CN116504078A - 一种针对小学路口的交通控制方法及系统 - Google Patents
一种针对小学路口的交通控制方法及系统 Download PDFInfo
- Publication number
- CN116504078A CN116504078A CN202310585432.2A CN202310585432A CN116504078A CN 116504078 A CN116504078 A CN 116504078A CN 202310585432 A CN202310585432 A CN 202310585432A CN 116504078 A CN116504078 A CN 116504078A
- Authority
- CN
- China
- Prior art keywords
- traffic
- school
- current
- information
- controlled
- 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 24
- 238000003062 neural network model Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000004891 communication Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000003491 array Methods 0.000 description 1
- 230000005465 channeling Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种针对小学路口的交通控制方法及系统,方法包括:获取当前放学视频及当天放学信息;对当前放学视频进行目标跟踪处理,得到人流信息;将所述人流信息和当前放学信息输入预先训练好的神经网络模型进行预测,得到人流到达所述待控制交通灯的当前时间;获取所述待控制交通灯周边的车流情况;根据所述当前时间和车流情况对所述待控制交通灯进行控制。本发明用图像处理+目标跟踪检测+神经网络相融合的技术,通过增加右转弯待转区和LED显示屏,可以在不改变信号灯相位配置和确保行人通行安全的前提下,提高右转车辆的通行效率,缓解学校附近道路交叉口的通行压力,确保道路交通安全和畅通。
Description
技术领域
本发明涉及智慧交通技术领域,具体涉及一种针对小学路口的交通控制方法及系统。
背景技术
在城市道路中,大部分交叉口使用信号灯控制,能够实现人车分流,保障交通安全。一般情况下,普通的道路交叉口,在设置箭头指示信号灯的情况下,右转信号灯经常设置为黄灯闪烁,表示在交通情况允许的情况下,减速慢行通过。但在学校附近的道路交叉口,由于人流量和车流量都比较大,为了保证行人过街时的绝对安全,右转信号灯不能设置为黄灯闪烁,而要根据信号灯相位配置的情况进行设置。
故在学校附近的道路交叉口,由于右转信号灯受控,有时候会出现右转车辆排队较长的情况。
发明内容
针对现有技术中存在的上述缺陷,本发明实施例的目的在于提供一种针对小学路口的交通控制方法及系统。
为实现上述目的,第一方面,本发明实施例提供了一种针对小学路口的交通控制方法,包括:
获取当前放学视频及当天放学信息;所述当前放学视频指的是小学校门与待控制交通灯所在路口之间的图形画面;
对所述当前放学视频进行目标跟踪处理,得到人流信息;所述人流信息包括行人数量和行人速度;
将所述人流信息和当前放学信息输入预先训练好的神经网络模型进行预测,得到人流到达所述待控制交通灯的当前时间;
获取所述待控制交通灯周边的车流情况;
根据所述当前时间和车流情况对所述待控制交通灯进行控制。
作为本申请的一种具体实现方式,获取当前放学视频具体为:
通过无人机获取所述当前放学视频。
作为本申请的一种具体实现方式,所述当前放学信息包括小学各年级、各班、各社团的放学时间和放学人数;获取当前放学信息具体为:
与小学教务系统建立通信,根据所述小学教务系统所分配的权限、从所述小学教务系统中直接读取所述当前放学信息;或
接收校内人员提供的当前放学信息表,采用手动录入的方式获取所述当前放学信息。
作为本申请的一种具体实现方式,对所述当前放学视频进行目标跟踪处理,得到人流信息,具体为:
采用Faster-RCNN目标检测算法和deep-sort目标跟踪算法对所述当前放学视频进行处理,得到人流信息。
作为本申请的一种具体实现方式,所述车流情况包括车辆数量及行车速度;获取所述待控制交通灯周边的车辆情况具体为:
以所述待控制交通灯所在路口为圆心,采用无人机拍摄预设半径内的交通视频;
对所述交通视频进行处理,以得到所述车辆数量;
通过车载传感器获取所述行车速度。
作为本申请的一种具体实现方式,根据所述当前时间和车流情况对所述待控制交通灯进行控制,具体为:
在学校路口的右转车道前方画设右转弯待转区,在所述待控制交通灯的一侧设置一LED显示屏;
根据所述当前时间和车流情况生成控制信息;
通过所述LED显示屏显示所述控制信息,以使得车辆按指示进入所述右转弯待转区;所述控制信息包括当前方向的车辆通行时间以及行人等待时间。
