CN116913108A - 城市交通监控调度方法和系统 - Google Patents
城市交通监控调度方法和系统 Download PDFInfo
- Publication number
- CN116913108A CN116913108A CN202311175796.XA CN202311175796A CN116913108A CN 116913108 A CN116913108 A CN 116913108A CN 202311175796 A CN202311175796 A CN 202311175796A CN 116913108 A CN116913108 A CN 116913108A
- Authority
- CN
- China
- Prior art keywords
- lane
- speed
- length
- congestion
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012544 monitoring process Methods 0.000 title claims abstract description 53
- 238000010586 diagram Methods 0.000 claims description 40
- 238000012545 processing Methods 0.000 claims description 39
- 238000004422 calculation algorithm Methods 0.000 claims description 32
- 238000001514 detection method Methods 0.000 claims description 26
- 238000005259 measurement Methods 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 22
- 230000009471 action Effects 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008676 import Effects 0.000 claims description 5
- 230000000875 corresponding effect Effects 0.000 description 80
- 230000008569 process Effects 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 5
- 238000012806 monitoring device Methods 0.000 description 5
- 230000001105 regulatory effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 206010021033 Hypomenorrhoea Diseases 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 238000000827 velocimetry Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- 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
- G08G1/0125—Traffic data processing
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- 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
- G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
-
- 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
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种城市交通监控调度方法和系统,涉及交通调度领域,该方法通过视频监控设备获取道路视频图像,并根据道路视频图像计算出对应道路的车流速度和车辆排队长度,然后通过车流速度和车辆排队长度判断道路是否存在拥堵,进而根据车辆速度和车辆排队长度量化地调节交通信号灯的时长,以疏解拥堵。
Description
技术领域
本申请涉及交通调度的领域,尤其是涉及城市交通监控调度方法和系统。
背景技术
随着全球城市化的快速发展,城市交通拥堵问题日益突出,给居民的出行带来了很大的不便,也对城市的经济、环境和社会发展产生了不可忽视的负面影响。
尤其是近年来,随着居民收入水平的提高和汽车的普及,私家车数量不断增加。私家车的增多导致道路承载能力不足,特别是在高峰时段,交通压力明显增大。另外,电商的兴起使得快递车辆急剧增加,而货运车辆也频繁出入城市,增加了道路交通的复杂性。
当道路交通压力不断增大达到一定程度时,就出现车辆通行缓慢的情况,如果无法快速被消减车辆通行缓慢的情况,将导致出现道路拥堵的情况,最终可能形成路口“打结”的情况,使得周边道路也受到影响,交通状况更是可能进一步恶化。
现有的应对方法是,通过大量的道路视频监控设备对道路进行视频监控,并根据视频监控设备的视频画面,通过人工或计算设备判断拥堵情况,再对拥堵路段的交通信号灯的配时进行调度,一般的配时调度方法是增加拥堵路段和相关路段的绿灯时长,以消散拥堵车辆。
但是这样的方法存在不足之处,因为各道路的视频监控设备在安装时,往往会存在型号不同、朝向角度不同安装位置不同等情况,通过这些视频监控设备所获取的视频图像较难统一处理,工作人员通常只能根据直觉判断车流速度,难以量化地获得车速信息,而计算设备在估算车速时也会因为不同的视频监控设备而存在不同的误差,进而难以对交通信号灯做出较准确的调节。
另一方面,从经验和观测中可以得知,车流速度和车流密度之间存在密切关系,当道路上车辆增多,车流密度增大时,车辆驾驶人会出于安全距离的考虑会被迫降低车速。在通常情况下,当车流密度小时,车速较高;随着车流密度的不断增加,车速会逐步降低,最终会出现交通拥堵。
因此,可以车流速度来预测和判断道路的拥堵情况,进而通过调控交通信号灯来疏解拥堵。
城市道路往往都配备了齐全的视频监控设备,但是,并非所有的城市道路都配置有测速设备,这使得工作人员无法全面地获取各个道路的车道车流速度,较难全面地以车流速度为依据对交通信号灯做出调节。
发明内容
为了提高对城市道路拥堵状况判断的准确性以对交通信号灯调节,本申请提供城市交通监控调度方法和系统。
第一方面,本申请提供一种城市交通监控调度方法,采用如下的技术方案:
一种城市交通监控调度方法,包括以下步骤:
获取预设的目标道路的道路视频图像;
根据道路视频图像进行特征识别以获取道路车道、车流方向以及车辆框图信息;
根据道路车道以及车流方向确定图像测速区域;
根据图像测速区域以及车辆框图信息以确定车辆图像速度;
于车辆框图信息所对应的框图图像内获取车牌信息;
将车牌信息输入值预设的车牌登记数据库中进行匹配分析以输出匹配结果,并将匹配结果与预设的一致结果相同的车牌信息相对应的车辆定义为已知车辆,且将已知车辆的车辆图像速度定义为已知图像速度;
获取已知车辆处于图像测速区域内的测速时间范围,且于测速时间范围内实时获取已知车辆的已知实时速度;
根据所有的已知实时速度进行均值计算以确定已知实际速度;
根据已知实际速度以及已知图像速度进行计算以确定速度调节系数;
于图像测速区域内根据速度调节系数以及车辆图像速度以确定已知车辆以外的车辆的车辆实际速度;
根据道路车道以及各车辆实际速度进行均值计算以确定车道车流速度;
判断车道车流速度是否小于预设的拥堵速度;
