述图像采集装置的参数包括平移角、倾斜角、旋转角、焦距和摄像机距离，在车道线上任取四个终点形成矩形ABCD作为标定模块，在三维世界坐标中矩形ABCD四顶点的位置坐标分别为(XA,YA,0)、(XB,YB,0)、(XC,YC,0)、(XD,YD,0)，以建立所述图像采集装置的透视模型。
进一步的，根据相机的透视模型，路面所在平面为三维世界坐标系中的Z=0平面，其中X轴为沿着道路的方向，Y轴垂直于X轴；设 Q(XQ,YQ,ZQ)为三维世界坐标中的任意点，q(xq,yq)为Q对应的二维图像坐标，则图像坐标与三维世界坐标的关系函数为：
Figure 765353DEST_PATH_IMAGE017
；
Figure 236042DEST_PATH_IMAGE018
。
进一步的，通过以下方式计算图像中车队的实际长度：
根据车队队尾在图像中的所在行E和起始线所在行S，在车道范围内任取一列j，其中，j列与两行的交点分别为(E,j)和(S,j)；
通过图像坐标与三维世界坐标的关系函数分别求出点(E,j)和点(S,j)在世界坐标系中的坐标(X1,Y1,0)和(X2,Y2,0)；
通过公式
Figure 564255DEST_PATH_IMAGE019
计算车队的实际长度L。
步骤3，根据车队的实际长度计算车队通过道路交通路口或路段的时间，并根据时间对道路交通路口或路段的信号灯进行调控。
具体的，提取所述图像采集装置采集的该道路交通路口或路段的历史图像，通过 公式
Figure 704249DEST_PATH_IMAGE020
，计算该路段内车辆平均速度V，其中，Lc为检测路段长度，N为检测路 段车辆总数，ti为车辆i在监测路段行驶的时间。
进一步的，对该道路交通路口或路段的历史车辆的行驶时间进行筛选，得到在监 测路段行驶的最长时间所对应的车辆imax和在监测路段行驶的最短时间所对应的车辆imin， 进而通过公式
Figure 612163DEST_PATH_IMAGE021
；
Figure 701472DEST_PATH_IMAGE022
，分别计算出第一平均速度V1 和第二平均速度V2。
进一步的，设置Tmin为当前道路交通路口或路段的初始绿灯时间，在预设的一个时间间隔内，如若无后续车辆到达，则初始绿灯结束后进行更换信号；若检测到有后续车辆到达，则绿灯延长T0时间，直到绿灯延时达到预设的最长延时时间Tmax时，停止绿灯，中止此道路交通路口或路段的车辆通行权。
其中，
Figure 200587DEST_PATH_IMAGE023
，
Figure 827877DEST_PATH_IMAGE024
，
Figure 319907DEST_PATH_IMAGE025
，L为车队的实际长度， 当前道路交通路口或路段的实际绿灯时间T满足Tmin≤T≤Tmax。
本发明还提供了一种基于大数据的交通流控制装置，如图2所示，所述装置包括：
采集模块，用于实时对交通道路上的图像进行采集，并对采集的图像进行图像处理，以获取交通道路上的车辆信息；
处理模块，用于通过标定所述图像采集装置的参数建立所述图像采集装置的透视模型，并根据三维世界坐标和二维图像坐标间的关系，将图像中的车队长度转换为实际长度；
调控模块，用于根据车队的实际长度计算车队通过道路交通路口或路段的时间，并根据时间对道路交通路口或路段的信号灯进行调控。
与现有技术相比，本发明的有益效果是：
本发明提供了一种基于大数据的交通流控制方法及装置，通过实时对交通道路上的图像进行采集，并对采集的图像进行图像处理，以获取交通道路上的车辆信息；通过标定所述图像采集装置的参数建立所述图像采集装置的透视模型，并根据三维世界坐标和二维图像坐标间的关系，将图像中的车队长度转换为实际长度；根据车队的实际长度计算车队通过道路交通路口或路段的时间，并根据时间对道路交通路口或路段的信号灯进行调控；可以实时对交通道路上的车流量进行预测，有效的对交通道路上的信号灯进行调控，可以大大降低交通道路上的负载量，提高道路利用率，缓解道路拥堵情况。
以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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 (8)

