CN115440061A - 一种信号灯控制方法及装置 - Google Patents
一种信号灯控制方法及装置 Download PDFInfo
- Publication number
- CN115440061A CN115440061A CN202210932331.3A CN202210932331A CN115440061A CN 115440061 A CN115440061 A CN 115440061A CN 202210932331 A CN202210932331 A CN 202210932331A CN 115440061 A CN115440061 A CN 115440061A
- Authority
- CN
- China
- Prior art keywords
- time period
- traffic
- signal lamp
- period
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000004590 computer program Methods 0.000 claims description 8
- 230000015654 memory Effects 0.000 claims description 8
- 230000006403 short-term memory Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 19
- 238000007726 management method Methods 0.000 description 16
- 230000000737 periodic effect Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000011664 signaling Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种信号灯控制方法及装置,涉及交通信号控制领域,解决了因信号灯采用固定周期方案,导致信号灯所在路口的交通拥堵的问题。具体方案为:首先,信号机根据信号灯所在路口在第一时间段内的交通统计信息,预测第二时间段的预测交通信息;其中,第二时间段为与第一时间段连续、且在第一时间段之后的时段;其次,信号机根据第二时间段的预测交通信息,获取信号灯的控制通行方案;控制通行方案用于指示:在第二时间段内,信号灯指示路口的车辆通行时间以及不同车道的通行顺序;最后,信号机在第二时间段,按照控制通行方案对信号灯进行控制。
Description
技术领域
本申请涉及道路交通控制领域,尤其涉及一种信号灯控制方法及装置。
背景技术
随着当前生活水平的提高,汽车已成为人们出行的主要交通工具,如大巴车、货运车、小汽车等。然而,汽车的持续增加为城市的道路交通带来了严重的负荷,交通拥堵问题已成常态。因此,交通管理平台会在具有路口的道路上安装交通信号灯(如红绿灯),以对车辆是否能够在道路上通行进行控制,从而缓解道路拥堵的问题。
通常,针对于一个路口的信号灯,交通管理平台基于一段时间内该路口的历史信息(如历史车流量等)为信号灯设置固定的周期通行方案,从而依据该周期通行方案指示车辆在该路口的通行状态。然而,在不同的时间段内,经过该路口的车流量不同且难以预知,固定的周期控制方案无法适配该路口的当前车流量,道路中的车辆易发生拥堵。
因此,如何提供一种更有效的信号灯控制方法成为目前亟需解决的问题。
发明内容
本申请提供一种信号灯控制方法及装置,解决了因信号灯采用固定的周期通行方案,导致信号灯所在路口的交通拥堵问题。
为达到上述目的,本申请采用如下技术方案:
第一方面,本申请提供了一种信号灯控制方法,该方法可应用于交通管理系统(或称交通管理平台),如该交通管理系统包括信号机,或者该方法可应用于可以支持交通管理系统实现该信号灯控制方法的其他终端设备或通信装置,如该通信装置包括芯片系统。这里以信号机执行本实施例提供的信号灯控制方法为例进行说明,本实施例提供的信号灯控制方法包括:首先,信号机根据信号灯所在路口在第一时间段内的交通统计信息,预测第二时间段的预测交通信息;其中,第二时间段为与第一时间段连续、且在第一时间段之后的时段;其次,信号机根据第二时间段的预测交通信息,获取信号灯的控制通行方案;控制通行方案用于指示:在第二时间段内,信号灯指示路口的车辆通行时间以及不同车道的通行顺序;最后,信号机在第二时间段,按照控制通行方案对信号灯进行控制。
采用上述技术方案,信号机可依赖于历史信息确定的设定的通行方案对信号灯进行控制,信号机还可依据信号灯所在路口的当前交通统计信息(如第一时间段内的交通统计信息),预测下一时间段的预测交通信息,以获取下一时间段内信号灯的控制方案(如控制通行方案),信号机依据控制通行方案对信号灯进行控制,避免了信号灯仅能按照固定的通行方案对路口的车辆通行状态进行指示,导致道路上的车辆拥堵问题。
在一种可能的实现方式中,上述根据信号灯所在路口在第一时间段内的交通统计信息,预测第二时间段的预测交通信息,包括:获取信号灯所在路口在第一时间段的交通统计信息;其中,在第一时间段内,信号灯按照设定的通行方案指示路口的车辆通行时间以及不同车道的通行顺序;将获取到的第一时间段的交通统计信息输入信号灯控制模型,获取第二时间段的预测交通信息;其中,信号灯控制模型用于基于交通统计信息,确定第二时间段的预测交通信息
在另一种可能的实现方式中,信号机在获取第二时间段的预测交通信息之前,方法还包括:获取第一时间段内信号灯控制模型的预测准确率;预测准确率用于指示:在比对周期内,第一时间段内信号灯控制模型的预测交通信息与第一时间段内的交通统计信息的误差;第一时间段包括一个或多个比对周期;若第一时间段内信号灯控制模型的预测准确率大于等于准确率阈值,则在比对周期结束后,获取第二时间段的预测交通信息。
在另一种可能的实现方式中,上述方法还包括:若第一时间内信号灯控制模型的预测准确率小于准确率阈值,则在第二时间段,按照设定的通行方案对信号灯进行控制。
在另一种可能的实现方式中,若第一时间段内信号灯控制模型的预测准确率小于准确率阈值,方法还包括:获取比对周期的下一比对周期的交通统计信息;根据下一比对周期的交通统计信息更新信号灯控制模型的模型参数,直至预测准确率大于或等于准确率阈值。
在另一种可能的实现方式中,在第二时间段,按照设定的通行方案对信号灯进行控制之后,方法还包括:若第二时间段内信号灯控制模型的预测准确率大于或等于准确率阈值,则获取第三时间段的预测交通信息;第三时间段为与第二时间段连续、且在第二时间段之后的时段;根据第三时间段的预测交通信息,获取信号灯的后续通行方案;后续通行方案用于指示:在第三时间段内,信号灯指示路口的车辆通行时间以及不同车道的通行顺序;在第三时间段,按照后续通行方案对信号灯进行控制。
在另一种可能的实现方式中,上述预测准确率是根据以下信息确定的:第一车道在比对周期的交通统计信息与比对周期的预测交通信息之间的误差,第一车道在比对周期之前的上一比对周期的预测准确率,上一比对周期的预测准确率在比对周期的预测准确率中所占的权值,以及第一车道在路口对应的多个车道中的权值。
在另一种可能的实现方式中,信号灯控制模型包括长短期记忆网络(long short-term memory,LSTM)模型。
