CN115862315B - 一种面向智慧城市多源异构数据流的交通灯控制方法及装置 - Google Patents

一种面向智慧城市多源异构数据流的交通灯控制方法及装置 Download PDF

Info

Publication number
CN115862315B
CN115862315B CN202211370801.8A CN202211370801A CN115862315B CN 115862315 B CN115862315 B CN 115862315B CN 202211370801 A CN202211370801 A CN 202211370801A CN 115862315 B CN115862315 B CN 115862315B
Authority
CN
China
Prior art keywords
data
control module
light
time
module
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
CN202211370801.8A
Other languages
English (en)
Other versions
CN115862315A (zh
Inventor
万久地
潘纯洁
张前进
蒋波
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.)
Chongqing Branch China Tower Co ltd
Original Assignee
Chongqing Branch China Tower Co ltd
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 Chongqing Branch China Tower Co ltd filed Critical Chongqing Branch China Tower Co ltd
Priority to CN202211370801.8A priority Critical patent/CN115862315B/zh
Publication of CN115862315A publication Critical patent/CN115862315A/zh
Application granted granted Critical
Publication of CN115862315B publication Critical patent/CN115862315B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Abstract

本发明提供一种面向智慧城市多源异构数据流的交通灯控制方法，包括以下步骤，S1:光线采集模块、视频采集模块、声音采集模块协同采集光亮数据、视频数据、声音数据，并进行去噪处理，对下一时刻的光亮数据、视频数据、声音数据进行预测及修正；S2:以时间流为基础，时间同步与模态对齐模块对S1采集的光亮数据、视频数据、声音数据进行对齐；S3:控制模块对S2的数据进行分析，信号协同的控制模块对交通灯时延控制模块及路灯光照明亮度控制模块进行控制。本发明对采集的声音数据、视频数据、光线数据进行去噪及预测，从而准确了解当前及下一时段的人流量及方向、车流量及方向；以时间流为基础进行模态对齐，从而为全方位多角度决策提供前提。