1.一种基于大数据的交通流控制方法，其特征在于：包括以下步骤：
实时对交通道路上的图像进行采集，并对采集的图像进行图像处理，以获取交通道路上的车辆信息；
通过标定图像采集装置的参数建立所述图像采集装置的透视模型，并根据三维世界坐标和二维图像坐标间的关系，将图像中的车队长度转换为实际长度；在城市交通道路上设置图像采集装置，通过所述图像采集装置实时对道路交通路口或路段的图像进行采集，并在采集完成后，对采集的图像进行预处理；所述图像采集装置的参数包括平移角、倾斜角、旋转角、焦距和摄像机距离，在车道线上任取四个终点形成矩形ABCD作为标定模块，在三维世界坐标中矩形ABCD四顶点的位置坐标分别为(XA,YA,0)、(XB,YB,0)、(XC,YC,0)、(XD,YD,0)，以建立所述图像采集装置的透视模型；根据透视模型，路面所在平面为三维世界坐标系中的Z=0平面，其中X轴为沿着道路的方向，Y轴垂直于X轴；设 Q(XQ,YQ,ZQ)为三维世界坐标中的任意点，q(xq,yq)为Q对应的二维图像坐标，则图像坐标与三维世界坐标的关系函数为：
Figure 517647DEST_PATH_IMAGE002
；
Figure 678501DEST_PATH_IMAGE004
；提取所述图像采集装置采集的该道路交通路口或路段的历史图像，通过公式
Figure 946671DEST_PATH_IMAGE006
，计算该路段内车辆平均速度V，其中，Lc为检测路段长度，N为检测路段车辆总数，ti为车辆i在监测路段行驶的时间；对该道路交通路口或路段的历史车辆的行驶时间进行筛选，得到在监测路段行驶的最长时间所对应的车辆imax和在监测路段行驶的最短时间所对应的车辆imin，进而通过公式
Figure 860269DEST_PATH_IMAGE008
，分别计算出第一平均速度V1和第二平均速度V2；设置Tmin为当前道路交通路口或路段的初始绿灯时间，在预设的一个时间间隔内，如若无后续车辆到达，则初始绿灯结束后进行更换信号；若检测到有后续车辆到达，则绿灯延长T0时间，直到绿灯延时达到预设的最长延时时间Tmax时，停止绿灯，中止此道路交通路口或路段的车辆通行权；其中，
Figure 821272DEST_PATH_IMAGE010
，L为车队的实际长度，当前道路交通路口或路段的实际绿灯时间T满足Tmin≤T≤Tmax；
根据车队的实际长度计算车队通过道路交通路口或路段的时间，并根据时间对道路交通路口或路段的信号灯进行调控。
2.根据权利要求1所述的基于大数据的交通流控制方法，其特征在于：预处理包括以下步骤：
将采集的道路交通路口或路段的图像进行灰度化处理；
将灰度化处理完成后的图像输入至高斯滤波器中进行滤波；
对滤波后的图像进行边缘检测并进行阈值分割，以完成图像的边缘定位。
3.根据权利要求2所述的基于大数据的交通流控制方法，其特征在于：高斯滤波器为使用二维零均值离散高斯函数作平滑滤波器，函数表达式为：
Figure 328477DEST_PATH_IMAGE012
，式中，σ为高斯分布参数；平滑滤波的处理过程为：以一个局部领域或窗口内像素值的函数运算结果作为输出：
Figure 10125DEST_PATH_IMAGE014
，式中，W为I[x,y]为中心的窗口或局部领域，f为二维零均值离散高斯函数；在进行平滑滤波时，通过不对图像的4个边缘进行处理，以保证图像4个变缘的原始像素值。
4.根据权利要求3所述的基于大数据的交通流控制方法，其特征在于：通过以下步骤对图像内的车道信息进行提取：
从采集的视频图像中任意选取一帧图像进行标定；
在所选取的图像中选取车道区域，并生成一个与需要处理的图像尺寸相同的二值掩膜，将车道区域像素设定为1，其余像素设定为0；
将二值掩膜与待处理图像的各个像素点对点相与，即得到车道区域。
5.根据权利要求4所述的基于大数据的交通流控制方法，其特征在于：通过以下方式对图像进行水平投影，以便于将车道区域内的车辆队列进行提取：
设图像为I(i,j)，大小为M*N，对非零像素值T进行统计，第i列的非零像素点的数目为xs[i]，第j行非零像素点的数目为ys[j]，xs[i]和ys[j]分别为图像i的垂直和水平投影，则
Figure 184755DEST_PATH_IMAGE016
；
Figure 175713DEST_PATH_IMAGE018