作为一种优选实现方式,获取当前放学视频之前,所述交通控制方法还包括:
采集样本数据,并基于所述样本数据对所述神经网络模型进行训练;所述样本数据包括预设时间段内的放学视频和放学信息。
第二方面,本发明实施例提供了一种针对小学路口的交通控制系统,包括交通控制设备及LED显示屏,所述LED显示屏与所述交通控制设备通信,并设置于待控制交通灯的一侧;
所述交通控制设备包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行上述第一方面所述的方法步骤。
第三方面,本发明实施例提供了另一种针对小学路口的交通控制系统,包括交通控制设备及LED显示屏,所述LED显示屏与所述交通控制设备通信,并设置于待控制交通灯的一侧;
所述交通控制设备包括:
第一获取单元,用于获取当前放学视频及当天放学信息;所述当前放学视频指的是小学校门与待控制交通灯所在路口之间的图形画面;
处理单元,用于对所述当前放学视频进行目标跟踪处理,得到人流信息;所述人流信息包括行人数量和行人速度;
预测单元,用于将所述人流信息和当前放学信息输入预先训练好的神经网络模型进行预测,得到人流到达所述待控制交通灯的当前时间;
第二获取单元,用于获取所述待控制交通灯周边的车流情况;
控制单元,用于根据所述当前时间和车流情况对所述待控制交通灯进行控制。
作为本申请的一种优选实现方式,所述交通控制设备还包括训练单元,用于采集样本数据,并基于所述样本数据对所述神经网络模型进行训练;所述样本数据包括预设时间段内的放学视频和放学信息。
实施本发明实施例的技术方案,采用图像处理+目标跟踪检测+神经网络相融合的技术,对小学周边的人流情况、车流情况进行分析,从而实现在放学高峰时段、对小学附近路口的交通进行控制,可有效地缓解交通拥堵情况。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
图1是本发明实施例提供的针对小学路口的交通控制方法的流程图;
图2是学校路口渠化图;
图3是信号灯相位配置图;
图4是本发明实施例提供的交通控制设备的一种结构图;
图5是图4所示交通控制设备的另一种结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
请参考图1,本发明实施例提供的针对小学路口的交通控制方法主要包括如下步骤:
S1,采集样本数据,并基于该样本数据进行神经网络模型训练。
其中,该样本数据包括预设时间段内的放学视频和放学信息。例如,采集某小学过去两周内的放学视频和放学信息,从放学视频中提取特征,将所提取的特征和放学信息对预先构建的神经网络模型架构中进行训练。
需要说明的是,步骤S1中的神经网络模型训练主要是基于平时放学时间的数据进行的。但一般在放长假之前,学校路口周边的交通量会成倍增长。因此,模型训练还需考虑节假日的放学数据,使得上述神经网络模型可以适用于任何时候,从而避免一遇到长假,学校附近交通严重拥堵情况的发生。
S2,获取当前放学视频及当天放学信息。
在本实施例中,当前放学视频指的是小学校门与待控制交通灯所在路口之间的图形画面。例如,2023年5月10日,某小学南门与交通路口1之间的视频数据。需要说明的是,由于本发明实施例所提供的技术方案主要针对小学附近的交通路口、放学时段的交通进行控制,因此,仅需采集小学校门与待控制交通灯所在路口之间的视频数据以及放学信息即可。
作为一种可选实现方式,通过无人机获取上述当前放学视频。
上述当前放学信息包括但不仅限于小学各年级、各班、各社团的放学时间和放学人数等;获取当前放学信息的方式可以是:
与小学教务系统建立通信,根据所述小学教务系统所分配的权限、从所述小学教务系统中直接读取所述当前放学信息;或
接收校内人员提供的当前放学信息表,采用手动录入的方式获取所述当前放学信息。
S3,对当前放学视频进行目标跟踪处理,得到人流信息。
具体地,人流信息包括但不仅限于行人数量和行人速度等。
在本实施例中,采用Faster-RCNN目标检测算法和deep-sort目标跟踪算法对所述当前放学视频进行处理,得到人流信息。
Faster-RCNN通过卷积和池化运算对输入图像进行特征提取,从而获取高纬度特征,区域建议网络(region proposal network,RPN)和检测网络会使用这些特征。区域建议网络使用锚点和共享特征来获取图像中目标位置的准确信息;检测网络对目标位置信息进行调整,获取更加精准的目标进行,并预测目标的类别,将目标检测结果输出。
deep-sort目标跟踪算法是基于目标检测的多目标跟踪算法(Mutil-objectTracking),其前身是sort算法。sort算法的核心是卡尔曼滤波算法和匈牙利算法。其中,卡尔曼滤波算法分为预测和更新两个部分;预测:根据t-1帧的运动状态预测t帧的运动状态,即位置和速度;更新:将t帧检测目标和t帧预测结果线性加权。
S4,将人流信息和当前放学信息输入预先训练好的神经网络模型进行预测,得到人流达到待控制交通灯的当前时间。
在本实施例中,神经网络模型可选用卷积神经网络或循环神经网络。
S5,获取待控制交通灯周边的车流情况。