在另一种可能的实现方式中,根据信号灯所在路口在第一时间段内的交通统计信息,预测第二时间段的预测交通信息之前,方法还包括:开启控制模式,控制模式用于指示启用信号灯控制模型。
在另一种可能的实现方式中,交通统计信息包括以下任意一种或几种的组合:路口的车辆数量、车辆排队长度和每辆车的车辆类型。
基于上述技术方案,至少还能带来以下有益效果:由于信号灯后续的控制方案(如控制通行方案)是信号机根据该路口的历史信息和当前交通信息结合来确定的,因此,该控制通行方案还可适配该路口的当前交通状况,如可避免该路口的车流量急剧增加导致的拥堵问题等。
第二方面,提供了一种信号灯控制装置,该信号灯控制装置可应用于交通管理系统(或者交通管理平台),如该交通管理系统包括信号机,或者该信号灯控制装置可应用于可以支持交通管理系统实现前述信号灯控制方法的其他终端设备或通信装置,如该通信装置包括芯片系统。这里以信号灯控制装置应用于信号机为例进行说明,该信号灯控制装置可以包括:预测单元,用于根据信号灯所在路口在第一时间段内的交通统计信息,预测第二时间段的预测交通信息;其中,第二时间段为与第一时间段连续、且在第一时间段之后的时段;获取单元,用于根据第二时间段的预测交通信息,获取信号灯的控制通行方案;控制通行方案用于指示:在第二时间段内,信号灯指示路口的车辆通行时间以及不同车道的通行顺序;控制单元,用于在第二时间段,按照控制通行方案对信号灯进行控制。
在一种可能的实现方式中,上述预测单元具体用于,获取信号灯所在路口在第一时间段的交通统计信息;其中,在第一时间段内,信号灯按照设定的通行方案指示路口的车辆通行时间以及不同车道的通行顺序;将获取到的第一时间段的交通统计信息输入信号灯控制模型,获取第二时间段的预测交通信息;其中,信号灯控制模型用于基于交通统计信息,确定第二时间段的预测交通信息。
在另一种可能的实现方式中,上述获取单元还用于,在获取第二时间段的预测交通信息之前,获取第一时间段内信号灯控制模型的预测准确率;预测准确率用于指示:在比对周期内,第一时间段内信号灯控制模型的预测交通信息与第一时间段内的交通统计信息的误差;第一时间段包括一个或多个比对周期;若第一时间段内信号灯控制模型的预测准确率大于等于准确率阈值,则在比对周期结束后,获取第二时间段的预测交通信息。
在另一种可能的实现方式中,上述控制单元还用于,若第一时间内信号灯控制模型的预测准确率小于准确率阈值,则在第二时间段,按照设定的通行方案对信号灯进行控制。
在另一种可能的实现方式中,上述获取单元还用于,若第一时间段内信号灯控制模型的预测准确率小于准确率阈值,获取比对周期的下一比对周期的交通统计信息;上述装置还包括更新模块,用于根据下一比对周期的交通统计信息更新信号灯控制模型的模型参数,直至预测准确率大于或等于准确率阈值。
在另一种可能的实现方式中,上述获取单元还用于,在第二时间段,按照设定的通行方案对信号灯进行控制之后,若第二时间段内信号灯控制模型的预测准确率大于或等于准确率阈值,则获取第三时间段的预测交通信息;第三时间段为与第二时间段连续、且在第二时间段之后的时段;根据第三时间段的预测交通信息,获取对信号灯进行控制的后续通行方案;后续通行方案用于指示:在第三时间段内,信号灯指示路口的车辆通行时间以及不同车道的通行顺序;控制单元还用于,在第三时间段,按照后续通行方案对信号灯进行控制。
在另一种可能的实现方式中,上预测准确率是根据以下信息确定的:第一车道在比对周期的交通统计信息与比对周期的预测交通信息之间的误差,第一车道在比对周期之前的上一比对周期的预测准确率,上一比对周期的预测准确率在比对周期的预测准确率中所占的权值,以及第一车道在路口对应的多个车道中的权值。
在另一种可能的实现方式中,信号灯控制模型包括LSTM模型。
在另一种可能的实现方式中,上述装置还包括控制模型启闭单元,用于根据信号灯所在路口在第一时间段内的交通统计信息,预测第二时间段的预测交通信息之前,开启控制模式,控制模式用于指示启用信号灯控制模型。
第三方面,本申请提供一种电子设备,该电子设备包括至少一个处理器和存储器,存储器用于存储一组计算机指令;当处理器执行所述一组计算机指令时,执行第一方面或第一方面任一种可能实现方式中的信号灯控制方法的操作步骤。
示例性的,该电子设备是交通管理系统中的信号机,该信号机可与道路上的一个或多个信号灯进行通信。例如,在信号灯的控制过程中,该信号机可为信号灯配置不同的通行方案,以及依据交通统计信息对通行方案进行更新等。
第四方面,本申请提供一种计算机可读存储介质,包括:计算机软件指令;当计算机软件指令在电子设备中运行时,使得电子设备执行如第一方面或第一方面任意一种可能的实现方式中信号灯控制方法的操作步骤。
例如,该电子设备可以是第三方面所提供的电子设备。
第五方面,本申请提供一种芯片系统,该芯片系统包括一个或多个接口电路,以及一个或多个处理器。接口电路和处理器通过线路互联,接口电路可用于接收其他设备发送的信息,如该信息包括设定的通行方案和第一时间段内的交通统计信息,处理器可依据该信息执行如第一方面及其任一种可能的实现方式所提供的信号灯控制方法。
第六方面,本申请提供一种计算机程序产品,该计算机程序产品包括计算机指令,当计算机指令在电子设备上运行时,使得电子设备执行如第一方面或第一方面任意一种可能的实现方式中所述方法的操作步骤。
第七方面,本申请提供了一种交通管理系统,包括至少一个信号机,该信号机可以实现第一方面中任一种实现方式所提供的信号灯控制方法。
本申请在上述各方面提供的实现方式的基础上,还可以进行进一步组合以提供更多实现方式。
本申请中第二方面到第七方面及其各种实现方式的具体实现,可以参考第一方面极其各种实现方式中的详细描述;并且,第二方面到第七方面的有益效果,可以参考第一方面极其各种实现方式中的有益效果分析,此处不再赘述。
附图说明
图1为本申请提供的一种信号灯控制的应用场景图;
图2为本申请提供的一种信号灯控制方法流程图;
图3为本申请提供的一种LSTM模型流程示意图;
图4为本申请提供的一种信号灯控制模型的输入输出与对比周期关系示意图;
图5为本申请提供的信号灯控制模型更新流程示意图;
图6为本申请提供的一种信号机获取控制通行方案流程的示意图;
图7为本申请提供的一种信号机选择通行方案的示意图;
图8为本申请提供的信号灯控制装置的结构示意图;
图9为本申请提供的一种电子设备结构示意图。
具体实施方式
本申请说明书和权利要求书及上述附图中的术语“第一”、“第二”和“第三”等是用于区别不同对象,而不是用于限定特定顺序。
在本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
“多个”是指两个或两个以上,其它量词与之类似。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。此外,对于单数形式“a”,“an”和“the”出现的元素(element),除非上下文另有明确规定,否则其不意味着“一个或仅一个”,而是意味着“一个或多于一个”。例如,“adevice”意味着对一个或多个这样的device。再者,至少一个(at least one of).......”意味着后续关联对象中的一个或任意组合,例如“A、B和C中的至少一个”包括A,B,C,AB,AC,BC,或ABC。