Description

一种面向智慧城市多源异构数据流的交通灯控制方法及装置
技术领域
本发明属于新一代电子信息领域，尤其涉及面向智慧城市多源异构数据流的路灯及交通灯一体化协同控制方法。
背景技术
城市拥堵及城市照明是制约城市经济、环境、甚至是影响市民幸福感的一个亟待解决的难题，并且已经成为全世界关注的问题，对全球经济、环境、能源造成了严重的影响。交通拥堵意味着更长的行驶时间，更多的油耗和更严重的空气污染。根据我国交通部的报告，交通拥堵带来的经济损失每年高达2500亿元人民币。路段为控制对象的定时照明意味电能的浪费。如何基于车流量、人流量定制化交通灯时延及路灯光照明亮度成为研究重点。
发明内容
本发明要解决的技术问题是，现有技术不能智能控制交通灯的时间长度及各个路灯的光照亮度，多路口拥堵程度高，路灯用电量大。
本发明提供一种面向智慧城市多源异构数据流的交通灯控制方法，包括以下步骤，
S1:光线采集模块、视频采集模块、声音采集模块协同采集光亮数据、视频数据、声音数据，并进行去噪处理，对下一时刻的光亮数据、视频数据、声音数据进行预测及修正；
S2:以时间流为基础，时间同步与模态对齐模块对S1采集的光亮数据、视频数据、声音数据进行对齐；
S3:控制模块对S2的数据进行分析，信号协同的控制模块对交通灯时延控制模块及路灯光照明亮度控制模块进行控制；
所述步骤S1包括，
S101多个检测传感器对光亮数据、视频、声音数据共同检测，通过各检测传感器数据关联，以协方差形式修正各个检测传感器感知数据；
记k时刻来自检测传感器i的确认量测量数目为
Figure GDA0004217934590000021
令/>
Figure GDA0004217934590000022
表示k时刻检测传感器的状态向量,其中t表示目标，(t＝1,2,…)，N为量测传感器目标数，/>
Figure GDA0004217934590000023
表示检测传感器i在k时刻收到的第j个量测，则检测传感器的量测方程可表示为：
Figure GDA0004217934590000024
其中，各个传感器之间的量测误差中统计独立，
Figure GDA0004217934590000025
为k时刻检测传感器i的观测矩阵，/>
Figure GDA0004217934590000026
为k时刻检测传感器i的量测噪声向量，/>
Figure GDA0004217934590000027
具有0均值和正定协方差矩阵/>
Figure GDA0004217934590000028
且独立统计的高斯噪声向量，k时刻所有检测传感器接收到的所有量测向量表示为：
Figure GDA0004217934590000029
S102：令任意目标t与M个传感器的一组量测的互联映射，对于映射ams，包含有N个映射，映射ai意为目标t与来自于传感器i的量测之间的互联映射，若ai(t)＝0，则传感器i没有量测与目标t互联；可得：
Figure GDA00042179345900000210
其中，事件
Figure GDA00042179345900000211
为互不相容事件/>
Figure GDA00042179345900000212
的并集，/>
Figure GDA00042179345900000213
表示在给定量测集合Zk情况下事件/>
Figure GDA00042179345900000214
的条件概率；
S103：多传感器的联合事件概率
Figure GDA0004217934590000031
是单传感器事件概率/>
Figure GDA0004217934590000032
的乘积，即
Figure GDA0004217934590000033
可得基于多传感器对目标t的状态估计为
Figure GDA0004217934590000034
其中，
Figure GDA0004217934590000035
表示给定量测组合L做出的对目标t的状态估计，其计算公式如下
Figure GDA0004217934590000036
其中，
Figure GDA0004217934590000037
为状态预报值，/>
Figure GDA0004217934590000038
为利用传感器i对目标t进行滤波的增益矩阵，对应的协方差更新矩阵为
Figure GDA0004217934590000039
其中，
Figure GDA00042179345900000310
是对应于状态估计/>
Figure GDA00042179345900000311
的协方差；
S104：将来自多个传感器的量测信息依次进行处理，基于第一个传感器的量测信息，计算相应于各个目标的中间状态估计值
Figure GDA00042179345900000312
以及对应的协方差/>
Figure GDA00042179345900000313
将中间状态估计与相应的协方差作为预报状态以及预报状态协方差，利用第二个传感器的量测信息，改进先前的中间状态估计与相应的协方差，从而得到各个目标的新的中间状态估计值/>