。
6.根据权利要求5所述的基于大数据的交通流控制方法，其特征在于：通过对图像进行水平投影后，生成直方图，设置车间距阈值参数为d，设判断直方图的每一行中是否存在车辆信息的车辆存在阈值为ex，从起始行S进行搜索，根据投影后每一行的信息量是否大于车辆存在阈值ex来判断是否存在车辆，若从某一行E(E≥S)开始，连续d行图像的信息量都小于ex，则该行即为车队队尾，E行与S行之差即为车辆在图像中的像素长度。
7.根据权利要求6所述的基于大数据的交通流控制方法，其特征在于：通过以下方式计算图像中车队的实际长度：
根据车队队尾在图像中的所在行E和起始线所在行S，在车道范围内任取一列j，其中，j列与两行的交点分别为(E,j)和(S,j)；
通过图像坐标与三维世界坐标的关系函数分别求出点(E,j)和点(S,j)在世界坐标系中的坐标(X1,Y1,0)和(X2,Y2,0)；
通过公式
Figure 170214DEST_PATH_IMAGE020
计算车队的实际长度L。
8.一种基于大数据的交通流控制装置，其特征在于：所述装置包括：
采集模块，用于实时对交通道路上的图像进行采集，并对采集的图像进行图像处理，以获取交通道路上的车辆信息；
处理模块，用于通过标定图像采集装置的参数建立所述图像采集装置的透视模型，并根据三维世界坐标和二维图像坐标间的关系，将图像中的车队长度转换为实际长度；在城市交通道路上设置图像采集装置，通过所述图像采集装置实时对道路交通路口或路段的图像进行采集，并在采集完成后，对采集的图像进行预处理；所述图像采集装置的参数包括平移角、倾斜角、旋转角、焦距和摄像机距离，在车道线上任取四个终点形成矩形ABCD作为标定模块，在三维世界坐标中矩形ABCD四顶点的位置坐标分别为(XA,YA,0)、(XB,YB,0)、(XC,YC,0)、(XD,YD,0)，以建立所述图像采集装置的透视模型；根据透视模型，路面所在平面为三维世界坐标系中的Z=0平面，其中X轴为沿着道路的方向，Y轴垂直于X轴；设 Q(XQ,YQ,ZQ)为三维世界坐标中的任意点，q(xq,yq)为Q对应的二维图像坐标，则图像坐标与三维世界坐标的关系函数为：
Figure 655553DEST_PATH_IMAGE002
；
Figure 684689DEST_PATH_IMAGE004
；提取所述图像采集装置采集的该道路交通路口或路段的历史图像，通过公式
Figure 49811DEST_PATH_IMAGE006
，计算该路段内车辆平均速度V，其中，Lc为检测路段长度，N为检测路段车辆总数，ti为车辆i在监测路段行驶的时间；对该道路交通路口或路段的历史车辆的行驶时间进行筛选，得到在监测路段行驶的最长时间所对应的车辆imax和在监测路段行驶的最短时间所对应的车辆imin，进而通过公式
Figure 531608DEST_PATH_IMAGE008
，分别计算出第一平均速度V1和第二平均速度V2；设置Tmin为当前道路交通路口或路段的初始绿灯时间，在预设的一个时间间隔内，如若无后续车辆到达，则初始绿灯结束后进行更换信号；若检测到有后续车辆到达，则绿灯延长T0时间，直到绿灯延时达到预设的最长延时时间Tmax时，停止绿灯，中止此道路交通路口或路段的车辆通行权；其中，
Figure 679693DEST_PATH_IMAGE010
，L为车队的实际长度，当前道路交通路口或路段的实际绿灯时间T满足Tmin≤T≤Tmax；
调控模块，用于根据车队的实际长度计算车队通过道路交通路口或路段的时间，并根据时间对道路交通路口或路段的信号灯进行调控。
CN202211397209.7A 2022-11-09 2022-11-09 一种基于大数据的交通流控制方法及装置 Active CN115440052B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211397209.7A CN115440052B (zh) 2022-11-09 2022-11-09 一种基于大数据的交通流控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211397209.7A CN115440052B (zh) 2022-11-09 2022-11-09 一种基于大数据的交通流控制方法及装置