为了解决上述背景技术所提出的问题,本申请实施例提供一种信号灯控制方法,信号机根据信号灯在第一时间段内所在路口的交通统计信息,预测第二时间段的预测交通信息,以及,信号机根据该预测交通信息,获取第二时间段内对信号灯的控制通行方案,从而,信号机以获取的控制通行方案来对信号灯进行控制。可以理解的是,该方法使得信号机根据预测交通信息制定控制通行方案,使得信号灯仅能按照控制通行方案对路口的车辆通行状态进行指示,解决道路上的车辆拥堵问题。
下面结合附图对本申请实施例进行详细说明,为了下述各实施例的描述清楚简洁,首先给出相关技术的简要介绍:
请参考图1,图1为本申请提供的一种信号灯控制的应用场景图,在信号灯控制的应用场景中,涉及多种设备,如采集设备100、信号灯200、处理装置300。其中,采集设备100,用于采集交通统计信息,包括车辆数量、车辆类型以及车辆排队长度。采集设备100包括但不限于视频车检器,雷达视频一体机或者其他具有交通信息采集功能的电子设备等等。
信号灯200,用于在处理装置300的控制下显示车辆通行指示。也即,车辆根据信号灯显示的车辆通行时间和不同车道的通行顺序。示例性的,在图1所示的路口,以南北向行驶的道路为例,信号灯200所显示的车道3至车道4的车辆通行时间,其中车道3左转,车辆通行时间为30S;车道4是直行,车辆通行时间为40S。
处理装置300,用于根据设定的通行方案以及当前时间段内的车流量,更新通行方案,使得下一时间段能够根据更新的通行方案控制信号灯。
在一些实施例中,处理装置300可以是信号机。本申请实施例对该处理装置的具体形态不作特殊限制。
在一些实施例中,处理装置300可以接收采集设备100获取到的车流量信息以及信号灯当前时间段内的通行方案。处理装置300包括预测模型,预测模型能够预测车流量信息。处理装置300对预测的车流量信息进行处理,得出下一时间段内的通行方案。根据预测模型的预测准确率是否达到设定的阈值,确定启用的通行方案。
在一些实施例中,采集设备100和处理装置300可以集成在一起;或者采集设备100和处理装置300可以为独立的两个设备。
请继续参见图1,一个路口涉及多条道路(或称车道),如信号灯200用于指示在车道3和车道4上所行驶的车辆的通行状态。值得注意的是,本申请实施例中所描述的车辆可以是指摩托车、汽车、货车、大巴车、有轨电车或者其他类型的车辆,本申请对此不予限定。在一种可能的情形中,一条车道上可行驶有一种或多种类型的车辆:例如,车道1上行驶的车辆只有货车;又如,车道3上行驶的车辆既有货车又有汽车。
下面以图1所示出的应用场景为例,对本申请所提供的信号灯控制方法进行详细说明,如图2所示,图2为本申请提供的信号灯控制方法的流程图,该信号灯控制方法可以由与信号灯通信的处理设备来执行,如图1所示出的处理装置300;或者,该信号灯控制方法可以由与信号灯通信的数据中心来执行,如该数据中心包括至少一个服务器。这里以信号机执行本实施例提供的信号灯控制方法为例进行说明,该信号灯控制方法包括以下步骤:S211-S217、S221-S223、S231-S232和S241-S243。
S211、在第一时间段,信号机按照设定的通行方案对信号灯进行控制。
即,在第一时间段内,信号灯按照设定的通行方案指示路口的车辆通行时间以及不同车道的通行顺序。
其中,设定的通行方案用于指示信号灯所在路口的车辆通行时间以及不同车道的通行顺序。在一种可能的情形中,若S211中的信号灯是指图1所示出的信号灯200,该信号灯200所在路口是指示车辆向北行驶,则该设定的通行方案至少指示了图1中车道3至车道4的车辆通行时间以及不同车道的通行顺序。
在一些实施例中,该设定的通行方案是信号机根据历史信息得到的周期通行方案。示例性的,该历史信息可以是针对于该路口,信号机在第一时间段之前获得的交通统计信息;或者,该历史信息还可以是信号机从交通管理系统中,查询到的与该路口相似的其他路口的交通统计信息。该设定的通行方案存在以下两种可能的情形:
在第一种可能的情形中,该设定的通行方案是固定的周期通行方案,也即,信号灯所在路口的车辆通行时间和不同车道的通行顺序是固定不变的。值得注意的是,设定的通行方案虽然是固定的周期通行方案,但是会根据车辆类型或者所处时间段的不同,车辆通行时间也不相同。
示例性的,在城市道路的一些路口,白天只允许汽车通行,而大货车则只允许在夜间通行。由于汽车和大货车的车辆长度不同,则设定的通行方案在白天和夜间的车辆通行时间是不同的。
在第二种可能的情形中,该设定的通行方案是信号机获取的信号灯所在路口的一个历史周期通行方案,该历史周期通行方案可根据时间的不同而变化,例如,时段1为:17:00-19:00,该历史周期通行方案包括:先左转后直行,其中,左转车道的车辆通行时间为30S,直行车道的车辆通行时间为20S;时段2为:晚上22:00至次日05:00,该历史周期通行方案包括:先直行后左转,其中,直行车道的车辆通行时间为30S,左转车道的车辆通行时间为20S。
或者,该历史周期通行方案还可以是根据信号灯所在路口的车流量信息而变化的,例如车流量较多时,设定的通行方案的车辆通行时间会有所增加,如直行车道的车流量从3辆/分钟变更为5辆/分钟,则直行车道的车辆通行时间从20S变更为40S。
S212、信号机判断是否开启控制模式。
控制模式用于指示启用信号灯控制模型。
若是,执行S213;
若否,在后续时间段,信号机按照设定的通行方案对信号灯进行控制,本流程结束。
在一些情形中,如信号灯所在路口的车流量低于设定的阈值,使得该路口很少发生交通拥堵的问题,为避免信号灯控制模型的计算占用较多信号机的计算资源(或称算力),导致信号机对其所控制的其他信号灯的通行方案的更新效率降低,本实施例提供一种可能的实现方式:信号机中还可设置控制模式,该控制模式用于指示信号机启用图3所示出的信号灯控制模型。若控制模式打开,即信号机启用信号灯控制模型,信号机可获取第一时间段内的交通统计信息用以训练信号灯控制模型。若控制模式关闭,则信号机中的信号灯控制模型不启用,信号机按S211中设定的通行方案对信号灯进行控制。
S213、信号机获取信号灯所在路口在第一时间段的交通统计信息。
在一些实施例中,交通统计信息可以包括以下任意一种或几种的组合:路口的车辆数量、车辆排队长度和每辆车的车辆类型等。
假设路口为图1所示出的车道3所在的路口,则车辆数量为2辆,车辆排队长度15m在车道3上,第1辆车的车辆类型为汽车,第2辆车的车辆类型为货车。应理解,本示例仅为本实施例为说明交通统计信息所给出的示意性说明,不应理解为对本申请中交通统计信息的限定,在一些可选的实现方式中,该交通统计信息还可以包括信号灯数量,路况信息等。
S214、信号机根据信号灯所在路口在第一时间段内的交通统计信息,预测第二时间段的预测交通信息。
具体的,信号机将获取到的第一时间段的交通统计信息输入信号灯控制模型,获取第二时间段的预测交通信息。
其中,信号灯控制模型用于基于交通统计信息,确定第二时间段的预测交通信息。
可选的,该信号灯控制模型部署在信号机中。
可选的,信号灯控制模型包括LSTM模型。LSTM模型是一种特殊的循环神经网络(RNN,Recurrent Neural Network)模型,是为了解决一般的RNN存在的长期依赖问题而专门设计出来的,适合于处理和预测时间序列中间隔和延迟非常长的重要事件。
预测交通信息可以包括:当前路口在第二时间段内的车流量信息,拥堵情况,排队情况,直行、左转弯和右转弯车道情况等。例如,当前路口在第二时间段中,预测总计小车有a辆,大车有b辆,c~d时段为高峰期,e~f时段为低峰期,g~h时段直行车道车辆较多等。