若车道车流速度不小于拥堵速度,则无动作;
若车道车流速度小于拥堵速度,则根据预设的修正时长以及预设的绿灯时长进行计算以对绿灯时长进行更新。
通过采用上述技术方案,可较准确地估算出车流速度,可供用于准确判断道路的拥堵状态断,进而可以根据判断结果对各道路的交通信号灯进行调度调节。
可选的,若车道车流速度小于拥堵速度,城市交通监控调度方法还包括:
于道路视频图像中获取已知车辆的车辆图像长度;
根据预设的长度匹配关系以确定已知车辆相对应的车辆实际长度;
根据车辆图像长度以及车辆实际长度进行计算以确定长度调节系数;
于道路车道内根据车流方向以确定处于最前方的车辆框图信息以及最后方的车辆框图信息,并根据两个车辆框图信息进行计算以确定图像排队长度;
根据图像排队长度以及长度调节系数进行计算以确定车道排队长度;
判断车道排队长度是否大于预设的拥堵长度;
若车道排队长度不大于拥堵长度,则无动作;
若车道排队长度大于拥堵长度,则根据预设的修正时长以及预设的绿灯时长进行计算以对绿灯时长进行更新。
通过采用上述技术方案,可进一步估算出车流的排队长度,进而根据排队长度对拥堵状态进行判读,提高准确性。
可选的,所述城市交通监控调度方法还包括:
根据道路车道、车辆框图信息对应的车辆图像速度以及速度调节系数以确定各车道的车道车流速度;
根据道路车道、车辆框图信息对应的车辆图像长度以及长度调节系数以确定各车道的车道排队长度;
分别判断各车道的车道车流速度是否大于拥堵速度以及判断各车道的车道排队长度是否大于拥堵长度;
若车道车流速度不大于拥堵速度且车道排队长度不大于拥堵长度,则发出车道异常警报;
若车道车流速度大于拥堵速度且车道排队长度大于拥堵长度,则发出车道异常警报;
若车道车流速度不大于拥堵速度且车道排队长度大于拥堵长度,则无动作;
若车道车流速度大于拥堵速度且车道排队长度不大于拥堵长度,则无动作。
通过采用上述技术方案,可以根据车道车流速度和车道排队长度判断车道是否存在异常,并向工作人员发出异常警报,及时知会工作人员做出人工判断和应对措施,避免后续因异常情况导致拥堵。
可选的,所述城市交通监控调度方法还包括修正时长的确定步骤,该步骤包括:
将车道车流速度小于拥堵速度且车道排队长度大于拥堵长度的道路车道定义为拥堵车道;
获取拥堵车道的当前绿灯时长;
定义:车道车流速度为,车道排队长度/>,拥堵速度为/>,拥堵长度为/>,修正时长为/>,当前绿灯时长为/>,预设的车辆启动时长为/>,
则。
通过采用上述技术方案,可以计算出拥堵车道所需要的对应绿灯时长,并对绿灯时长进行逐步调节,以疏解拥堵。
可选的,所述城市交通监控调度方法,还包括:
根据预设的道路匹配关系以确定拥堵车道相对应的进口车道;
根据拥堵车道的车道车流速度和拥堵车道的车道排队长度以结合预设的车道压力系数算法进行计算以确定拥堵车道的车道压力系数;
根据各进口车道的车道车流速度和进口车道的车道排队长度以结合预设的进口压力系数算法进行计算以确定拥堵车道的各进口压力系数;
根据拥堵车道的车道压力系数以及拥堵车道的各进口压力系数以结合预设的跟随时长算法进行计算以确定各进口车道的跟随时长,根据跟随时长以对各进口车道相对应的绿灯时长进行调节;
其中车道压力系数算法为:
,
其中,为车道压力系数,/>为拥堵车道的车道车流速度,/>为拥堵车道的车道排队长度;
其中进口压力系数算法为:
,
其中,为进口压力系数,/>为进口车道的车道车流速度,/>为进口车道的车道排队长度;
其中跟随时长算法为:
,
其中,为跟随时长,/>为拥堵车道所在道路的全部车道的车道压力系数之和,/>为拥堵车道的各进口压力系数之和,/>为各进口车道对应的当前的绿灯时长。
通过采用上述技术方案,可计算出于拥堵车道相关的进口车道所对应的绿灯时长,并通过调节进口车道的绿灯时长,减缓拥堵车道的拥堵状况。
可选的,所述城市交通监控调度方法还包括:
于预设的时间轴上建立宽度为预设的检测时长的检测区间,且使检测区间的后端点与当前时间点重合;
于检测区间中获取每个时间点的于预设的调节区域中的每个车道的车道压力系数;
于单个车道判断所有时间点的车道压力系数是否均大于预设的拥堵系数;
若车道压力系数不大于预设的拥堵系数,则将该车道定义为无效车道;
若车道压力系数大于预设的拥堵系数,则将该车道定义为有效车道;
于有效车道中根据预设的排序规则以确定数值最大的车道压力系数,并将该车道压力系数所对应的车道定义为热点车道;
于预设的道路分布图中根据热点车道以确定相邻进入车道以及相邻离开车道;
根据热点车道以及相邻进入车道于检测区间内所获取的车道压力系数进行计算以确定进入相关系数,且根据热点车道以及相邻离开车道于检测区间内所获取的车道压力系数进行计算以确定离开相关系数;
判断是否存在大于预设的相关阈值的进入相关系数;
若存在大于相关阈值的进入相关系数,则于所有的相邻进入车道中根据预设的排序规则以确定数值最大的进入相关系数,且将该进入相关系数所对应的相邻进入车道更新为热点车道;
若不存在大于相关阈值的进入相关系数,则无动作;
判断是否存在大于相关阈值的离开相关系数;
若存在大于相关阈值的离开相关系数,则于所有的相邻离开车道中根据预设的排序规则以确定数值最大的离开相关系数,且将该离开相关系数所对应的相邻离开车道更新为热点车道;
若不存在大于相关阈值的离开相关系数,则无动作;
根据所有的热点车道进行相连以确定热点路线。
通过采用上述技术方案,可以在设定的调节区域内确定车流量较大的热点路线供对其进行针对性的调节。
可选的,所述城市交通监控调度方法还包括:
获取车道压力系数最大的热点车道所对应的交通信号灯的配时周期并将其定义为统一配时周期;
根据统一配时周期替换各热点车道所对应的交通信号灯的配时周期,其中配时周期包括各方向的相位绿灯时长,各相位绿灯时长根据配时周期和统一配时周期通过预设的相位调节算法计算并调节;
于两个相连的热点车道之间定义车流前端所在的热点车道为后相位车道,定义车流尾端所在的热点车道为前相位车道;
于前相位车道和后相位车道之间根据预设的动态相位差算法获得动态绿灯相位时间差;
于每一统一配时周期内,计算相连接的两个热点车道之间的动态绿灯相位时间差,并根据动态绿灯相位时间差于下一统一配时周期调节后相位车道所对应的交通信号灯的绿灯切换时刻;
其中,相位调节算法为:
,
其中,为调节后的相位绿灯时长,/>为统一配时周期,/>为调节前的配时周期,/>为调节前的相位绿灯时长;
其中,动态相位差算法为:
,
其中,为动态绿灯相位时间差,/>为后相位车道的车道长度,/>为后相车道的车道车流速度,/>为前相车道的车道车流速度。
通过采用上述技术方案,可保持车流连续通行,避免频繁启停而引起的交通不畅,可提高整条热点路线的通行效率。
第二方面,本申请提供一种城市交通监控调度系统,采用如下的技术方案:
一种城市交通监控调度系统,包括:
获取模块,用于获取预设的目标道路的道路视频图像;
处理模块,与获取模块和判断模块连接,用于信息的存储和处理;
判断模块,与获取模块和处理模块连接,用于信息的判断;
处理模块根据道路视频图像进行特征识别以使获取模块获取道路车道、车流方向以及车辆框图信息;
处理模块根据道路车道以及车流方向确定图像测速区域;
处理模块根据图像测速区域以及车辆框图信息以确定车辆图像速度;
获取模块于车辆框图信息所对应的框图图像内获取车牌信息;
处理模块将车牌信息输入值预设的车牌登记数据库中进行匹配分析以输出匹配结果,并将匹配结果与预设的一致结果相同的车牌信息相对应的车辆定义为已知车辆,且将已知车辆的车辆图像速度定义为已知图像速度;
获取模块获取已知车辆处于图像测速区域内的测速时间范围,且于测速时间范围内实时获取已知车辆的已知实时速度;
处理模块根据所有的已知实时速度进行均值计算以确定已知实际速度;
处理模块根据已知实际速度以及已知图像速度进行计算以确定速度调节系数;
处理模块于图像测速区域内根据速度调节系数以及车辆图像速度以确定已知车辆以外的车辆的车辆实际速度;
处理模块根据道路车道以及各车辆实际速度进行均值计算以确定车道车流速度;