Figure GDA00042179345900000314
以及相应的协方差/>
Figure GDA00042179345900000315
按照此过程，依次处理多个传感器的量测信息，直到所有的N个传感器都被处理完为止，将/>
Figure GDA00042179345900000316
和/>
Figure GDA00042179345900000317
作为最终的状态估计和协方差输出。
进一步的，所述步骤S2包括，
S201以Δk为时间间隔，提取各个检测传感器的特征，并采用以下公式进行归一化及截断化处理，
Figure GDA0004217934590000041
其中fnor(zi)表示检测传感器i在k时刻的归一化函数，zi表示传感器i的测量集合；
采用以下公式以目标光亮数据、视频、声音数据的特征投影到实体空间为手段，搭建文本、图片、音频特征之间对齐的桥梁：
Figure GDA0004217934590000042
其中Projection()表示特征投影函数，
Figure GDA0004217934590000043
是一个转换矩阵，di表示目标的特征维度，ds表示实体特征维度，Es表示第s个实体得到的目标特征；
S202针对智慧城市多源异构数据流的路灯及交通灯控制器采集的文本、图片、音频的数据以下距离计算公式进行对齐；
Figure GDA0004217934590000044
其中es是实体Es的一个特征，ei是实体Ei的一个特征；对于未对齐的目标t'的特征维度ei,在Δkj时间遍历整个目标集t，计算每个目标t'的特征维度向量与整个目标集t的特征维度向量之间的距离
Figure GDA0004217934590000045
对计算结果进行升序排列,并建立候选对齐集合，设定一个距离阈值θ为超参数，若/>
Figure GDA0004217934590000046
则判定ei与es能够实现对齐,否则判定不能够实现对齐。
进一步的，所述步骤S3包括，
S301基于S2步对对齐的路灯及交通灯控制器采集的文本、图片、音频数据ei,es，采用以下公式通过一个线性层进行特征拼接φ，
Figure GDA0004217934590000047
其中
Figure GDA0004217934590000051
表示元素乘积；
S302基于S301拼接的结果，采用多模态Transformer模型进行学习及训练并建议回归模型；
S303信号协同的控制模块基于S302回归模型，基于路灯及交通灯控制器Δkj时刻采集的数据，对交通灯时延控制模块及路灯光照明亮度控制模块进行精准控制。
为了保证上述方法的试试，本发明还提供一种应用于上述方法的装置，
所述装置包括，信号协同的控制模块、交通灯时延控制模块、路灯光照明亮度控制模块、光线采集模块、视频采集模块、声音采集模块、时间同步与模态对齐模块；
所述信号协同的控制模块用于接受光线采集模块、视频采集模块、声音采集模块采集的数据，并采用时间同步与模态对齐模块对相关采集的数据进行对齐；对交通灯时延控制模块及路灯光照明亮度控制模块进行精准控制；
所述交通灯时延控制模块用于接收信号协同的控制模块的指令，对交通灯红、黄、绿灯的时长进行控制；
所述路灯光照明亮度控制模块用于接收信号协同的控制模块的指令，对路灯光照明亮度进行控制，当照明亮度为“0”时，代表路灯为关闭状态；
所述光线采集模块用于对自然光照强度进行采集；
所述视频采集模块用于对道路上的人行及车辆数量进行采集，并能初步估算出人流及车流带方向的速度；
所述声音采集模块用于对声音强度进行采集；
所述时间同步与模态对齐模块用于各个模块提供时间同步及对光线、视频、声音三种模态数据对齐。
本发明的有益效果是，先对采集的声音数据、视频数据、光线数据进行去噪及预测，从而准确了解当前及下一时段的人流量及方向、车流量及方向；以时间流为基础进行模态对齐，从而为全方位多角度决策提供前提；采用多模态深度强化学习方法，从而定制化交通灯的时间长度及各个路灯的光照亮度，缓解多路口拥堵程度，节约了路灯用电量，提高了市民的幸福感。
附图说明
图1为本发明流程图。
具体实施方式
毕业于2020年江苏大学的孙同陈的硕士学位论文“LED路灯的分布式组网与控制技术的研究”指出可以基于单灯控制的LED路灯照明的控制需求与特点，引入了基于区域协同的单灯控制技术，设计了一个依据路灯工况的单灯模糊控制器。然而，该方法并不是基于路况实时光照强度，也没有基于人流量来进行的控制。谭童在2019年重庆邮电大学硕士学位论文“基于环境及道路状态的智慧照明控制策略研究”中提到利用道路所处环境(如天气)及道路实时运行状态(如车流量、人流量)进行科学有效的调节路灯亮度和色温，是当前智慧照明行业的重点研究内容。谭童提出了一种单灯照明亮度及色温控制策略。该策略以车流量、人流量、PM2.5、湿度、环境照度作为决策照明亮度值的5个环境参数，而以SO2、PM2.5、湿度作为决策照明色温值的3个环境参数，采用熵权法和层次分析法组合赋权的方式，来分配每个环境参数相对于照明亮度和色温的权值，并将环境参数的权值加权得到亮度判断值和色温判断值。谭童也提出了一种协同照明控制策略，该策略利用上下游集中控制器的远程通信功能，基于道路及环境信息的变化，实现关联路段的路灯协同控制。然而，该方法以是整个路段为研究对像，对路段的路灯进行总体控制，不能实现单个路灯的定制控制。随着智慧多功能灯杆的发展，如何充分使用智慧灯杆多源信号集成的设备模块进行路灯亮度的分布式控制及协同工作是一个重要的方向。