该第二时间段为与前述的第一时间段连续、且在第一时间段之后的时段。
在一种示例中,第一时间段和第二时间段所包括的时长是相同的,例如,第一时间段是07:00:00—07:59:59,第二时间段是08:00:00—08:59:59。
在另一种示例中,第一时间段和第二时间段所包括的时长是不同的,例如,第一时间段是07:00:00—07:59:59,第二时间段是08:00:00—09:59:59。
请参考图3,图3为本申请提供的一种LSTM模型流程示意图,该LSTM模型的输入包括:交通统计信息,该LSTM模型的输出包括:预测交通信息。
可选的,在获取第二时间段的预测交通信息前,信号机基于信号灯控制模型的输出预测交通信息获取其预测准确率。
关于信号灯控制模型的预测准确率具体描述参见S221-S223。
S221、信号机获取第一时间段内信号灯控制模型的预测准确率。
预测准确率用于指示:在比对周期内,第一时间段内信号灯控制模型的预测交通信息与第一时间段内的交通统计信息的误差;第一时间段包括一个或多个比对周期。
预测准确率可以由信号灯控制模型计算输出,也可以由信号机基于信号灯控制模型的输出预测交通信息计算得出。
在一个示例中,如图4所示,图4为第一时间段内,每个比对周期中,信号灯控制模型的输入输出与比对周期的关系示意图。图4中第一时间段有N个比对周期,每个比对周期开始时,信号灯控制模型输入交通统计信息,每个比对周期结束时,信号灯控制模型输出下个比对周期的预测交通信息和预测准确率。
在一些实施例中,在第一比对周期中,信号灯控制模型输出的第二比对周期的预测交通信息如车道3的预测的车流量为3.75辆/分钟,信号机获取的第二比对周期的实时车流量为4辆/分钟,则此时信号灯控制模型的预测准确率可以为:1-|(3.75-4)÷3.75|=93.33%。
在一些实施例中,预测准确率是根据以下信息确定的:第一车道在比对周期的交通统计信息与比对周期的预测交通信息之间的误差,第一车道在比对周期之前的上一比对周期的预测准确率,上一比对周期的预测准确率在比对周期的预测准确率中所占的权值,以及第一车道在路口对应的多个车道中的权值。
在不同的条件,针对于车道的权值有可能是不同的。
在一种示例中,如图1所示,车道1在早高峰时间段内,对应的权值是30%,在车流量稳定且有一定规律的时间段内,对应的权值是70%。
在另一种示例中,如图1所示,在同一时间段内,车道1对应的权值是20%,车道2对应的权值是40%。
在一种可能的示例中,预测交通信息是信号机基于LSTM模型获得的。该LSTM模型可以是前述S213提供的LSTM模型,在此不予赘述。
前述的预测交通信息可以是预测车流量信息。其中,车流量信息包括但不限于车辆数量和车辆排队长度。以图1中的车道3为例,该预测的车流量信息可以为车辆数量为25辆,车辆排队长度为150m。
在另一种可能的示例中,预测交通信息还可以是信号机根据一种或者多种算法的组合来确定的,如前述的LSTM模型,循环神经网络,或者其他数据处理的算法网络等,本申请对此不予限定。
针对于S221中的预测准确率,本实施例提供一种可能的计算方式,这里以交通统计信息包括车道的实际车流量Cx、预测交通信息包括该类车辆预测的车流量ax为例进行说明,当前时刻为当前比对周期输出预测准确率的时刻,上一时刻为上一比对周期输出预测准确率的时刻。如预测准确率满足以下关系:
其中faccuracy(i)为当前时刻的预测准确率,faccuracy(i-1)为上一时刻的预测准确率,wa为上一时刻预测准确率在当前时刻中的占比,wc为该车道在准确率计算中所占的权重,指示的是车道实际车流量Cx与该类车辆预测的车流量ax之间的误差。
示例性的,信号机基于LSTM模型得到的预测车流量为30辆,采集设备采集到的车流量为是25辆,LSTM中配置了各个指标的权重,根据上述公式计算得到当前时刻的预测准确率为90%。
在一种可能的情形中,若某一车道(如图1所示出的车道5)的采集设备发生故障,信号机可将该车道5的权重设置为0,使得信号机确定当前时比对周期的预测准确率时,无需考虑无效车道(前述车道5)的权值,提高当前时比对周期的预测准确率的准确性。
而且,由于当前时比对周期的预测准确率考虑了之前的预测结果,因此,任意一个车道采集设备发生故障时,该信号机在无法获取到发生故障的车道的实时车流量的情况下,信号机可依赖于该车道的历史信息来计算该车道的实时车流量。示例性的,这里历史信息以历史车流量为例来说明,信号机以历史车流量计算获得实时车流量的置信度,并获得车流量的置信区间,该置信区间用于指示实时车流量的可信程度范围,该置信度用于指示实时车流量落在该置信区间的几率进而,将该置信空间内对应的历史车流量的平均值作为该车道的实时车流量。
示例性的,在本申请实施例中,信号机通过历史信息计算车道的预测车流量的置信度是95%,若实时车流量落在30辆到40辆之间的可能性是95%,则30-40作为置信区间,此时实时车流量为35辆。
可以理解的是,对于当前比对周期说,当某一车道的采集设备故障时间越长,历史信息的可信度会逐渐降低,导致信号机获得的车流量置信区间会越大,如在8辆到80辆之间,则相应的获取到的实时车流量精度越低,进一步的,信号机根据实时车流量和通行方案中指示的预测车流量获得的预测准确率逐渐变得不可信,当预测准确率下降到小于设定的阈值,信号机会自动使用固定的周期通行方案(如前述的S211中设定的通行方案),导致信号灯所在路口中其他车道的通行状况受到影响,使得信号灯所在路口发生拥堵。
S222、信号机判断第一时间段内信号灯控制模型的预测准确率是否大于准确率阈值。
若是,执行S223;
若否,执行S216。
准确率阈值是在信号机中预先设置好的值,若信号灯控制模型的预测准确率大于该准确率阈值,说明此时信号灯控制模型的预测交通信息结果准确率较高。
可选的,准确率阈值可以是固定值,或者是根据不同时间段的车流量信息动态变化的。
在一些实施例中,信号机针对预测准确率设定准确率阈值,是根据路口车流量的特点来确定的。如在车流量稳定且存在一定规律的路口或者未知车流量的路口,但是该路口可能存在隐形的特性规律,此时信号机设定的准确率阈值可以是固定值;再比如,车流量不稳定的路口且车流量随着时间而不断大幅度变化的道路,可以先设置一个较小的准确率阈值,同时信号灯控制模型不断地训练,并获取预测交通信息,从而实时计算预测准确率。当预测准确率达到一定的值后,如85%,则其预测是可信的。信号机将此时刻的预测准确率作为准确率阈值。
S223、在比对周期结束后,信号机获取第二时间段的预测交通信息。
预测交通信息具体描述参见S214。
S215、信号机根据第二时间段的预测交通信息,获取信号灯的控制通行方案。
控制通行方案用于指示:在第二时间段内,信号灯指示路口的车辆通行时间以及不同车道的通行顺序。
控制通行方案是基于信号灯所在的路口的交通信息得到的通行方案,其与S211中设定的通行方案可以相同,也可以不同,具体视交通情况而定,本申请对此不作限定。
S216、在第二时间段,信号机按照控制通行方案对信号灯进行控制。
信号机在第二时间段,使用控制通行方案对信号灯进行控制,避免了信号灯仅能按照固定的周期通行方案(如S211中设定的通行方案)对路口的车辆通行状态进行指示,导致道路上的车辆拥堵问题。