判断模块判断车道车流速度是否小于预设的拥堵速度;
若判断模块判断出车道车流速度不小于拥堵速度,则无动作;
若判断模块判断出车道车流速度小于拥堵速度,则处理模块根据预设的修正时长以及预设的绿灯时长进行计算以对绿灯时长进行更新。
通过采用上述技术方案,获取模块获取目标车道的道路视频图像,处理模块对道路视频图像进行处理,可较准确地估算出车流速度,供判断模块根据车道车流速度对道路拥堵状态进行判断,以较准确地判断目标车道是否拥堵,并使处理模块可以根据拥堵状况对相应的交通信号灯做出调节。
综上所述,本申请包括以下至少一种有益技术效果:
1.能够根据道路的监控视频图像计算道路中的车流速度和车辆排队长度,并根据车流速度和车辆排队长度的判断道路是否存在拥堵或异常状况;
2. 能够根据道路的监控视频图像计算道路中的车流速度和车辆排队长度,并根据车流速度和车辆排队长度计算车道对应的绿灯时长,可以较准确地对绿灯时长进行调节;
3.能够计算出于拥堵车道相关的进口车道所对应的绿灯时长,并通过调节进口车道的绿灯时长,减缓拥堵车道的拥堵状况。
附图说明
图1是本申请城市交通监控调度方法的流程图。
图2是所述城市交通监控调度方法的确认修正时长的流程图。
图3是所述城市交通监控调度方法的确定排队拥堵的流程图。
图4是所述城市交通监控调度方法的异常车道报警的流程图。
图5是所述城市交通监控调度方法的确认跟随时长的流程图。
图6是道路车道关系示意图。
图7是所述城市交通监控调度方法的确认热点路线的流程图。
图8是所述城市交通监控调度方法的相位调节的流程图。
图9是本申请城市交通监控调度系统的模块示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图1-9及实施例,对本申请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用以解释本申请,并不用于限定本申请。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例公开一种城市交通监控调度方法,所述城市交通监控调度方法,能够以道路视频图像为参考基础,实时判断道路车道的拥堵状况,并对相应的交通信号灯进行自动调节。
参照图1,所述城市交通监控调度方法包括以下步骤:
步骤S100:获取预设的目标道路的道路视频图像。
目标道路为需要进行监控调节的道路,每一条城市道路都可以被选择为目标道路,通过被设置于目标道路的视频监控设备可以实时地获取目标道路的道路视频图像,以便于根据道路视频图像对车流信息进行分析。
几乎所有的城市道路都设置有监控设备,故可以获得城市道路全局的道路视频图像,并以道路视频图像为依据对城市道路的交通状况进行监控和调度。
步骤S101:根据道路视频图像进行特征识别以获取道路车道、车流方向以及车辆框图信息。
现有对道路视频图像进行特征识别的方法有很多,如基于深度学习的车道识别方法、如基于传统计算机视觉的车道识别方法等,这些特征识别方法已经较为成熟且常用。
道路车道为道路视频图像中的各个车道,车流方向为视频图像中的车辆行驶方向,车辆框图信息为各车辆在道路视频图像中被识别后生成的信息。
步骤S102:根据道路车道以及车流方向确定图像测速区域。
图像测速区域为道路视频图像中车辆可通行的测量区域,用于测量车辆于道路视频图像中的像素移动速度,通过识别得到的道路车道和车流方向,可于道路视频图像的道路车道中在车流的来源方向上设定一条起始线,同时在车流的离开方向上设定一条终止线,在起始线和终止线之间的道路车道形成图像测速区域,以排除非道路车道的区域,避免引起测量的误差。
步骤S103:根据图像测速区域以及车辆框图信息以确定车辆图像速度。
车辆图像速度为车辆于道路视频图像中的像素移动速度,根据各车辆的车辆框图信息,可以在一个时间间隔内计算得到车辆在道路视频图像中的像素位移距离,可以通过像素位移距离和时间间隔计算得到车辆图像速度。
步骤S104:于车辆框图信息所对应的框图图像内获取车牌信息。
根据车辆框图信息获取对应的框图图像,并对框图图像进行文字识别,根据现有的文字识别方法可以识别获得各车辆的车牌信息。
步骤S105:将车牌信息输入值预设的车牌登记数据库中进行匹配分析以输出匹配结果,并将匹配结果与预设的一致结果相同的车牌信息相对应的车辆定义为已知车辆,且将已知车辆的车辆图像速度定义为已知图像速度。
根据获得的车牌信息,从数据库中匹配查找已确定的已知车辆,已知车辆可以是实时联网的公共车辆,如公交车、出租车或网约车等,这些车辆上通常配备有速度传感器、计时设备、定位设备等,通过连接已知车辆,可以获得相关的数据。已知图像速度为已知车辆在道路视频图像的图像测速区域中的像素移动速度。
步骤S106:获取已知车辆处于图像测速区域内的测速时间范围,且于测速时间范围内实时获取已知车辆的已知实时速度。
测速时间范围为已知车辆进入图像测速区域的进入时间点和离开图像测试区域的离开时间点之间的时间间隔,通过连接已知车辆可以获取已知车辆于测速时间范围在图像测测速区域的所有已知实时速度,已知实时速度为已知车辆于道路中行驶时的实际速度。
步骤S107:根据所有的已知实时速度进行均值计算以确定已知实际速度。
已知实际速度为已知车辆在图像测速区域内的已知实时速度的平均值。通过对已知车辆在图像测试区域中于测速时间范围内的所有已知实时速度进行求均值,可以较准确地得出已知车辆的已知实际速度。
步骤S108:根据已知实际速度以及已知图像速度进行计算以确定速度调节系数。
速度调节系数为车辆在道路中行驶的实际速度和在道路视频图像中的图像速度的转换系数,将已知实际速度除以已知图像速度,便可以得到速度调节系数,速度调节系数可以结合车辆图像速度用于估算已知车辆以外的车辆的实际速度。
步骤S109:于图像测速区域内根据速度调节系数以及车辆图像速度以确定已知车辆以外的车辆的车辆实际速度。
车辆实际速度为车辆在道路中的行驶速度,在已知车辆以外的车辆经过图像测速区域时,可以获得其车辆图像速度,通过车辆图像速度乘以速度调节系数便可以估算出车辆的车辆实际速度,而无需额外的测速设备。
步骤S110:根据道路车道以及各车辆实际速度进行均值计算以确定车道车流速度。
车道车流速度为目标道路的各车道中的实际车流速度,通过道路车道区分各车道,并对各车道中车辆的车辆实际速度统计求平均值,可以估算出目标道路的各车道的车道车流速度,用于判断当前的道路状况。
步骤S111:判断车道车流速度是否小于预设的拥堵速度。
拥堵速度为工作人员所设定的有可能出现道路拥堵的最小车道车流速度,可以根据经验预设一个拥堵速度用于判断道路状况,判断的目的是为了得知目标道路是否出现拥堵。对应不同的道路类型,可以设置不同的拥堵速度以符合实际情况。当车道车流速度过小时,可能会引起车辆在道路内积压,进而引起道路堵塞。
步骤S112:若车道车流速度不小于拥堵速度,则无动作。
当车道车流速度不小于拥堵速度时,说明目标道路未出现拥堵。
步骤S113:若车道车流速度小于拥堵速度,则根据预设的修正时长以及预设的绿灯时长进行计算以对绿灯时长进行更新。
当车道车流速度小于拥堵速度时,说明目标道路可能出现拥堵,需要根据修正时长进行对交通信号灯进行调节。
绿灯时长为拥堵车道所对应的交通信号灯在一个周期内的绿灯的持续时间长度,修正时长为拥堵车道所对应的交通信号灯的新的绿灯时长,修正时长可以通过人为设定确定其时长,也可以根据预设的算法计算得出当前道路状态所需要的绿灯时长,进而根据修正时长对绿灯时长进行调节,以调节道路状态,避免出现拥堵。
进一步地,参考图2,为了确认如何调节绿灯时长,所述城市交通监控调度方法还包括修正时长的确定步骤,该步骤包括:
步骤S400:将车道车流速度小于拥堵速度且车道排队长度大于拥堵长度的道路车道定义为拥堵车道。
拥堵车道为车道车流速度小于拥堵速度且车道排队长度大于拥堵长度的道路车道。
步骤S401:获取拥堵车道的当前绿灯时长。
当前绿灯时长为拥堵车道所对应的交通信号灯的绿灯的时间长度,通过连接拥堵车道所对应的交通信号灯,可以获得拥堵车道所对应的交通信号灯当前绿灯时长。