武强在2020年兰州大学博士学位论文“多智能体强化学习在城市交通信号控制中的研究与应用”中建立了城市多交叉路口交通流量时间序列文本数据集，并提出了基于纳什均衡的优势行动者评论家算法、异步优势行动者评论家算法、和多智能体自动通信强化学习算法来缓解多路口拥堵程度。中南大学何增镇的博士学位论文“基于Multi-Agent与博弈论的城市交通控制诱导系统及其关键技术研究”针对现代城市交通复杂！多变！分布式的特点,充分运用Multi-Agent的理论与技术与博弈论的思想与方法，以及系统最优和用户均衡两个原则的有效协调,可有效提高城市路网效率和实际通行能力。
本发明先对采集的声音数据、视频数据、光线数据进行去噪及预测，从而准确了解当前及下一时段的人流量及方向、车流量及方向；以时间流为基础进行模态对齐，从而为全方位多角度决策提供前提；采用多模态深度强化学习方法，从而定制化交通灯的时间长度及各个路灯的光照亮度
本发明具体实现步骤如下：
S1:光线采集模块、视频采集模块、声音采集模块协同采集当前光亮数据、视频、声音数据，并进行去噪处理，同时对下一时刻的相关数据进行预测及修正。
S2:以时间流为基础，时间同步与模态对齐模块对S1采集的多模态数据进行对齐。
S3:增强Multimodal Transformer方法，信号协同的控制模块对S2的数据进行分析。信号协同的控制模块对交通灯时延控制模块及路灯光照明亮度控制模块进行精准控制。
S1进一步可分解为：
S101：针对检测传感器受天气、环境(如植物、建筑物遮挡，灰尘度)及监测环境的先验证知识及传感器自身性能的制约问题，令N个检测传感器对光亮数据(文本)、视频(图片)、声音数据(声音噪声，为文本数据)进行共同检测，通过各个检测传感器数据关联，以协方差形式修正各个检测传感器感知数据，从而为路灯及交通灯的准确控制提供依据。
记k时刻来自检测传感器i的确认量测没数目为
Figure GDA0004217934590000081
令/>
Figure GDA0004217934590000082
表示k时刻检测传感器的状态向量,其中(t＝1,2,…,N)为量测目标数，/>
Figure GDA0004217934590000083
表示检测传感器i在k时刻收到的第j个量测，则检测传感器的量测方程可表示为：
Figure GDA0004217934590000084
其中，各个传感器之间的量测误差中统计独立。
Figure GDA0004217934590000085
为k时刻检测传感器i的观测矩阵。/>
Figure GDA0004217934590000086
为k时刻检测传感器i的量测噪声向量，它是具有0均值和正定协方差矩阵/>
Figure GDA0004217934590000087
且独立统计的高斯噪声向量。k时刻所有检测传感器接收到的所有量测向量可表示为：
Figure GDA0004217934590000088
S102：令是任意目标t与N个传感器的一组量测的互联映射。对于映射ams，包含有N个映射，该映射ai意为目标t与来自于传感器i的量测之间的互联映射。若ai(t)＝0，则传感器i没有量测与目标t互联。可得：
Figure GDA0004217934590000091
其中，事件
Figure GDA0004217934590000092
为互不相容事件/>
Figure GDA0004217934590000093
的并集，/>
Figure GDA0004217934590000094
表示在给定量测集合Zk情况下事件/>
Figure GDA0004217934590000095
的条件概率。
S103：由于各个传感器之间的量测误差是统计独立的。可得，多传感器的联合事件概率
Figure GDA0004217934590000096
恰好是单传感器事件概率/>
Figure GDA0004217934590000097
的乘积，即
Figure GDA0004217934590000098
可得基于多传感器对目标t的状态估计为
Figure GDA0004217934590000099
其中，
Figure GDA00042179345900000910
表示给定量测组合L做出的对目标t的状态估计，其计算公
式如下
Figure GDA00042179345900000911
其中，
Figure GDA00042179345900000912
为状态预报值，/>
Figure GDA00042179345900000913