而且,前述的控制通行方案是信号机根据信号灯所在路口的第一时间段内的交通统计信息,基于信号灯控制模型进行处理得到的预测交通信息而获得的,因此,该控制通行方案适用于该路口的当前交通状况,如可避免该路口的车流量急剧增加导致的拥堵问题等。
本申请提供一种可能的具体实现方式,示例性的,第一时间段为早上7:00~7:59,参考图1所在的路口,以南北向行驶的道路为例:车道3的车流量为3辆/分钟·车道,车道4的车流量为2辆/分钟·车道,设定的通行方案包括:先左转再直行,其中,左转车道(车道3)的车辆通行时间为30S,直行车道(车道4)的车辆通行时间为20S。
第二时间段为早上8:00~8:59,车道3的车流量为5辆/分钟·车道,车道4的车流量为5辆/分钟·车道~7辆/分钟·车道,两个时间段均处于上班早高峰时期,但第二时间段内的车流量明显增多且不稳定。因而,将设定的通行方案应用于第二时间段时,容易导致车道3和车道4发生拥堵。
为解决上述问题,信号灯在第一时间段使用设定的通行方案的过程中,信号机同时采集到第一时间段内车道3、车道4的交通统计信息,将第一时间段内的交通统计信息输入信号灯控制模型,经过该模型处理获得第二时间段的预测交通信息,基于预测交通信息获得控制通行方案。例如,交通统计信息是车辆类型为汽车,直行的车辆长度总和为300m,左转的车辆长度为200m,左转的车辆数量为20辆,直行的车辆数量为30辆,控制通行方案是先直行后左转,其中,直行车道(车道4)的车辆通行时间为60S,左转车道(车道3)的车辆通行时间为50S。
S216结束后,本流程结束。
S217、在第二时间段,信号机按照设定的通行方案对信号灯进行控制。
S217结束后,本流程结束。
作为一种可能实现的方式,若前述的预测准确率小于准确率阈值,信号机控制信号灯以固定的周期通行方案(如设定的通行方案)指示路口车辆通行,与此同时,信号灯控制模型继续训练,获取预测交通信息,以及,信号机还计算该预测交通信息与当前的实时交通信息之间的预测准确率,直至预测准确率大于或等于准确率阈值时,信号机按照预测准确率大于或等于准确率阈值时的预测交通信息,去获取新的控制通行方案。
在第二时间段,信号灯控制模型继续训练,具体步骤如S231-S232。
S231、信号机获取比对周期的下一比对周期的交通统计信息。
比对周期具体描述参见S221中图4描述;交通统计信息具体描述参见S213。
S232、信号机根据下一比对周期的交通统计信息更新信号灯控制模型的模型参数,直至预测准确率大于或等于准确率阈值。
在一种可能的实现方式中,信号灯控制模型的训练和更新过程与信号机按照设定的通行方案对信号灯进行控制同步进行,即,在第一时间段内,信号机实时获取交通统计信息输入信号灯控制模型,用以训练信号灯控制模型的模型参数,使得信号灯控制模型的预测准确率大于等于准确率阈值。若信号灯控制模型的预测准确率小于准确率阈值,则在第一时间段的多个比对周期中继续训练信号灯控制模型,直到模型的预测准确率大于等于准确率阈值。
如图5所示,为本申请实施例提出的一种信号灯控制模型的更新方式。图5中示出,信号机将第一比对周期的交通统计信息输入信号灯控制模型,预测第二比对周期的预测交通信息,同时获取第二比对周期的交通统计信息,计算预测准确率。当预测准确率大于等于准确率阈值时,则信号灯控制模型输出第二比对周期的预测交通信息,当预测准确率小于准确率阈值时,则基于S214中的计算方法,对信号灯控制模型继续训练,直到预测准确率大于等于准确率阈值。
值得注意的是,上述信号灯模型的训练和更新方式仅为本实施例提供的示例,不应理解为对本申请的限定。
如果在S232中,第二时间段内信号灯控制模型的预测准确率大于或等于准确率阈值,则信号机执行S241-S243;否则,在后续时间段内,信号机均按照控制通行方案对信号灯进行控制,直到控制模型的预测准确率大于或等于准确率阈值。
S241、信号机获取第三时间段的预测交通信息。
第三时间段为与第二时间段连续、且在第二时间段之后的时段。
预测交通信息具体描述参见S214。
S242、根据第三时间段的预测交通信息,信号机获取对信号灯进行控制的后续通行方案。
后续通行方案用于指示:在第三时间段内,信号灯指示路口的车辆通行时间以及不同车道的通行顺序。
后续通行方案是基于第三时间段或后续时间段中,信号灯所在路口的交通信息得到的通行方案,其与S211、S215中的设定的通行方案和控制通行方案可以相同,也可以不同,具体视交通情况而定,本申请对此不作限定。
S243、在第三时间段,信号机按照后续通行方案对信号灯进行控制。
具体描述参见S216。
上述技术方案,信号灯控制模型能实时获取预测交通,和真实的交通统计信息进行对比,得到预测准确率。信号机通过判断预测准确率是否达到设定的阈值,来评估是否使用预测交通信息计算下一时间段内的通行方案,并将其应用于信号灯控制,从而优化道路拥堵问题。
在一个示例中,如图6所示,本实施例提供的信号灯控制方法包括以下步骤S610至S630。
S610,信号机根据信号灯所在路口在第一时间段内的交通统计信息,预测第二时间段的预测交通信息。
S620,信号机根据第二时间段的预测交通信息,获取信号灯的控制通行方案。
S630,信号机在第二时间段,按照控制通行方案对信号灯进行控制。
关于步骤S610至S630的详细内容可参照前述图2至图5所示出的方法实施例,在此不予赘述。
该方法使得信号机根据预测交通信息制定控制通行方案,使得信号灯仅能按照控制通行方案对路口的车辆通行状态进行指示,解决道路上的车辆拥堵问题。
在另一个示例中,如图7所示,图7中示出本申请实施例提出的方法在第一时间段、第二时间段和第三时间段内,分别获取交通统计信息,得出并使用设定的通行方案、控制通行方案和后续通行方案对信号灯进行控制的示意图。
如图7所示出的过程①,在第一时间段内,信号机按照设定的通行方案对信号灯进行控制,并且获取第一时间段内的交通统计信息。
如图7所示出的过程②,在第二时间段内,信号机按照控制通行方案对信号灯进行控制,并且获取第二时间段内的交通统计信息。其中,控制通行方案是在第一时间段的预测准确率大于或等于设定的阈值的情况下,信号机根据第二时间段的预测交通信息生成的。该第二时间段的预测交通信息是信号机根据过程①中第一时间段内的交通统计信息确定的。
如图7所示出的过程③,在第三时间段内,信号机按照后续通行方案对信号灯进行控制,并且获取第三时间段内的交通统计信息。其中,后续通行方案是在第二时间段的预测准确率大于或等于设定的阈值的情况下,信号机根据第三时间段的预测交通信息生成的。该第三时间段的预测交通信息是信号机根据过程②中第二时间段内的交通统计信息确定的。
关于过程①至过程③的详细内容可参照前述图2至图6所示出的方法实施例,在此不予赘述。
由图7可以看出,本实施例提供的信号灯控制方法确定的信号灯的通行方案对各个类型的路口都有针对性,保证通行方案能够适配路口的当前交通状况,如可避免该路口的车流量的急剧增加导致的拥堵问题。
上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能,本申请实施例提供了执行各个功能相应的硬件结构。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术目标可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例还提供一种信号灯控制装置,如图8示出本申请实施例提供的一种信号灯控制装置800的结构示意图。