步骤S402:定义:车道车流速度为,车道排队长度/>,拥堵速度为/>,拥堵长度为,修正时长为/>,当前绿灯时长为/>,预设的车辆启动时长为/>,
则。
修正时长为拥堵车道所对应的交通信号灯的新的绿灯时长,车辆启动时长为车辆从静止到达到一定速度速度的时间,车辆启动时长会略微影响车流的通行效率,车辆启动时长可根据日常经验设定和调节。
根据可以计算得出拥堵车道当前车流以当前车道车流速度通行当前车流排队长度所需要的时间,根据/>可以计算得出在拥堵时车流以拥堵速度通行拥堵长度所需要的时间,两个时间的差值可以估算出避免出现拥堵所需要增加的绿灯时间,而将两个时间的差值除以2可以避免绿灯时间调节过快,影响其他车道的车流,
车辆在从静止到运动的过程是从车流头部向车流尾部传播,当车道排队长度过长时,这个传播过程所需要的时间也会增加,故需要根据这个时间对拥堵路段的绿灯时长进行补偿。根据车辆启动时长、排车道队长度和拥堵长度对绿灯时长进行补偿。
最后得出修正时长,将修正时长替换当前的绿灯时长,可调节拥堵车道的下一个绿灯时长,进而起到疏解拥堵的效果。
值得一提的是,各市区道路的视频监控设备在安装时,往往会存在型号不同、朝向角度不同安装位置不同等情况,通过这些视频监控设备所获取的视频图像较难统一处理,工作人员通常只能根据直觉判断车流速度,难以量化地获得车速信息,通过以上方法,可以获得每个视频监控设备的道路图像信息所对应的速度调节系数,便可较准确地估算出车流速度,可供进行道路状态的判断,进而可以根据判断对各道路的交通信号灯进行调度调节。
另一方面,在安装完成后的监控设备也可能因时间的推移或人为的控制,发生角度的偏移或位置的改变,通过以上的方法也能不断地对各监控设备道路图像信息所对应的速度调节系数进行不断修正,以使其具有较好的准确度。
进一步地,参考图3,为了更好地判断道路的拥堵状态并作出调节,若车道车流速度小于拥堵速度,所述城市交通监控调度方法还包括:
步骤S200:于道路视频图像中获取已知车辆的车辆图像长度。
车辆图像长度为车辆在道路视频图像中的像素长度,可以根据已知车辆在道路视频图像中的像素长度判断得到其车辆图像长度。
步骤S201:根据预设的长度匹配关系以确定已知车辆相对应的车辆实际长度。
可以通过于数据库中匹配查询得到已知车辆的车体尺寸信息,进而得到已知车辆的车辆实际长度。
步骤S202:根据车辆图像长度以及车辆实际长度进行计算以确定长度调节系数。
长度调节系数为车辆在道路中的车辆实际长度和在道路视频图像中的车辆图像长度的转换系数,通过将车辆实际长度除以车辆图像长度可以得到道路视频图像对应的长度调节系数。
步骤S203:于道路车道内根据车流方向以确定处于最前方的车辆框图信息以及最后方的车辆框图信息,并根据两个车辆框图信息进行计算以确定图像排队长度。
图像排队长度为车流在道路视频图像中的像素长度,通过识别最前方和最后方的车辆框图信息,可以通过两者之间的像素距离计算出车流在道路视频图像中的图像排队长度。
步骤S204:根据图像排队长度以及长度调节系数进行计算以确定车道排队长度。
将图像排队长度乘以长度调节系数便可估算得出车道排队长度。
步骤S205:判断车道排队长度是否大于预设的拥堵长度。
拥堵长度为工作人员所设定的有可能出现道路拥堵的最大车道排队长度,可以根据经验预设一个拥堵长度用于判断道路状况,对应不同的道路类型,可以设置不同的拥堵长度以符合实际情况。当车道排队长度过长时,表明有较多的车辆在等待通行,如果不能对这些车辆进行疏解,将可能造成车道拥堵。
步骤S206:若车道排队长度不大于拥堵长度,则无动作。
当车道排队长度不大于拥堵长度时,说明没有出现拥堵。
步骤S207:若车道排队长度大于拥堵长度,则根据预设的修正时长以及预设的绿灯时长进行计算以对绿灯时长进行更新。
当车道排队长度大于拥堵长度,说明出现拥堵,需要对交通灯的时长进行调节。
通过以上步骤,根据车道车流速度和车道排队长度两个因素来判断道路状态,可以提高判断的准确性并避免不必要的交通信号灯调节。
另外,道路车道上可能出现异常事件,如车道存在异物、发生交通事故等情况,而这些异常事件的发生会影响道路的通行,最终会影响车道车流速度和车道排队长度,故可以根据车道车流速度和车道排队长度来初步判断道路是否出现了异常状态。
进一步地,参考图4,所述城市交通监控调度方法还包括:
步骤S300:根据道路车道、车辆框图信息对应的车辆图像速度以及速度调节系数以确定各车道的车道车流速度。
车道车流速度为目标道路的每个车道于对应的绿灯时段内的车流的实际速度,可以根据道路车道、车辆框图信息对应的车辆图像速度可以区分得到每个车道所对应车辆的车辆图像速度,再将各车道的车辆图像速度乘以速度调节系数分别计算得出每个车道的车道车流速度。
步骤S301:根据道路车道、车辆框图信息对应的车辆图像长度以及长度调节系数以确定各车道的车道排队长度。
车道排队长度为目标道路的每个道路车道于对应的红灯时段内的车流的实际长度,可以根据道路车道、车辆框图信息对应的车辆图像长度可以区分得到每个车道所对应车辆的车辆图像长度,再将各车道的车道排队长度乘以长度调节系数分别计算得出每个车道的车道排队长度。
步骤S302:分别判断各车道的车道车流速度是否大于拥堵速度以及判断各车道的车道排队长度是否大于拥堵长度。
通过将每个车道的车道车流速度和车道排队长度进行与拥堵速度和拥堵长度的比较,可以较准确地判断车道是否拥堵,还可以判断是否存在异常的车道。
步骤S303:若车道车流速度不大于拥堵速度且车道排队长度不大于拥堵长度,则发出车道异常警报。
步骤S304:若车道车流速度大于拥堵速度且车道排队长度大于拥堵长度,则发出车道异常警报。
步骤S305:若车道车流速度不大于拥堵速度且车道排队长度大于拥堵长度,则无动作。
步骤S306:若车道车流速度大于拥堵速度且车道排队长度不大于拥堵长度,则无动作。
通常情况下,当车道中的车道车流速度较快时,其车道排队长度不会过长,因较快的车道车流速度会让排队长度快速缩短;或者车道车流速度较慢时,车道排队长度会随着时间而增加,因较慢的车道车流速度会让车辆持续积压而造成排队。
故可以根据以上两个因素对车道异常进行初步判断,举个例子,当车道的车道车流速度较快但车道排队长度较长时,可能于该车道中某处出现阻碍,致使车辆被积压于阻碍处造成排队现象,而绕行经过阻碍的车辆可以达到较快的车速;或者是当车道的车道排队长度较短但车道车流速度较慢,可能是路面存在异物在干扰通行效率等。
对道路通行效率的干扰因素有很多,但最终都会表现为车道车流速度和车道排队长度的变化,通过监控这两个变量,可以对道路异常状态进行通用的监控,可以快速向工作人员发出异常警报,使工人人员可以及时地确认和处理异常。
进一步地,参考图5,为了使其他车道的绿灯时长能够与拥堵车道的绿灯时长进行联动调节,所述城市交通监控调度方法还包括:
步骤S500:根据预设的道路匹配关系以确定拥堵车道相对应的进口车道。
道路匹配关系为预设的车道之间的位置关系的数据信息,可以通过道路信息相关的数据库获得与拥堵车道相连接的对应的进口车道,进口车道为拥堵车道所在道路的车辆来源方向的车道,即进口车道的车辆最终会进入拥堵车道所在道路,包括左转进入、直行进入和右转进入,如图6中所示,进口车道的车流量对拥堵车道的车流量有着重要的影响。
步骤S501:根据拥堵车道的车道车流速度和拥堵车道的车道排队长度以结合预设的车道压力系数算法进行计算以确定拥堵车道的车道压力系数。
其中车道压力系数算法为:
,
其中,为车道压力系数,/>为拥堵车道的车道车流速度,/>为拥堵车道的车道排队长度。/>
车道压力系数可以数值化地反应拥堵车道的拥堵程度,车道压力系数越大,则说明车道的拥堵程度越高,车道压力系数越小,则说明车道的拥堵程度越低。
步骤S502:根据各进口车道的车道车流速度和进口车道的车道排队长度以结合预设的进口压力系数算法进行计算以确定拥堵车道的各进口压力系数。
其中进口压力系数算法为:
,