其中,所述车流情况包括车辆数量及行车速度等;步骤S5具体为:
以所述待控制交通灯所在路口为圆心,采用无人机拍摄预设半径内的交通视频;
对所述交通视频进行处理,以得到所述车辆数量;关于从交通视频中识别出车辆数量,可采用YOLO5检测算法实现;
通过车载传感器获取所述行车速度。
S6,根据当前时间和车流情况对待控制交通灯进行控制。
基于背景技术部分所描述的学校附近路口右转信号灯受控的问题,本发明人通过对学校附近的道路交叉口通行情况和信号灯相位配置情况进行观察,发现可以通过在右转车道施画右转弯待转区,来缓解右转车辆排队的现象,且不会对信号灯相位配置产生影响,也不会影响行人通行安全。因此,步骤S6主要描述右转信号灯受控的解决方案,包括:
在学校路口的右转车道前方画设右转弯待转区,如图2所示,在所述待控制交通灯的一侧设置一LED显示屏;
根据所述当前时间和车流情况生成控制信息;
通过所述LED显示屏显示所述控制信息,以使得车辆按指示进入所述右转弯待转区;所述控制信息包括当前方向的车辆通行时间以及行人等待时间。
进一步地,请参考图2及图3,本实施例中的具体通行方式为:
第一相位,南北向直行灯和行人灯为绿灯,南北向车辆和行人可以通行,此时南北向的LED屏显示右转车辆可以驶入右转弯待转区,即南北向右转车辆可以驶入右转弯待转区等待;
第二相位,南北向左转灯和右转灯为绿灯,南北向左转车辆和右转车辆可以通行;
第三相位,东西向直行灯和行人灯为绿灯,东西向车辆和行人可以通行,此时东西向的LED屏显示右转车辆可以驶入右转弯待转区,即东西向右转车辆可以驶入右转弯待转区等待;
第四相位,东西向左转灯和右转灯为绿灯,东西向左转车辆和右转车辆可以通行。
从以上描述可以看出,实施本发明实施例的技术方案,采用图像处理+目标跟踪检测+神经网络相融合的技术,对小学周边的人流情况、车流情况进行分析,从而实现在放学高峰时段、对小学附近路口的交通进行控制,可有效地缓解交通拥堵情况。
进一步地,通过增加右转弯待转区和LED显示屏,可以在不改变信号灯相位配置和确保行人通行安全的前提下,提高右转车辆的通行效率,缓解学校附近道路交叉口的通行压力,确保道路交通安全和畅通。
基于相同的发明构思,本发明实施例提供了一种针对小学路口的交通控制系统,包括交通控制设备及LED显示屏,所述LED显示屏与所述交通控制设备通信,并设置于待控制交通灯的一侧。
作为一种优选实现方式,如图4所示,该交通控制设备包括:
训练单元,用于采集样本数据,并基于所述样本数据对神经网络模型进行训练;所述样本数据包括预设时间段内的放学视频和放学信息;
第一获取单元,用于获取当前放学视频及当天放学信息;所述当前放学视频指的是小学校门与待控制交通灯所在路口之间的图形画面;
处理单元,用于对所述当前放学视频进行目标跟踪处理,得到人流信息;所述人流信息包括行人数量和行人速度;
预测单元,用于将所述人流信息和当前放学信息输入预先训练好的神经网络模型进行预测,得到人流到达所述待控制交通灯的当前时间;
第二获取单元,用于获取所述待控制交通灯周边的车流情况;
控制单元,用于根据所述当前时间和车流情况对所述待控制交通灯进行控制。
其中,所述第一获取单元具体用于:
通过无人机获取当前放学视频;
与小学教务系统建立通信,根据所述小学教务系统所分配的权限、从所述小学教务系统中直接读取所述当前放学信息;或
接收校内人员提供的当前放学信息表,采用手动录入的方式获取所述当前放学信息。
进一步地,所述处理单元具体用于:
采用Faster-RCNN目标检测算法和deep-sort目标跟踪算法对所述当前放学视频进行处理,得到人流信息。
前述车流情况包括车辆数量及行车速度;所述第二获取单元具体用于:
以所述待控制交通灯所在路口为圆心,采用无人机拍摄预设半径内的交通视频;
对所述交通视频进行处理,以得到所述车辆数量;
通过车载传感器获取所述行车速度。
进一步地,所述控制单元具体用于:
在学校路口的右转车道前方画设右转弯待转区,在所述待控制交通灯的一侧设置一LED显示屏;
根据所述当前时间和车流情况生成控制信息;
通过所述LED显示屏显示所述控制信息,以使得车辆按指示进入所述右转弯待转区;所述控制信息包括当前方向的车辆通行时间以及行人等待时间。
作为另一种优选实现方式,如图5所示,交通控制设备可以包括:一个或多个处理器101、一个或多个输入设备102、一个或多个输出设备103和存储器104,上述处理器101、输入设备102、输出设备103和存储器104通过总线105相互连接。存储器104用于存储计算机程序,所述计算机程序包括程序指令,所述处理器101被配置用于调用所述程序指令执行如图1所述的方法。
应当理解,在本发明实施例中,所称处理器101可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备102可以包括键盘等,输出设备103可以包括显示器(LCD等)、扬声器等。
该存储器104可以包括只读存储器和随机存取存储器,并向处理器101提供指令和数据。存储器104的一部分还可以包括非易失性随机存取存储器。例如,存储器104还可以存储设备类型的信息。