其中,信号灯控制装置800包括:预测单元801,用于根据信号灯所在路口在第一时间段内的交通统计信息,预测第二时间段的预测交通信息;其中,第二时间段为与第一时间段连续、且在第一时间段之后的时段;获取单元802,用于根据第二时间段的预测交通信息,获取信号灯的控制通行方案;控制通行方案用于指示:在第二时间段内,信号灯指示路口的车辆通行时间以及不同车道的通行顺序;控制单元803,用于在第二时间段,按照控制通行方案对信号灯进行控制。
在一种可能的实现方式中,上述预测单元801具体用于,获取信号灯所在路口在第一时间段的交通统计信息;其中,在第一时间段内,信号灯按照设定的通行方案指示路口的车辆通行时间以及不同车道的通行顺序;将获取到的第一时间段的交通统计信息输入信号灯控制模型,获取第二时间段的预测交通信息;其中,信号灯控制模型用于基于交通统计信息,确定第二时间段的预测交通信息。
在另一种可能的实现方式中,上述获取单元802还用于,在获取第二时间段的预测交通信息之前,获取第一时间段内信号灯控制模型的预测准确率;预测准确率用于指示:在比对周期内,第一时间段内信号灯控制模型的预测交通信息与第一时间段内的交通统计信息的误差;第一时间段包括一个或多个比对周期;若第一时间段内信号灯控制模型的预测准确率大于等于准确率阈值,则在比对周期结束后,获取第二时间段的预测交通信息。
在另一种可能的实现方式中,上述控制单元803还用于,若第一时间内信号灯控制模型的预测准确率小于准确率阈值,则在第二时间段,按照设定的通行方案对信号灯进行控制。
在另一种可能的实现方式中,上述获取单元802还用于,若第一时间段内信号灯控制模型的预测准确率小于准确率阈值,获取比对周期的下一比对周期的交通统计信息;上述装置还包括更新单元804,用于根据下一比对周期的交通统计信息更新信号灯控制模型的模型参数,直至预测准确率大于或等于准确率阈值。
在另一种可能的实现方式中,上述获取单元802还用于,在第二时间段,按照设定的通行方案对信号灯进行控制之后,若第二时间段内信号灯控制模型的预测准确率大于或等于准确率阈值,则获取第三时间段的预测交通信息;第三时间段为与第二时间段连续、且在第二时间段之后的时段;根据第三时间段的预测交通信息,获取对信号灯进行控制的后续通行方案;后续通行方案用于指示:在第三时间段内,信号灯指示路口的车辆通行时间以及不同车道的通行顺序;控制单元803还用于,在第三时间段,按照后续通行方案对信号灯进行控制。
在另一种可能的实现方式中,上述预测准确率是根据以下信息确定的:第一车道在比对周期的交通统计信息与比对周期的预测交通信息之间的误差,第一车道在比对周期之前的上一比对周期的预测准确率,上一比对周期的预测准确率在比对周期的预测准确率中所占的权值,以及第一车道在路口对应的多个车道中的权值。
在另一种可能的实现方式中,信号灯控制模型包括LSTM模型。
在另一种可能的实现方式中,上述装置还包括控制模型启闭单元805,用于根据信号灯所在路口在第一时间段内的交通统计信息,预测第二时间段的预测交通信息之前,开启控制模式,控制模式用于指示启用信号灯控制模型。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将任务处理装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
本申请另一实施例中,还提供一种电子设备,该电子设备包括至少一个处理器和存储器,存储器用于存储一组计算机指令;当处理器执行所述一组计算机指令时,执行第一方面或第一方面任一种可能实现方式中的信号灯控制方法的操作步骤。
如图9所示,图9为本申请提供的一种电子设备结构示意图,电子设备900包括存储器910和至少一个处理器920,该处理器920可以实现上述实施例提供的信号灯控制方法,该存储器910用于存储上述信号灯控制方法对应的软件指令。示例的,当电子设备900用于实现上述实施例中方法步骤时,电子设备900包括的处理器920执行上述信号灯控制方法的步骤及其可能的子步骤。在一种可选的情形中,电子设备900还可以包括通信接口930,该通信接口930可以用于收发数据。例如,通信接口930用于接收一段时间内的交通统计信息、或者发送周期通行方案等。
本申请实施例中,通信接口930、处理器920以及存储器910之间可通过总线940连接,所述总线940可以分为地址总线、数据总线、控制总线等。
示例性的,该电子设备900是交通管理系统中的信号机,该信号机可与道路上的一个或多个信号灯进行通信。
本申请另一实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机指令。当计算机指令在前述电子设备上运行时,使得前述电子设备执行上述方法实施例所示的信号灯控制方法流程中的各个步骤。
本申请另一实施例还提供一种芯片系统,该芯片系统包括一个或多个接口电路,以及一个或多个处理器。接口电路和处理器通过线路互联,接口电路可用于接收其他设备发送的信息,如该信息包括设定的通行方案和第一时间段内的交通统计信息,处理器可依据该信息执行如第一方面及其任一种可能的实现方式所提供的信号灯控制方法。
本申请另一实施例中,还提供一种交通管理控制系统,包括至少一个信号机,该信号机可以实现第一方面中任一种实现方式所提供的信号灯控制方法。示例性的,该信号机可以是执行前述信号灯控制方法的任一个信号机。
可以理解的是,本申请的实施例中的处理器可以是中央处理单元(centralprocessing unit,CPU)、神经处理器(neural processing unit,NPU)或图形处理器(graphic processing unit,GPU),还可以是其它通用处理器、数字信号处理器(digitalSignal Processor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现场可编程门阵列(field programmable gate array,FPGA)或者其它可编程逻辑器件、晶体管逻辑器件,硬件部件或者其任意组合。通用处理器可以是微处理器,也可以是任何常规的处理器。
本申请的实施例中的方法步骤可以通过硬件的方式来实现,也可以由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成,软件模块可以被存放于随机存取存储器(random access memory,RAM)、闪存、只读存储器(read-only memory,ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)、寄存器、硬盘、移动硬盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外,该ASIC可以位于网络设备或终端设备中。当然,处理器和存储介质也可以作为分立组件存在于网络设备或终端设备中。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机程序或指令。在计算机上加载和执行所述计算机程序或指令时,全部或部分地执行本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、网络设备、用户设备或者其它可编程装置。所述计算机程序或指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机程序或指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是集成一个或多个可用介质的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,例如,软盘、硬盘、磁带;也可以是光介质,例如,数字视频光盘(digital video disc,DVD);还可以是半导体介质,例如,固态硬盘(solid state drive,SSD)。