其中,为进口压力系数,/>为进口车道的车道车流速度,/>为进口车道的车道排队长度;
进口压力系数可以数值化地反应各进口车道对拥堵车道的车流压力,进口压力系数越大,则说明各进口车道的车流对拥堵车道的压力越大,可能会进一步加大拥堵车道的拥堵程度,进口压力系数越小,则说明各进口车道的车流对拥堵车道的压力越小,可能不会进一步加大拥堵车道的拥堵程度。
步骤S503:根据拥堵车道的车道压力系数以及拥堵车道的各进口压力系数以结合预设的跟随时长算法进行计算以确定各进口车道的跟随时长,根据跟随时长以对各进口车道相对应的绿灯时长进行调节。
其中跟随时长算法为:
,
其中,为跟随时长,/>为拥堵车道所在道路的全部车道的车道压力系数之和,/>为拥堵车道的各进口压力系数之和,/>为各进口车道对应的当前的绿灯时长。
跟随时长为各进口车道所对应的新的绿灯时长,将跟随时长替换当前的绿灯时长,可调节各进口车道的下一个绿灯时长。通过拥堵车道所在道路的全部车道进行车道压力系数的计算,并将这这些车道的压力系数求和得到。通过计算拥堵车道的各进口压力系数,对拥堵车道的各进口压力系数求和得到/>。
因进口车道的车辆并非会全都进入拥堵车道,这些车辆可能会进入与拥堵车道处于相同道路的其他车道中,故应对拥堵车道和处于相同道路的其他车道进行车道压力系数的求和得到,以综合考虑该拥堵车道所在道路的车流承受能力。
根据以上跟随时长的计算算法,使各进口道路对应的绿灯时长可根据拥堵道路的车道压力系数和进口压力系数进行联动调节,增加对拥堵车道的疏解效果。当大于/>时,进口车道所对应的绿灯时长会被适当降低,以减少进口车道对拥堵车道的车流压力,进而可以减少进入拥堵车道的车辆;当/>等于/>时,进口车道所对应的绿灯时长不变;当小于/>时,说明拥堵车道压力较小而进口车道压力较大,可适当增加各进口车道的绿灯时长,以均衡车流。
进一步地,参考图7,所述的城市交通监控调度方法还包括:
步骤S600:于预设的时间轴上建立宽度为预设的检测时长的检测区间,且使检测区间的后端点与当前时间点重合。
检测区间为一个时段,用于后续步骤在获取该时段内的数据,检测区间可以根据预设的检测时长来确定其时间长度,在该步骤中,以当前时间点为基准点往回设定检测区间。如以10分钟为检测时长,则检测区间为当前时间点到过去时间10分钟内的时间区域。
步骤S601:于检测区间中获取每个时间点的于预设的调节区域中的每个车道的车道压力系数。
调节区域为预设的地理区域,在调节区域中的每个车道会被监控,而调节区域外的不被监控,通过在调节区域中获取各车道的道路图像信息计算得出各车道在检测区域中于检测区间内每个时间点的车道压力系数,可得到各车道基于连续时间的车道压力系数的数据,可用于判断车道是否持续出现拥堵情况。
步骤S602:于单个车道判断所有时间点的车道压力系数是否均大于预设的拥堵系数。
通过判断车道在所有时间点内的车道压力系数,可以判断车道是否持续存在拥堵情况。
步骤S603:若车道压力系数不大于预设的拥堵系数,则将该车道定义为无效车道。
无效车道为不需要进行后续操作的车道,拥堵系数可由工作人员结合历史数据进行设定, 当各车道在检测区域中于检测区间内每个时间点的车道压力系数都不大于拥堵系数时,说明并未出现持续拥堵的状况。
步骤S604:若车道压力系数大于预设的拥堵系数,则将该车道定义为有效车道。
有效车道为需要进行后续操作的车道,当各车道在检测区域中于检测区间内每个时间点的车道压力系数都大于拥堵系数时,说明车道存在持续的压力,可能已经处于持续拥堵的状态。
步骤S605:于有效车道中根据预设的排序规则以确定数值最大的车道压力系数,并将该车道压力系数所对应的车道定义为热点车道。
热点车道为车道压力系数最大的车道,通过现有的排序方法可从所有的有效车道中找出压力系数最大的车道,选择压力系数最大的车道为热点车道,并以该车道为中心进行后续操作。
步骤S606:于预设的道路分布图中根据热点车道以确定相邻进入车道以及相邻离开车道。
道路分布图可以通过数据库查询获得,道路分布图显示各车道的地理位置信息,如车道走向、车道方位、车道长度等信息,相邻进入车道为与热点车道的车辆入口相连接的车道,相邻离开车道为与热点车道的车辆出口相连接的车道。
步骤S607:根据热点车道以及相邻进入车道于检测区间内所获取的车道压力系数进行计算以确定进入相关系数,且根据热点车道以及相邻离开车道于检测区间内所获取的车道压力系数进行计算以确定离开相关系数。
通过检测区间内每个时间点获得热点车道、各相邻进入车道和各相邻离开车道的车道压力系数的数据,根据这些数据两两统计可以得出热点车道与各相邻进入车道的相关系数,以及热点车道与各相邻离开车道的相关系数,相关系数为统计学中的皮尔森相关系数,通过现有统计学的皮尔森相关系数计算方法即可得出两组数据的相关系数,以判断两组数据的相关性,在此不做赘述。相关系数的取值在-1到1之间:相关系数的值越接近1,说明正相关越强,相关系数的值越接近-1,说明负相关越强,相关系数的值越接近0,说明相关越弱。
步骤S608:判断是否存在大于预设的相关阈值的进入相关系数。
相关阈值为工作人员设定的用于确定热点车道与相邻进入车道以及相邻离开车道的关联性的相关系数的最小值。通过判断进入相关系数的值以确定相邻进入车道的车流和热点车道的车流是否存在相关性。
步骤S609:若存在大于相关阈值的进入相关系数,则于所有的相邻进入车道中根据预设的排序规则以确定数值最大的进入相关系数,且将该进入相关系数所对应的相邻进入车道更新为热点车道。
步骤S610:若不存在大于相关阈值的进入相关系数,则无动作。
当存在进入相关系数大于相关阈值,则说明存在与热点车道车流量相关性较大的相邻进入车道,然后通过排序找出最大的进入相关系数所对应的相邻进入车道,进入相关系数最大的相邻进入车道的车流量与热点车道车流量存在较大的关联性,并将进入相关系数最大的相邻进入车道更新为热点车道再进行重复操作找出对应的最大的进入相关系数所对应的相邻进入车道,直到不存在大于相关阈值的进入相关系数。
当不存在大于相关阈值的进入相关系数,说明这些相邻进入车道的车流与热点车道的车流相关性不大。
步骤S611:判断是否存在大于相关阈值的离开相关系数。
通过判断离开相关系数的值以确定相邻离开车道的车流和热点车道的车流是否存在相关性。
步骤S612:若存在大于相关阈值的离开相关系数,则于所有的相邻离开车道中根据预设的排序规则以确定数值最大的离开相关系数,且将该离开相关系数所对应的相邻离开车道更新为热点车道。
步骤S613:若不存在大于相关阈值的离开相关系数,则无动作。
当存在离开相关系数大于相关阈值,则说明存在与热点车道相关性较大的相邻离开车道,然后通过排序找出最大的离开相关系数所对应的相邻离开车道,并将其更新为热点车道进行重复操作以找到新的最大的离开相关系数所对应的相邻离开车道,直到不存在大于相关阈值的离开相关系数。
当不存在大于相关阈值的离开相关系数,说明这些相邻离开车道的车流与热点车道的车流相关性不大。
步骤S614:根据所有的热点车道进行相连以确定热点路线。
将所有确定的热点车道进行连接可以确定出一条热点路线,热点路线可以体现当前车流的主要集中车道,可供对这些车道进行重点监控和调节。
通过以上步骤,可以找出通行压力较大的车道,并可以量化地计算出车道和车道之间车流的关联性,最终可以得出一条热点路线用于体现当前的车流状况,可供工作人员参考或进行后续调节。
进一步地,参考图8,为了对热点路线进行联动调节,所述城市交通监控调度方法还包括:
步骤S700:获取车道压力系数最大的热点车道所对应的交通信号灯的配时周期并将其定义为统一配时周期。
配时周期为交通信号灯相位变化一个周期的时间,统一配时周期为所有热点车道所对应交通信号灯的共同的配时周期,因车道压力系数最大的热点车道的车流量较大,故以其对应的配时周期作为统一配时周期对其他热点车道对应的交通信号灯进行调节是比较合理的。
步骤S701:根据统一配时周期替换各热点车道所对应的交通信号灯的配时周期,且各交通信号灯的各相位绿灯时长根据配时周期和统一配时周期通过预设的相位调节算法计算并调节。