为利用传感器i对目标t进行滤波的增益矩阵。对应的协方差更新矩阵为
Figure GDA00042179345900000914
其中，
Figure GDA00042179345900000915
是对应于状态估计/>
Figure GDA00042179345900000916
的协方差。
S104：将来自多个传感器的量测信息依次进行处理。基于第一个传感器的量测信息，计算相应于各个目标的中间状态估计值
Figure GDA00042179345900000917
以及对应的协方差/>
Figure GDA00042179345900000918
然后，将中间状态估计与相应的协方差作为预报状态以及预报状态协方差，并利用第2个传感器的量测信息，改进先前的中间状态估计与相应的协方差，从而得到各个目标的新的中间状态估计值/>
Figure GDA00042179345900000919
以及相应的协方差/>
Figure GDA00042179345900000920
按照此过程，依次处理多个传感器的量测信息，直到所有的N个传感器都被处理完为止，将/>
Figure GDA0004217934590000101
和/>
Figure GDA0004217934590000102
作为最终的状态估计和协方差输出。
S2进一步可分解为：
S201基于S1步，以Δk为时间间隔，提取各个检测传感器的特征，并以(6)式进行归一化及截断化处理。
Figure GDA0004217934590000103
其中fnor(zi)表示检测传感器i在k时刻的归一化函数。以目标光亮数据、视频、声音数据的特征投影到实体空间为手段，搭建文本、图片、音频特征之间对齐的桥梁，如式(7)所示：
Figure GDA0004217934590000104
其中projection()表示特征投影函数，
Figure GDA0004217934590000105
是一个转换矩阵，di表示目标的特征维度，ds表示实体特征维度，Ei表示第i个实体得到的目标特征表示。
S202针对智慧城市多源异构数据流的路灯及交通灯控制器采集的文本、图片、音频的数据存在异构性，对三者进行两两单独嵌入则会使实体对齐变得极为困难，采用(8)式所示的距离计算公式进行对齐。
Figure GDA0004217934590000106
对于未对齐的目标t'的特征维度ei,在Δkj时间遍历整个目标集t，计算每个目标t'的特征维度向量与整个目标集t的特征维度向量之间的距离,对计算结果进行升序排列,并建立候选对齐集合。设定一个距离阈值θ为超参数，如果
Figure GDA0004217934590000107
则认为ei与es能够实现对齐,否则认为不能够实现对齐。
S3进一步可分解为：
S301基于S2步对对齐的路灯及交通灯控制器采集的文本、图片、音频数据ei,es通过一个线性层进行特征拼接
Figure GDA0004217934590000111
如式(9)所示。
Figure GDA0004217934590000112
其中
Figure GDA0004217934590000113
表示元素乘积。
S302基于S301拼接的结果，采用多模Transformer方法进行学习及训练并建议回归模型。
Transformer是一种机器学习模型。
S303信号协同的控制模块基于S302回归模型，基于路灯及交通灯控制器Δkj时刻采集的数据，对交通灯时延控制模块及路灯光照明亮度控制模块进行精准控制
本发明还提供一种面向智慧城市多源异构数据流的交通灯控制装置
该装置包括信号协同的控制模块、交通灯时延控制模块、路灯光照明亮度控制模块、光线采集模块、视频采集模块、声音采集模块、时间同步与模态对齐模块。
信号协同的控制模块：接受光线采集模块、视频采集模块、声音采集模块采集的数据，并采用时间同步与模态对齐模块对相关采集的数据进行对齐；通过Multi-Agent进行深度强化学习，对交通灯时延控制模块及路灯光照明亮度控制模块进行精准控制。
交通灯时延控制模块：接上信号协同的控制模块的指令，对交通灯红、黄、绿灯的时长进行控制。
路灯光照明亮度控制模块：接上信号协同的控制模块的指令，对路灯光照明亮度进行控制，当照明亮度为“0”时，代表路灯为关闭状态。
光线采集模块：对自然光照强度进行采集。
视频采集模块：对道路上的人行及车辆数量进行采集，并能初步估算出人流及车流带方向的速度。
声音采集模块：对声音强度进行采集。
时间同步与模态对齐模块：为各个模块提供时间同步及对光线、视频、声音三种模态数据对齐。
本发明的有益效果是，先对采集的声音数据、视频数据、光线数据进行去噪及预测，从而准确了解当前及下一时段的人流量及方向、车流量及方向；以时间流为基础进行模态对齐，从而为全方位多角度决策提供前提；采用多模态深度强化学习方法，从而定制化交通灯的时间长度及各个路灯的光照亮度，缓解多路口拥堵程度，节约了路灯用电量，提高了市民的幸福感。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (4)