Publications (2)

Publication Number Publication Date
CN115440052A CN115440052A (zh) 2022-12-06
CN115440052B true CN115440052B (zh) 2023-01-31

Family

ID=84252728

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211397209.7A Active CN115440052B (zh) 2022-11-09 2022-11-09 一种基于大数据的交通流控制方法及装置

Country Status (1)

Country Link
CN (1) CN115440052B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116524711B (zh) * 2023-03-13 2023-09-12 山东博安智能科技股份有限公司 基于交通大数据分析的智慧高速管控系统

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101469985A (zh) * 2007-12-26 2009-07-01 河海大学常州校区 交叉路口车辆排队长度的单帧图像检测装置及其工作方法
CN101763734A (zh) * 2010-01-21 2010-06-30 上海交通大学 交通信号灯智能控制系统及其控制方法
CN103258425A (zh) * 2013-01-29 2013-08-21 中山大学 一种交叉口车辆排队长度检测方法
CN103810865A (zh) * 2012-11-06 2014-05-21 上海宝康电子控制工程有限公司 基于物联网的干道交通信号绿波带控制系统与控制方法
CN104794910A (zh) * 2015-04-27 2015-07-22 江苏物联网研究发展中心 基于排队长度的具有跳相功能的全感应信号控制方法
CN105632200A (zh) * 2014-10-29 2016-06-01 中国移动通信集团公司 一种交通信号灯的控制方法、装置和系统
CN108765990A (zh) * 2018-06-15 2018-11-06 歌尔科技有限公司 一种智能交通控制方法、装置、设备及系统
CN111781600A (zh) * 2020-06-18 2020-10-16 重庆工程职业技术学院 一种适用于信号交叉口场景的车辆排队长度检测方法
CN113112823A (zh) * 2021-04-14 2021-07-13 吉林大学 一种基于mpc的城市路网交通信号控制方法
CN114399912A (zh) * 2022-03-24 2022-04-26 华砺智行(武汉)科技有限公司 智能网联环境下的自适应信号控制方法及系统
CN114464000A (zh) * 2022-02-21 2022-05-10 上海商汤科技开发有限公司 路口交通灯控制方法、装置、设备和存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2343435C (en) * 2001-04-06 2006-12-05 International Road Dynamics Inc. Dynamic work zone safety system
CN112116813B (zh) * 2020-11-20 2021-04-30 深圳市城市交通规划设计研究中心股份有限公司 状态识别模型建立方法、道路交通状态识别方法及装置
CN113192345B (zh) * 2021-04-12 2022-04-15 武汉理工大学 一种用于十字路口的红绿灯智能调控系统
CN113570880B (zh) * 2021-06-28 2022-11-25 广州大学 基于stm32的交通灯智能控制系统
US11270581B1 (en) * 2021-08-24 2022-03-08 Iteris, Inc. Vehicle queue length and traffic delay measurement using sensor data for traffic management in a transportation network