其中,相位调节算法为:
,
其中,为调节后的相位绿灯时长,/>为统一配时周期,/>为调节前的配时周期,/>为调节前的相位绿灯时长。
将各热点车道对应的交通信号灯的配时周期都替换为统一配时周期,可以使各热点车道对应的交通信号灯拥有相同的配时周期,便于后续的统一调节,在各热点车道对应的交通信号灯的配时周期被调节后,各交通信号灯的各相位绿灯时长可以根据配时周期的变化比例进行放大或缩小。
步骤S702:于两个相连的热点车道之间定义车流前端所在的热点车道为后相位车道,定义车流尾端所在的热点车道为前相位车道。
前相位车道为车流先进入的车道,后相位车道为车流后进入的车道,在前相位车道所对应的交通信号灯为绿灯时,车流进入后相位车道,如果后相位车道所对应的交通信号灯能够在车流进入后切换为绿灯,则车流可以保持现有的速度通过而无需停止等待,可以提高道路的通行效率。
步骤S703:于车道分布图获取后相位车道的车道长度,于前相位车道和后相位车道之间根据预设的动态相位差算法获得动态绿灯相位时间差。
其中,动态相位差算法为:
,
其中,为动态绿灯相位时间差,/>为后相位车道的车道长度,/>为后相车道的车道车流速度,/>为前相车道的车道车流速度。
动态绿灯相位时间差为前相位车道所对应的交通信号灯切换为绿灯的时间点到后相位车道所对应的交通信号灯切换为绿灯的时间点之间的时间差,动态绿灯相位时间差可以根据前相位车道的车道车流速度、后相位车道的车道车流速度和车道长度动态变化,以满足不同的交通状况。
通过对前相车道的车道车流速度和后相车道的车道车流速度进行均值计算,可以估算得到车流于前相位车道和后相位车道中的平均车流速度,根据后相位车道的车道长度除以平均车流速度可以得出车流从进入后相位车道至离开后相位车道所需的大致时间。在前相位车道随对应的交通信号灯切换为绿灯后,只要在这个时间前使后相位车道切换为绿灯,即可保持车流连续通行。可以避免频繁启停而引起的交通不畅。
步骤S704:于每一统一配时周期内,计算相连接的两个热点车道之间的动态绿灯相位时间差,并根据动态绿灯相位时间差于下一统一配时周期调节后相位车道所对应的交通信号灯的绿灯切换时刻。
绿灯切换时刻为交通灯从红灯切换为绿灯的时刻,通过动态绿灯相位时间差可以在每个统一配时周期根据车道车流速度对每个热点车道所对应的交通信号灯做出调节,可提高整条热点路线的通行效率。
参照图9,基于同一发明构思,本发明实施例还提供了一种城市交通监控调度系统,包括:
获取模块,用于获取预设的目标道路的道路视频图像;
处理模块,与获取模块和判断模块连接,用于信息的存储和处理;
判断模块,与获取模块和处理模块连接,用于信息的判断;
处理模块根据道路视频图像进行特征识别以使获取模块获取道路车道、车流方向以及车辆框图信息;
处理模块根据道路车道以及车流方向确定图像测速区域;
处理模块根据图像测速区域以及车辆框图信息以确定车辆图像速度;
获取模块于车辆框图信息所对应的框图图像内获取车牌信息;
处理模块将车牌信息输入值预设的车牌登记数据库中进行匹配分析以输出匹配结果,并将匹配结果与预设的一致结果相同的车牌信息相对应的车辆定义为已知车辆,且将已知车辆的车辆图像速度定义为已知图像速度;
获取模块获取已知车辆处于图像测速区域内的测速时间范围,且于测速时间范围内实时获取已知车辆的已知实时速度;
处理模块根据所有的已知实时速度进行均值计算以确定已知实际速度;
处理模块根据已知实际速度以及已知图像速度进行计算以确定速度调节系数;
处理模块于图像测速区域内根据速度调节系数以及车辆图像速度以确定已知车辆以外的车辆的车辆实际速度;
处理模块根据道路车道以及各车辆实际速度进行均值计算以确定车道车流速度;
判断模块判断车道车流速度是否小于预设的拥堵速度;
若判断模块判断出车道车流速度不小于拥堵速度,则无动作;
若判断模块判断出车道车流速度小于拥堵速度,则处理模块根据预设的修正时长以及预设的绿灯时长进行计算以对绿灯时长进行更新;
排队拥堵确定模块,用于获取目标道路的车道排队长度,根据车道排队长度判断道路是否处于拥堵状态,并根据拥堵状态做出响应,可以更准确地判断道路是否出现拥堵;
车道异常报警模块,用于根据各车道的车道车流速度和车道排队长的判断车道是否存在异常,并根据判断结果做出异常报警,可以及时通知工作人员确认道路异常和做出响应;
修正时长确定模块,用于根据拥堵车道的车道车流速度、车道排队长度、预设的拥堵速度、当前绿灯时长以及预设的车辆启动时长计算修正时长,以较准确地调节交通信号灯的绿灯时间,疏解拥堵;
跟随时长确定模块,用于根据拥堵车道和进口车道的车道车流速度和车道排队长度来计算对应拥堵车道的绿灯时长的进口车道的跟随时长,以使进口车道能够和拥堵车道联动调节,增加对拥堵车道的疏解效果;
热点路线确定模块,用于在检测区间内对预设的调节区域中的各车道进行统计确认热点车道,以生成热点路线,便于后续的针对调节;
相位调节模块,用于确定各热点车道所对应的交通信号灯的统一配时周期,并根据相连的两个热点车道的车道车流速度确定动态绿灯相位时间差,以使车道中的车流可以保持移动状态,避免频繁启停影响通行效率。
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。上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,本说明书(包括摘要和附图)中公开的任一特征,除非特别叙述,均可被其他等效或者具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
Claims (8)
1.城市交通监控调度方法,其特征在于,包括以下步骤:
获取预设的目标道路的道路视频图像;
根据道路视频图像进行特征识别以获取道路车道、车流方向以及车辆框图信息;
根据道路车道以及车流方向确定图像测速区域;
根据图像测速区域以及车辆框图信息以确定车辆图像速度;
于车辆框图信息所对应的框图图像内获取车牌信息;
将车牌信息输入值预设的车牌登记数据库中进行匹配分析以输出匹配结果,并将匹配结果与预设的一致结果相同的车牌信息相对应的车辆定义为已知车辆,且将已知车辆的车辆图像速度定义为已知图像速度;
获取已知车辆处于图像测速区域内的测速时间范围,且于测速时间范围内实时获取已知车辆的已知实时速度;
根据所有的已知实时速度进行均值计算以确定已知实际速度;
根据已知实际速度以及已知图像速度进行计算以确定速度调节系数;
于图像测速区域内根据速度调节系数以及车辆图像速度以确定已知车辆以外的车辆的车辆实际速度;
根据道路车道以及各车辆实际速度进行均值计算以确定车道车流速度;
判断车道车流速度是否小于预设的拥堵速度;
若车道车流速度不小于拥堵速度,则无动作;
若车道车流速度小于拥堵速度,则根据预设的修正时长以及预设的绿灯时长进行计算以对绿灯时长进行更新。
2.根据权利要求1所述的城市交通监控调度方法,其特征在于,若车道车流速度小于拥堵速度,城市交通监控调度方法还包括:
于道路视频图像中获取已知车辆的车辆图像长度;
根据预设的长度匹配关系以确定已知车辆相对应的车辆实际长度;
根据车辆图像长度以及车辆实际长度进行计算以确定长度调节系数;
于道路车道内根据车流方向以确定处于最前方的车辆框图信息以及最后方的车辆框图信息,并根据两个车辆框图信息进行计算以确定图像排队长度;
根据图像排队长度以及长度调节系数进行计算以确定车道排队长度;
判断车道排队长度是否大于预设的拥堵长度;
若车道排队长度不大于拥堵长度,则无动作;
若车道排队长度大于拥堵长度,则根据预设的修正时长以及预设的绿灯时长进行计算以对绿灯时长进行更新。
3.根据权利要求2所述的城市交通监控调度方法,其特征在于,还包括:
根据道路车道、车辆框图信息对应的车辆图像速度以及速度调节系数以确定各车道的车道车流速度;
根据道路车道、车辆框图信息对应的车辆图像长度以及长度调节系数以确定各车道的车道排队长度;
分别判断各车道的车道车流速度是否大于拥堵速度以及判断各车道的车道排队长度是否大于拥堵长度;