1.一种面向智慧城市多源异构数据流的交通灯控制方法，包括以下步骤，
S1:光线采集模块、视频采集模块、声音采集模块协同采集光亮数据、视频数据、声音数据，并进行去噪处理，对下一时刻的光亮数据、视频数据、声音数据进行预测及修正；
S2:以时间流为基础，时间同步与模态对齐模块对S1采集的光亮数据、视频数据、声音数据进行对齐；
S3:控制模块对S2的数据进行分析，信号协同的控制模块对交通灯时延控制模块及路灯光照明亮度控制模块进行控制；
所述步骤S1包括，
S101多个检测传感器对光亮数据、视频、声音数据共同检测，通过各检测传感器数据关联，以协方差形式修正各个检测传感器感知数据；
记k时刻来自检测传感器i的确认量测量数目为
Figure FDA0004217934580000011
令/>
Figure FDA0004217934580000012
表示k时刻检测传感器的状态向量,其中t表示目标，
t＝1,2,…，N为量测传感器目标数，
Figure FDA0004217934580000013
表示检测传感器i在k时刻收到的第j个量测，则检测传感器的量测方程可表示为：
Figure FDA0004217934580000014
其中，各个传感器之间的量测误差中统计独立，
Figure FDA0004217934580000015
为k时刻检测传感器i的观测矩阵，
Figure FDA0004217934580000016
为k时刻检测传感器i的量测噪声向量，/>
Figure FDA0004217934580000017
具有0均值和正定协方差矩阵/>
Figure FDA0004217934580000018
且独立统计的高斯噪声向量，k时刻所有检测传感器接收到的所有量测向量表示为：
Figure FDA0004217934580000019
S102：令任意目标t与N个传感器的一组量测的互联映射，对于映射ams，包含有N个映射，映射ai意为目标t与来自于传感器i的量测之间的互联映射，若ai(t)＝0，则传感器i没有量测与目标t互联；可得：
Figure FDA0004217934580000021
其中，事件
Figure FDA0004217934580000022
为互不相容事件/>
Figure FDA0004217934580000023
的并集，/>
Figure FDA0004217934580000024
表示在给定量测集合Zk情况下事件/>
Figure FDA0004217934580000025
的条件概率；
S103：多传感器的联合事件概率
Figure FDA0004217934580000026
是单传感器事件概率/>
Figure FDA0004217934580000027
的乘积，即
Figure FDA0004217934580000028
可得基于多传感器对目标t的状态估计为
Figure FDA0004217934580000029
其中，
Figure FDA00042179345800000210
表示给定量测组合L做出的对目标t的状态估计，其计算公式如下
Figure FDA00042179345800000211
其中，
Figure FDA00042179345800000212
为状态预报值，/>
Figure FDA00042179345800000213
为利用传感器i对目标t进行滤波的增益矩阵，对应的协方差更新矩阵为
Figure FDA00042179345800000214
其中，
Figure FDA00042179345800000215
是对应于状态估计/>
Figure FDA00042179345800000216
的协方差；
S104：将来自多个传感器的量测信息依次进行处理，基于第一个传感器的量测信息，计算相应于各个目标的中间状态估计值
Figure FDA00042179345800000217
以及对应的协方差/>
Figure FDA00042179345800000218
将中间状态估计与相应的协方差作为预报状态以及预报状态协方差，利用第二个传感器的量测信息，改进先前的中间状态估计与相应的协方差，从而得到各个目标的新的中间状态估计值/>
Figure FDA0004217934580000031
以及相应的协方差/>
Figure FDA0004217934580000032
按照此过程，依次处理多个传感器的量测信息，直到所有的N个传感器都被处理完为止，将/>