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101469985A (zh) * 2007-12-26 2009-07-01 河海大学常州校区 交叉路口车辆排队长度的单帧图像检测装置及其工作方法
CN101763734A (zh) * 2010-01-21 2010-06-30 上海交通大学 交通信号灯智能控制系统及其控制方法
CN103810865A (zh) * 2012-11-06 2014-05-21 上海宝康电子控制工程有限公司 基于物联网的干道交通信号绿波带控制系统与控制方法
CN103258425A (zh) * 2013-01-29 2013-08-21 中山大学 一种交叉口车辆排队长度检测方法
CN105632200A (zh) * 2014-10-29 2016-06-01 中国移动通信集团公司 一种交通信号灯的控制方法、装置和系统
CN104794910A (zh) * 2015-04-27 2015-07-22 江苏物联网研究发展中心 基于排队长度的具有跳相功能的全感应信号控制方法
CN108765990A (zh) * 2018-06-15 2018-11-06 歌尔科技有限公司 一种智能交通控制方法、装置、设备及系统
CN111781600A (zh) * 2020-06-18 2020-10-16 重庆工程职业技术学院 一种适用于信号交叉口场景的车辆排队长度检测方法
CN113112823A (zh) * 2021-04-14 2021-07-13 吉林大学 一种基于mpc的城市路网交通信号控制方法
CN114464000A (zh) * 2022-02-21 2022-05-10 上海商汤科技开发有限公司 路口交通灯控制方法、装置、设备和存储介质
CN114399912A (zh) * 2022-03-24 2022-04-26 华砺智行(武汉)科技有限公司 智能网联环境下的自适应信号控制方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Deep Reinforcement Learning-Based Traffic Light Scheduling Framework for SDN-Enabled Smart Transportation System;Neetesh Kumar等;《IEEE Transactions on Intelligent Transportation Systems》;20210811;全文 *
基于FPGA交通流实时预测的视频检测系统研究;柴超;《中国优秀硕士学位论文全文数据库信息科技辑》;20140715(第07期);第1、7-27页 *
基于视频图像处理的交通流实时检测系统;吴天友;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20210715(第07期);全文 *

Also Published As

Publication number Publication date
CN115440052A (zh) 2022-12-06

Similar Documents

Publication Publication Date Title
CN108052880B (zh) 交通监控场景虚实车道线检测方法
CN103824066B (zh) 一种基于视频流的车牌识别方法
JP2917661B2 (ja) 交通流計測処理方法及び装置
CN109299674B (zh) 一种基于车灯的隧道违章变道检测方法
CN110379168B (zh) 一种基于Mask R-CNN的交通车辆信息获取方法
CN103824452A (zh) 一种轻量级的基于全景视觉的违章停车检测装置
CN103400113B (zh) 基于图像处理的高速公路隧道行人检测方法
CN111915883A (zh) 一种基于车载摄像的道路交通状况检测方法
CN109190483B (zh) 一种基于视觉的车道线检测方法
CN103646544B (zh) 基于云台和相机设备的车辆行为分析识别方法
CN115440052B (zh) 一种基于大数据的交通流控制方法及装置
CN105740836B (zh) 一种违法占用应急车道的检测方法
CN111259796A (zh) 一种基于图像几何特征的车道线检测方法
CN116071283B (zh) 基于计算机视觉的三维点云图像融合方法
CN110660220A (zh) 一种城市轨道列车优先路权分配方法以及系统
CN113516853B (zh) 一种针对复杂监控场景的多车道车流量检测方法
CN109299672B (zh) 自适应调节阈值和算法结构的停车事件检测系统及方法
JP3541774B2 (ja) 車種判別システム
CN106340031A (zh) 一种检测运动物体的方法和装置
JP2010041322A (ja) 移動体識別装置、画像処理装置、コンピュータプログラム及び光軸方向特定方法
CN114511832B (zh) 车道线分析方法、装置、电子设备及存储介质
JP3453952B2 (ja) 交通流計測装置
Kurniawan et al. Image processing technique for traffic density estimation
CN112150828B (zh) 基于图像识别技术的防抖动干扰动态调控红绿灯的方法
CN114882205A (zh) 基于注意力机制的目标检测方法

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