若车道车流速度不大于拥堵速度且车道排队长度不大于拥堵长度,则发出车道异常警报;
若车道车流速度大于拥堵速度且车道排队长度大于拥堵长度,则发出车道异常警报;
若车道车流速度不大于拥堵速度且车道排队长度大于拥堵长度,则无动作;
若车道车流速度大于拥堵速度且车道排队长度不大于拥堵长度,则无动作。
4.根据权利要求3所述的城市交通监控调度方法,其特征在于,还包括修正时长的确定步骤,该步骤包括:
将车道车流速度小于拥堵速度且车道排队长度大于拥堵长度的道路车道定义为拥堵车道;
获取拥堵车道的当前绿灯时长;
定义:车道车流速度为,车道排队长度/>,拥堵速度为/>,拥堵长度为/>,修正时长为/>,当前绿灯时长为/>,预设的车辆启动时长为/>,
则。
5.根据权利要求4所述的城市交通监控调度方法,其特征在于,还包括:
根据预设的道路匹配关系以确定拥堵车道相对应的进口车道;
根据拥堵车道的车道车流速度和拥堵车道的车道排队长度以结合预设的车道压力系数算法进行计算以确定拥堵车道的车道压力系数;
根据各进口车道的车道车流速度和进口车道的车道排队长度以结合预设的进口压力系数算法进行计算以确定拥堵车道的各进口压力系数;
根据拥堵车道的车道压力系数以及拥堵车道的各进口压力系数以结合预设的跟随时长算法进行计算以确定各进口车道的跟随时长,根据跟随时长以对各进口车道相对应的绿灯时长进行调节;
其中车道压力系数算法为:
,
其中,为车道压力系数,/>为拥堵车道的车道车流速度,/>为拥堵车道的车道排队长度;
其中进口压力系数算法为:
,
其中,为进口压力系数,/>为进口车道的车道车流速度,/>进口车道的车道排队长度;
其中跟随时长算法为:
,
其中,为跟随时长,/>为拥堵车道所在道路的全部车道的车道压力系数之和,为拥堵车道的各进口压力系数之和, />为各进口车道对应的当前的绿灯时长。
6.根据权利要求5所述的城市交通监控调度方法,其特征在于,还包括:
于预设的时间轴上建立宽度为预设的单位时长的检测区间,且使检测区间的后端点与当前时间点重合;
于检测区间中获取每个时间点的于预设的调节区域中的每个车道的车道压力系数;
于单个车道判断所有时间点的车道压力系数是否均大于预设的拥堵系数;
若车道压力系数不大于预设的拥堵系数,则将该车道定义为无效车道;
若车道压力系数大于预设的拥堵系数,则将该车道定义为有效车道;
于有效车道中根据预设的排序规则以确定数值最大的车道压力系数,并将该车道压力系数所对应的车道定义为热点车道;
于预设的道路分布图中根据热点车道以确定相邻进入车道以及相邻离开车道;
根据热点车道以及相邻进入车道于检测区间内所获取的车道压力系数进行计算以确定进入相关系数,且根据热点车道以及相邻离开车道于检测区间内所获取的车道压力系数进行计算以确定离开相关系数;
判断是否存在大于预设的相关阈值的进入相关系数;
若存在大于相关阈值的进入相关系数,则于所有的相邻进入车道中根据预设的排序规则以确定数值最大的进入相关系数,且将该进入相关系数所对应的相邻进入车道更新为热点车道;
若不存在大于相关阈值的进入相关系数,则无动作;
判断是否存在大于相关阈值的离开相关系数;
若存在大于相关阈值的离开相关系数,则于所有的相邻离开车道中根据预设的排序规则以确定数值最大的离开相关系数,且将该离开相关系数所对应的相邻离开车道更新为热点车道;
若不存在大于相关阈值的离开相关系数,则无动作;
根据所有的热点车道进行相连以确定热点路线。
7.根据权利要求6所述的城市交通监控调度方法,其特征在于,还包括:
获取车道压力系数最大的热点车道所对应的交通信号灯的配时周期并将其定义为统一配时周期;
根据统一配时周期替换各热点车道所对应的交通信号灯的配时周期,且各交通信号灯的各相位绿灯时长根据配时周期和统一配时周期通过预设的相位调节算法计算并调节;
于两个相连的热点车道之间定义车流前端所在的热点车道为后相位车道,定义车流尾端所在的热点车道为前相位车道;
于前相位车道和后相位车道之间根据预设的动态相位差算法获得动态绿灯相位时间差;
于每一统一配时周期内,计算相连接的两个热点车道之间的动态绿灯相位时间差,并根据动态绿灯相位时间差于下一统一配时周期调节后相位车道所对应的交通信号灯的绿灯切换时刻;
其中,相位调节算法为:
,
其中,为调节后的相位绿灯时长,/>为统一配时周期,/>为调节前的配时周期,/>为调节前的相位绿灯时长;
其中,动态相位差算法为:
,
其中,为动态绿灯相位时间差,/>为后相位车道的车道长度,/>为后相车道的车道车流速度,/>为前相车道的车道车流速度。
8.一种城市交通监控调度系统,其特征在于,包括:
获取模块,用于获取预设的目标道路的道路视频图像;
处理模块,与获取模块和判断模块连接,用于信息的存储和处理;
判断模块,与获取模块和处理模块连接,用于信息的判断;
处理模块根据道路视频图像进行特征识别以使获取模块获取道路车道、车流方向以及车辆框图信息;
处理模块根据道路车道以及车流方向确定图像测速区域;
处理模块根据图像测速区域以及车辆框图信息以确定车辆图像速度;
获取模块于车辆框图信息所对应的框图图像内获取车牌信息;
处理模块将车牌信息输入值预设的车牌登记数据库中进行匹配分析以输出匹配结果,并将匹配结果与预设的一致结果相同的车牌信息相对应的车辆定义为已知车辆,且将已知车辆的车辆图像速度定义为已知图像速度;
获取模块获取已知车辆处于图像测速区域内的测速时间范围,且于测速时间范围内实时获取已知车辆的已知实时速度;
处理模块根据所有的已知实时速度进行均值计算以确定已知实际速度;
处理模块根据已知实际速度以及已知图像速度进行计算以确定速度调节系数;
处理模块于图像测速区域内根据速度调节系数以及车辆图像速度以确定已知车辆以外的车辆的车辆实际速度;
处理模块根据道路车道以及各车辆实际速度进行均值计算以确定车道车流速度;
判断模块判断车道车流速度是否小于预设的拥堵速度;
若判断模块判断出车道车流速度不小于拥堵速度,则无动作;
若判断模块判断出车道车流速度小于拥堵速度,则处理模块根据预设的修正时长以及预设的绿灯时长进行计算以对绿灯时长进行更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311175796.XA CN116913108B (zh) | 2023-09-13 | 2023-09-13 | 城市交通监控调度方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311175796.XA CN116913108B (zh) | 2023-09-13 | 2023-09-13 | 城市交通监控调度方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116913108A true CN116913108A (zh) | 2023-10-20 |
CN116913108B CN116913108B (zh) | 2023-12-19 |
Family
ID=88351532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311175796.XA Active CN116913108B (zh) | 2023-09-13 | 2023-09-13 | 城市交通监控调度方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116913108B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437581A (zh) * | 2023-12-20 | 2024-01-23 | 神思电子技术股份有限公司 | 基于图像语义分割和视角缩放的机动车拥堵长度计算方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5801943A (en) * | 1993-07-23 | 1998-09-01 | Condition Monitoring Systems | Traffic surveillance and simulation apparatus |