Figure FDA0004217934580000033
和/>
Figure FDA0004217934580000034
作为最终的状态估计和协方差输出。
2.如权利要求1所述的一种面向智慧城市多源异构数据流的交通灯控制方法，其特征在于，所述步骤S2包括，
S201以Δk为时间间隔，提取各个检测传感器的特征，并采用以下公式进行归一化及截断化处理，
Figure FDA0004217934580000035
其中fnor(zi)表示检测传感器i在k时刻的归一化函数，zi表示传感器i的测量集合；
采用以下公式以目标光亮数据、视频、声音数据的特征投影到实体空间为手段，搭建文本、图片、音频特征之间对齐的桥梁：
Figure FDA0004217934580000036
其中projection()表示特征投影函数，
Figure FDA0004217934580000037
是一个转换矩阵，di表示目标的特征维度，ds表示实体特征维度，Es表示第s个实体得到的目标特征；
S202针对智慧城市多源异构数据流的路灯及交通灯控制器采集的文本、图片、音频的数据以下距离计算公式进行对齐；
Figure FDA0004217934580000038
其中es是实体Es的一个特征，ei是实体Ei的一个特征；对于未对齐的目标t'的特征维度ei,在Δkj时间遍历整个目标集t，计算每个目标t'的特征维度向量与整个目标集t的特征维度向量之间的距离
Figure FDA0004217934580000039
对计算结果进行升序排列,并建立候选对齐集合，设定一个距离阈值θ为超参数，若/>
Figure FDA0004217934580000041
则判定ei与es能够实现对齐,否则判定不能够实现对齐。
3.如权利要求1所述的一种面向智慧城市多源异构数据流的交通灯控制方法，其特征在于，所述步骤S3包括，
S301基于S2步对对齐的路灯及交通灯控制器采集的文本、图片、音频数据ei,es，采用以下公式通过一个线性层进行特征拼接φ，
Figure FDA0004217934580000042
其中
Figure FDA0004217934580000043
表示元素乘积；
S302基于S301拼接的结果，采用多模态Transformer模型进行学习及训练并建议回归模型；
S303信号协同的控制模块基于S302回归模型，基于路灯及交通灯控制器Δkj时刻采集的数据，对交通灯时延控制模块及路灯光照明亮度控制模块进行精准控制。
4.一种应用于权利要求1-3任一所述的一种面向智慧城市多源异构数据流的交通灯控制方法的装置，其特征在于，
所述装置包括，信号协同的控制模块、交通灯时延控制模块、路灯光照明亮度控制模块、光线采集模块、视频采集模块、声音采集模块、时间同步与模态对齐模块；
所述信号协同的控制模块用于接受光线采集模块、视频采集模块、声音采集模块采集的数据，并采用时间同步与模态对齐模块对相关采集的数据进行对齐；对交通灯时延控制模块及路灯光照明亮度控制模块进行精准控制；
所述交通灯时延控制模块用于接收信号协同的控制模块的指令，对交通灯红、黄、绿灯的时长进行控制；
所述路灯光照明亮度控制模块用于接收信号协同的控制模块的指令，对路灯光照明亮度进行控制，当照明亮度为“0”时，代表路灯为关闭状态；
所述光线采集模块用于对自然光照强度进行采集；
所述视频采集模块用于对道路上的人行及车辆数量进行采集，并能初步估算出人流及车流带方向的速度；
所述声音采集模块用于对声音强度进行采集；
所述时间同步与模态对齐模块用于各个模块提供时间同步及对光线、视频、声音三种模态数据对齐。
CN202211370801.8A 2022-11-03 2022-11-03 一种面向智慧城市多源异构数据流的交通灯控制方法及装置 Active CN115862315B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211370801.8A CN115862315B (zh) 2022-11-03 2022-11-03 一种面向智慧城市多源异构数据流的交通灯控制方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211370801.8A CN115862315B (zh) 2022-11-03 2022-11-03 一种面向智慧城市多源异构数据流的交通灯控制方法及装置