在本申请的各个实施例中,如果没有特殊说明以及逻辑冲突,不同的实施例之间的术语和/或描述具有一致性、且可以相互引用,不同的实施例中的技术特征根据其内在的逻辑关系可以组合形成新的实施例。
可以理解的是,在本申请的实施例中涉及的各种数字编号仅为描述方便进行的区分,并不用来限制本申请的实施例的范围。上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定。
Claims (13)
1.一种信号灯控制方法,其特征在于,所述方法包括:
根据信号灯所在路口在第一时间段内的交通统计信息,预测第二时间段的预测交通信息;其中,所述第二时间段为与所述第一时间段连续、且在所述第一时间段之后的时段;
根据所述第二时间段的预测交通信息,获取所述信号灯的控制通行方案;所述控制通行方案用于指示:在所述第二时间段内,所述信号灯指示所述路口的车辆通行时间以及不同车道的通行顺序;
在所述第二时间段,按照所述控制通行方案对所述信号灯进行控制。
2.根据权利要求1所述的方法,其特征在于,所述根据信号灯所在路口在第一时间段内的交通统计信息,预测第二时间段的预测交通信息,包括:
获取所述信号灯所在路口在第一时间段的交通统计信息;其中,在所述第一时间段内,所述信号灯按照设定的通行方案指示所述路口的车辆通行时间以及不同车道的通行顺序;
将获取到的所述第一时间段的交通统计信息输入信号灯控制模型,获取所述第二时间段的预测交通信息;其中,所述信号灯控制模型用于基于所述交通统计信息,确定第二时间段的预测交通信息。
3.根据权利要求2所述的方法,其特征在于,在获取所述第二时间段的预测交通信息之前,所述方法还包括:
获取所述第一时间段内所述信号灯控制模型的预测准确率;所述预测准确率用于指示:在比对周期内,所述第一时间段内所述信号灯控制模型的预测交通信息与所述第一时间段内的交通统计信息的误差;所述第一时间段包括一个或多个比对周期;
若所述第一时间段内所述信号灯控制模型的预测准确率大于等于准确率阈值,则在所述比对周期结束后,获取所述第二时间段的预测交通信息。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
若所述第一时间内所述信号灯控制模型的预测准确率小于所述准确率阈值,则在所述第二时间段,按照所述设定的通行方案对所述信号灯进行控制。
5.根据权利要求3或4所述的方法,其特征在于,所述若所述第一时间段内所述信号灯控制模型的预测准确率小于所述准确率阈值,所述方法还包括:
获取所述比对周期的下一比对周期的交通统计信息;
根据所述下一比对周期的交通统计信息更新所述信号灯控制模型的模型参数,直至所述预测准确率大于或等于所述准确率阈值。
6.根据权利要求5所述的方法,其特征在于,在所述第二时间段,按照所述设定的通行方案对所述信号灯进行控制之后,所述方法还包括:
若所述第二时间段内所述信号灯控制模型的预测准确率大于或等于所述准确率阈值,则获取第三时间段的预测交通信息;所述第三时间段为与所述第二时间段连续、且在所述第二时间段之后的时段;
根据所述第三时间段的预测交通信息,获取对所述信号灯进行控制的后续通行方案;所述后续通行方案用于指示:在所述第三时间段内,所述信号灯指示所述路口的车辆通行时间以及不同车道的通行顺序;
在所述第三时间段,按照所述后续通行方案对所述信号灯进行控制。
7.根据权利要求3所述的方法,其特征在于,所述预测准确率是根据以下信息确定的:
第一车道在所述比对周期的交通统计信息与所述比对周期的预测交通信息之间的误差,所述第一车道在所述比对周期之前的上一比对周期的预测准确率,所述上一比对周期的预测准确率在所述比对周期的预测准确率中所占的权值,以及所述第一车道在所述路口对应的多个车道中的权值。
8.根据权利要求2所述的方法,其特征在于,所述信号灯控制模型包括长短期记忆网络LSTM模型。
9.根据权利要求2所述的方法,其特征在于,所述根据信号灯所在路口在第一时间段内的交通统计信息,预测第二时间段的预测交通信息之前,所述方法还包括:
开启控制模式,所述控制模式用于指示启用所述信号灯控制模型。
10.根据权利要求1至4任一项所述的方法,其特征在于,所述交通统计信息包括以下任意一种或几种的组合:所述路口的车辆数量、车辆排队长度和每辆车的车辆类型。
11.一种信号灯控制装置,其特征在于,包括:
预测单元,用于根据信号灯所在路口在第一时间段内的交通统计信息,预测第二时间段的预测交通信息;其中,所述第二时间段为与所述第一时间段连续、且在所述第一时间段之后的时段;
获取单元,用于根据所述第二时间段的预测交通信息,获取所述信号灯的控制通行方案;所述控制通行方案用于指示:在所述第二时间段内,所述信号灯指示所述路口的车辆通行时间以及不同车道的通行顺序;
控制单元,用于在所述第二时间段,按照所述控制通行方案对所述信号灯进行控制。
12.一种电子设备,其特征在于,包括:存储器,用于存储计算机指令;至少一个处理器,用于调用所述计算机指令,实现权利要求1至权利要求10中任一项所述的信号灯控制方法。
13.一种计算机可读存储介质,其特征在于,所述存储介质中存储有计算机程序或指令,当所述计算机程序或指令被电子设备执行时,实现如权利要求1至权利要求10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210932331.3A CN115440061A (zh) | 2022-08-04 | 2022-08-04 | 一种信号灯控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210932331.3A CN115440061A (zh) | 2022-08-04 | 2022-08-04 | 一种信号灯控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115440061A true CN115440061A (zh) | 2022-12-06 |
Family
ID=84242959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210932331.3A Pending CN115440061A (zh) | 2022-08-04 | 2022-08-04 | 一种信号灯控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115440061A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116824888A (zh) * | 2023-08-30 | 2023-09-29 | 深圳市智慧城市科技发展集团有限公司 | 交通信号同步方法、设备和可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20180315306A1 (en) * | 2017-04-26 | 2018-11-01 | Verizon Patent And Licensing Inc. | Analyzing big data to manage traffic flow |