JP2010044526A (ja) * | 2008-08-11 | 2010-02-25 | Sumitomo Electric Ind Ltd | 渋滞情報生成装置、コンピュータプログラム及び渋滞情報生成方法 |
CN102768802A (zh) * | 2012-07-12 | 2012-11-07 | 复旦大学 | 基于有限状态机的道路车辆拥堵判别方法 |
CN106023590A (zh) * | 2016-06-20 | 2016-10-12 | 北方工业大学 | 一种城市道路交叉口内部区域拥堵快速检测方法及系统 |
CN110286624A (zh) * | 2019-07-04 | 2019-09-27 | 北京小米移动软件有限公司 | 无线控制模组、无线墙壁开关、用电设备及系统 |
CN114463684A (zh) * | 2022-02-14 | 2022-05-10 | 内蒙古工业大学 | 一种面向城市高速路网的堵点检测方法 |
CN116631203A (zh) * | 2023-04-25 | 2023-08-22 | 重庆师范大学 | 结合交通流预测与强化学习的自适应交通信号控制方法 |
-
2023
- 2023-09-13 CN CN202311175796.XA patent/CN116913108B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5801943A (en) * | 1993-07-23 | 1998-09-01 | Condition Monitoring Systems | Traffic surveillance and simulation apparatus |
JP2010044526A (ja) * | 2008-08-11 | 2010-02-25 | Sumitomo Electric Ind Ltd | 渋滞情報生成装置、コンピュータプログラム及び渋滞情報生成方法 |
CN102768802A (zh) * | 2012-07-12 | 2012-11-07 | 复旦大学 | 基于有限状态机的道路车辆拥堵判别方法 |
CN106023590A (zh) * | 2016-06-20 | 2016-10-12 | 北方工业大学 | 一种城市道路交叉口内部区域拥堵快速检测方法及系统 |
CN110286624A (zh) * | 2019-07-04 | 2019-09-27 | 北京小米移动软件有限公司 | 无线控制模组、无线墙壁开关、用电设备及系统 |
CN114463684A (zh) * | 2022-02-14 | 2022-05-10 | 内蒙古工业大学 | 一种面向城市高速路网的堵点检测方法 |
CN116631203A (zh) * | 2023-04-25 | 2023-08-22 | 重庆师范大学 | 结合交通流预测与强化学习的自适应交通信号控制方法 |
Non-Patent Citations (4)
Title |
---|
PENGJU LIU: "Matching-Based Task Offloading for Vehicular Edge Computing", IEEE, pages 27628 - 27640 * |
ZHENYU ZHOU等: "Energy-efficient Workload Offloading and Power Control in Vehicular Edge Computing", IEEE, pages 191 - 196 * |
孟凡林: "基于浮动车大数据的城市交通拥堵自动辨识与可视化系统", 中国优秀硕士论文全文数据库 工程科技Ⅱ辑, no. 02, pages 034 - 1434 * |
张素雯: "基于视频分析的道路车辆信息提取方法研究", 中国优秀硕士论文全文数据库 工程科技Ⅱ辑, pages 034 - 1119 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437581A (zh) * | 2023-12-20 | 2024-01-23 | 神思电子技术股份有限公司 | 基于图像语义分割和视角缩放的机动车拥堵长度计算方法 |
CN117437581B (zh) * | 2023-12-20 | 2024-03-01 | 神思电子技术股份有限公司 | 基于图像语义分割和视角缩放的机动车拥堵长度计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116913108B (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116913108B (zh) | 城市交通监控调度方法和系统 | |
CN108986492B (zh) | 一种基于路侧设备的快速路匝道车流汇入引导方法与系统 | |
CN108806291B (zh) | 基于路侧设备的高饱和度匝道车辆汇入引导方法与系统 | |
CN104282165A (zh) | 路段拥堵预警方法及装置 | |
CN109830117B (zh) | 道路规划优化方法、装置、计算机设备及存储介质 | |
CN114141021B (zh) | 一种智慧城市交通信号灯控制系统及其控制方法 | |
EP1816621B1 (en) | System for detecting vehicle traffic by means of an on-board co-operational telematic platform based upon extended floating car data | |
CN112258832B (zh) | 一种用于运行基于车辆信息的团雾气象信息感知发布系统的方法 | |
CN113823086A (zh) | 一种基于突发事件实时监测的区域路口协同管控方法 | |
CN114312794A (zh) | 车辆行驶恶劣天气环境的识别系统和方法 | |
CN109887285B (zh) | 一种停车原因的确定方法及装置 | |
JP2009245294A (ja) | 交通信号制御装置及び方法、到着プロファイルの推定装置、並びに、コンピュータプログラム | |
CN112071088B (zh) | 一种防堵车红绿灯控制系统及控制方法 | |
JP2001082097A (ja) | トンネル換気制御装置 | |
CN111754790B (zh) | 一种基于雷达的匝道入口交通控制系统及方法 | |
CN114937361B (zh) | 一种城市交通服务系统及操作方法 | |
CN115431974A (zh) | 自动驾驶车辆的控制方法及系统 | |
CN111578953A (zh) | 无人驾驶车辆的导航装置和导航方法 | |
CN117058877B (zh) | 一种城市交通智能监控方法及系统 | |
CN113808384B (zh) | 交通状况侦测方法 | |
FR3105544B1 (fr) | Procede et dispositif de supervision d'un systeme de pistage | |
CN116959275B (zh) | 一种城市交通拥堵优化方法及系统 | |
CN115331457B (zh) | 一种车速管理方法及系统 | |
CN115035711B (zh) | 一种高速公路隧道与互通立交衔接段交通导流控制方法 | |
CN117789493B (zh) | 一种交通控制系统及交通控制方法 |
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 |