Publications (2)

Publication Number Publication Date
CN115862315A CN115862315A (zh) 2023-03-28
CN115862315B true CN115862315B (zh) 2023-06-23

Family

ID=85662422

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211370801.8A Active CN115862315B (zh) 2022-11-03 2022-11-03 一种面向智慧城市多源异构数据流的交通灯控制方法及装置

Country Status (1)

Country Link
CN (1) CN115862315B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116110237B (zh) * 2023-04-11 2023-06-20 成都智元汇信息技术股份有限公司 一种基于灰色马尔科夫链的信号灯控制方法及装置及介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ITTR20080002U1 (it) * 2008-06-06 2008-09-06 Tecnologie E Servizi Innovativ Lampione a led intelligente finalizzato al risparmio energetico, monitorato e controllato da centro di telecontrollo remoto
CN109152185A (zh) * 2018-10-19 2019-01-04 中国科学院重庆绿色智能技术研究院 一种多源感知路灯智能控制系统
CN110167232B (zh) * 2019-06-06 2021-11-05 四川华晖盛世探测技术有限公司 一种照明控制系统及方法
KR102144712B1 (ko) * 2019-12-09 2020-08-14 에스이임파워 사회적협동조합 스마트 도시형 led 시스템의 제어 방법 및 이를 제어하는 관리 서버

Also Published As

Publication number Publication date
CN115862315A (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
CN103985250B (zh) 轻量级的全息道路交通状态视觉检测装置
CN103136938B (zh) 行人过街通道交通信号智能控制系统
CN102156180B (zh) 一种区域能见度监视预测系统及方法
CN106652483A (zh) 利用检测设备在区域公路网布设交通信息检测点的方法
CN115862315B (zh) 一种面向智慧城市多源异构数据流的交通灯控制方法及装置
CN106297330A (zh) 减少行人过街对平面感知信号控制效率影响的方法及系统
CN108399741A (zh) 一种基于实时车辆轨迹数据的交叉口流量估计方法
CN109191830A (zh) 一种基于视频图像处理的道路拥堵检测方法
CN111739315B (zh) 一种交通信号灯绿波智能调节方法及智能调节系统
CN102708688A (zh) 一种基于二级模糊综合判别的城市道路状态辨识方法
CN110570675B (zh) 一种车路协同环境下高速公路施工区的路侧控制系统
CN109086803A (zh) 一种基于深度学习与个性化因子的雾霾能见度检测系统及方法
CN110310491B (zh) 一种短间距双节点地磁车速检测系统及检测方法
CN112133106B (zh) 一种基于地磁特征的车流量检测方法及系统
CN105262983A (zh) 基于灯联网的道路监控系统与方法
CN117173913B (zh) 基于不同时段车流量分析的交通控制方法及系统
CN105466556A (zh) 一种隧道亮度检测系统
CN109000733B (zh) 基于模拟退火优化神经网络的能见度传感器的检测方法
CN114493368A (zh) 一种应用于环境工程的智慧监测灯杆控制系统及方法
CN110909607B (zh) 一种智慧地铁运营中客流感知的装置系统
CN201369859Y (zh) 一种模糊控制路灯节能系统
CN113505346B (zh) 一种基于人工智能的城市路灯数据处理及联合调控系统
CN103245338B (zh) 利用视频检测技术监测机动车对大气影响的系统及方法
CN103278603B (zh) 利用号牌识别技术监测机动车对环境影响的系统及方法
Yao et al. Embedded technology and algorithm for video-based vehicle queue length detection

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