CN109859469A (zh) * | 2019-02-15 | 2019-06-07 | 重庆邮电大学 | 一种基于集成lstm神经网络的车流量预测方法 |
CN111985619A (zh) * | 2020-08-18 | 2020-11-24 | 中冶南方城市建设工程技术有限公司 | 一种基于短时交通流预测的城市单交叉口控制方法 |
CN113327416A (zh) * | 2021-04-14 | 2021-08-31 | 北京交通大学 | 基于短时交通流预测的城市区域交通信号控制方法 |
WO2022116361A1 (zh) * | 2020-12-01 | 2022-06-09 | 山东交通学院 | 基于城市主干线车辆排队长度的信号灯调控方法及系统 |
CN114758495A (zh) * | 2022-03-29 | 2022-07-15 | 北京百度网讯科技有限公司 | 交通信号灯调整方法、装置及电子设备 |
-
2022
- 2022-08-04 CN CN202210932331.3A patent/CN115440061A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20180315306A1 (en) * | 2017-04-26 | 2018-11-01 | Verizon Patent And Licensing Inc. | Analyzing big data to manage traffic flow |
CN109859469A (zh) * | 2019-02-15 | 2019-06-07 | 重庆邮电大学 | 一种基于集成lstm神经网络的车流量预测方法 |
CN111985619A (zh) * | 2020-08-18 | 2020-11-24 | 中冶南方城市建设工程技术有限公司 | 一种基于短时交通流预测的城市单交叉口控制方法 |
WO2022116361A1 (zh) * | 2020-12-01 | 2022-06-09 | 山东交通学院 | 基于城市主干线车辆排队长度的信号灯调控方法及系统 |
CN113327416A (zh) * | 2021-04-14 | 2021-08-31 | 北京交通大学 | 基于短时交通流预测的城市区域交通信号控制方法 |
CN114758495A (zh) * | 2022-03-29 | 2022-07-15 | 北京百度网讯科技有限公司 | 交通信号灯调整方法、装置及电子设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116824888A (zh) * | 2023-08-30 | 2023-09-29 | 深圳市智慧城市科技发展集团有限公司 | 交通信号同步方法、设备和可读存储介质 |
CN116824888B (zh) * | 2023-08-30 | 2024-02-13 | 深圳市智慧城市科技发展集团有限公司 | 交通信号同步方法、设备和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11521496B2 (en) | Lane-borrowing vehicle driving method and control center | |
CN110361024B (zh) | 用于利用车辆组标识的动态车道级车辆导航的方法和系统 | |
Guériau et al. | Quantifying the impact of connected and autonomous vehicles on traffic efficiency and safety in mixed traffic | |
US11847908B2 (en) | Data processing for connected and autonomous vehicles | |
US8155868B1 (en) | Managing vehicle efficiency | |
CN107507430B (zh) | 一种城市路口交通控制方法及系统 | |
JP2021524087A (ja) | V2xおよびセンサデータを使用するためのシステムおよび方法 | |
Vreeswijk et al. | Energy efficient traffic management and control-the eCoMove approach and expected benefits | |
US20110037619A1 (en) | Traffic Routing Using Intelligent Traffic Signals, GPS and Mobile Data Devices | |
CN108986546A (zh) | 一种车辆事故预警方法及其服务器 | |
CN107389085B (zh) | 一种道路通行属性的确定方法、装置、计算机及存储介质 | |
CN108603763A (zh) | 行驶计划生成装置、行驶计划生成方法和行驶计划生成程序 | |
CN110733507B (zh) | 车道变换及道路隔离方法、装置、设备及存储介质 | |
Long et al. | Deep reinforcement learning for transit signal priority in a connected environment | |
CN115440061A (zh) | 一种信号灯控制方法及装置 | |
CN109003442A (zh) | 一种道路延误时间计算及交通拥堵情况确定方法、系统 | |
CN113240918B (zh) | 用于为车辆预留车道的方法、存储介质及电子设备 | |
CN112349094B (zh) | 一种无信号灯控制路口机动车通行效率评价方法及系统 | |
Zheng et al. | Critical gaps and follow-up headways at congested roundabouts | |
CN115083198B (zh) | 一种多车运力资源调度方法及装置 | |
CN115752499A (zh) | 路径规划方法、装置、终端设备及车辆 | |
Yang | Estimating the Capacity of a Curbside Bus Stop with Multiple Berths Using Probabilistic Models | |
CN116176657A (zh) | 列车排序方法、系统和存储介质 | |
CN113298309A (zh) | 用于交通拥堵状态预测的方法、装置及终端 | |
CN113401147B (zh) | 一种自动驾驶方法、装置及电子设备 |
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 |