具体实现中,本发明实施例中所描述的处理器101、输入设备102、输出设备103可执行本发明实施例提供的针对小学路口的交通控制方法的实施例中所描述的实现方式,在此不再赘述。
需要说明的是,关于交通控制设备及系统具体的工作流程,请参考前述方法实施例部分,在此不再赘述。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种针对小学路口的交通控制方法,其特征在于,包括:
获取当前放学视频及当天放学信息;所述当前放学视频指的是小学校门与待控制交通灯所在路口之间的图形画面;
对所述当前放学视频进行目标跟踪处理,得到人流信息;所述人流信息包括行人数量和行人速度;
将所述人流信息和当前放学信息输入预先训练好的神经网络模型进行预测,得到人流到达所述待控制交通灯的当前时间;
获取所述待控制交通灯周边的车流情况;
根据所述当前时间和车流情况对所述待控制交通灯进行控制。
2.如权利要求1所述的交通控制方法,其特征在于,获取当前放学视频具体为:
通过无人机获取所述当前放学视频。
3.如权利要求1所述的交通控制方法,其特征在于,所述当前放学信息包括小学各年级、各班、各社团的放学时间和放学人数;获取当前放学信息具体为:
与小学教务系统建立通信,根据所述小学教务系统所分配的权限、从所述小学教务系统中直接读取所述当前放学信息;或
接收校内人员提供的当前放学信息表,采用手动录入的方式获取所述当前放学信息。
4.如权利要求1所述的交通控制方法,其特征在于,对所述当前放学视频进行目标跟踪处理,得到人流信息,具体为:
采用Faster-RCNN目标检测算法和deep-sort目标跟踪算法对所述当前放学视频进行处理,得到人流信息。
5.如权利要求1所述的交通控制方法,其特征在于,所述车流情况包括车辆数量及行车速度;获取所述待控制交通灯周边的车辆情况具体为:
以所述待控制交通灯所在路口为圆心,采用无人机拍摄预设半径内的交通视频;
对所述交通视频进行处理,以得到所述车辆数量;
通过车载传感器获取所述行车速度。
6.如权利要求1所述的交通控制方法,其特征在于,根据所述当前时间和车流情况对所述待控制交通灯进行控制,具体为:
在学校路口的右转车道前方画设右转弯待转区,在所述待控制交通灯的一侧设置一LED显示屏;
根据所述当前时间和车流情况生成控制信息;
通过所述LED显示屏显示所述控制信息,以使得车辆按指示进入所述右转弯待转区;所述控制信息包括当前方向的车辆通行时间以及行人等待时间。
7.如权利要求1-6任一项所述的交通控制方法,其特征在于,获取当前放学视频之前,所述交通控制方法还包括:
采集样本数据,并基于所述样本数据对所述神经网络模型进行训练;所述样本数据包括预设时间段内的放学视频和放学信息。
8.一种针对小学路口的交通控制系统,其特征在于,所述交通控制系统包括交通控制设备及LED显示屏,所述LED显示屏与所述交通控制设备通信,并设置于待控制交通灯的一侧;
所述交通控制设备包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求7所述的方法步骤。
9.一种针对小学路口的交通控制系统,其特征在于,所述交通控制系统包括交通控制设备及LED显示屏,所述LED显示屏与所述交通控制设备通信,并设置于待控制交通灯的一侧;
所述交通控制设备包括:
第一获取单元,用于获取当前放学视频及当天放学信息;所述当前放学视频指的是小学校门与待控制交通灯所在路口之间的图形画面;
处理单元,用于对所述当前放学视频进行目标跟踪处理,得到人流信息;所述人流信息包括行人数量和行人速度;
预测单元,用于将所述人流信息和当前放学信息输入预先训练好的神经网络模型进行预测,得到人流到达所述待控制交通灯的当前时间;
第二获取单元,用于获取所述待控制交通灯周边的车流情况;
控制单元,用于根据所述当前时间和车流情况对所述待控制交通灯进行控制。
10.如权利要求9所述的交通控制系统,其特征在于,所述交通控制设备还包括训练单元,用于采集样本数据,并基于所述样本数据对所述神经网络模型进行训练;所述样本数据包括预设时间段内的放学视频和放学信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310585432.2A CN116504078A (zh) | 2023-05-22 | 2023-05-22 | 一种针对小学路口的交通控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310585432.2A CN116504078A (zh) | 2023-05-22 | 2023-05-22 | 一种针对小学路口的交通控制方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116504078A true CN116504078A (zh) | 2023-07-28 |
Family
ID=87326699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310585432.2A Pending CN116504078A (zh) | 2023-05-22 | 2023-05-22 | 一种针对小学路口的交通控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116504078A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116959259A (zh) * | 2023-09-19 | 2023-10-27 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于学校放学事件的交通预测方法、电子设备及存储介质 |
-
2023
- 2023-05-22 CN CN202310585432.2A patent/CN116504078A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116959259A (zh) * | 2023-09-19 | 2023-10-27 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于学校放学事件的交通预测方法、电子设备及存储介质 |
CN116959259B (zh) * | 2023-09-19 | 2023-12-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于学校放学事件的交通预测方法、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111626208B (zh) | 用于检测小目标的方法和装置 | |
KR102652023B1 (ko) | 실시간 교통 정보 제공 방법 및 장치 | |
CN106297330B (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 | |
US7840331B2 (en) | Travel support system and travel support method | |
US11521487B2 (en) | System and method to generate traffic congestion estimation data for calculation of traffic condition in a region | |
KR102133913B1 (ko) | 딥러닝 기반의 객체인식을 이용한 객체별 맞춤 정보제공 안내전광판 시스템 및 그 제어 방법 | |
CN109584558A (zh) | 一种面向城市交通信号配时的交通流统计方法 | |
CN107578620B (zh) | 基于车道级系统的道路通行能力的计算方法、系统和装置 | |
JP2006327314A (ja) | 配光制御システム及び配光制御方法 | |
CN113077626B (zh) | 一种车道选择的引导方法、装置、系统、设备及存储介质 | |
DE112013007615T5 (de) | Fahrunterstützungsvorrichtung und Fahrunterstützungsverfahren | |
CN105741566A (zh) | 基于智能交通管理系统控制的交通信息显示系统 | |
CN108898839B (zh) | 一种实时动态交通信息数据系统及其更新方法 | |
CN116504078A (zh) | 一种针对小学路口的交通控制方法及系统 | |
CN109637127B (zh) | 一种信号灯近似时长的确定方法及系统 | |
CN109410608B (zh) | 基于卷积神经网络的图片自学习交通信号控制方法 | |
CN210515649U (zh) | 基于树莓派与互联网的智能交通信号控制系统 | |
CN204791557U (zh) | 一种汽车导航检测重定位系统 | |
US10691958B1 (en) | Per-lane traffic data collection and/or navigation | |
Alsheikhy et al. | An Intelligent Adaptive Dynamic Algorithm for a Smart Traffic System. | |
CN111433779A (zh) | 用于识别道路特征的系统和方法 | |
Al-Ezaly et al. | An innovative traffic light recognition method using vehicular ad-hoc networks | |
AlKishri et al. | Object recognition for organizing the movement of self-driving car | |
CN114116854A (zh) | 轨迹数据处理方法、装置、设备和存储介质 | |
JPH1011692A (ja) | 交通流計測方法及び装置 |
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 |