CN117542210A - 一种智慧交通信号灯组网协同优化控制系统 - Google Patents

Abstract

本发明公开了一种智慧交通信号灯组网协同优化控制系统，属于交通信号灯技术领域，包括数据汇总模块、汇总分析模块和论证模块；数据汇总模块用于采集目标区域内的历史交通数据，基于历史交通数据生成交通信息模型，为交通信息模型关联对应的信息库；汇总分析模块用于基于交通信息模型进行交通信号灯的控制分析，确定目标区域内的最优路线；基于交通信息模型进行绿灯模拟，获得各路口的交通信号灯的各模拟信号时长；论证模块用于对各路口的交通信号灯的各模拟信号时长进行论证，获得对应的论证结果，依据获得的论证结果进行调整，将调整后的各路口的交通信号灯的各模拟信号时长应用到对应路口的交通信号灯中。

Description

一种智慧交通信号灯组网协同优化控制系统

技术领域

本发明属于交通信号灯技术领域，具体是一种智慧交通信号灯组网协同优化控制系统。

背景技术

随着城市规模增大、城市数量急剧增长，城市交通问题也逐渐显露，尤其是在早晚班高峰期的交通状况更是成为城市发展中的重要问题之一，为了降低城市交通负担，促进城市健康发展，亟需相关的交通信号灯优化控制系统实现交通路口交通信号灯的智能化，优化城市交通问题，减轻城市交通负担，促进城市健康发展。

公开号为CN114241761B的中国专利申请公开了一种智慧交通信号灯组网协同优化控制系统，包括数据采集模块，用于采集若干交通路口的车流数据；数据处理模块，用于对车流数据进行处理，得到整合信息；指令输出模块，用于根据整合信息输出对应的信号灯指令；信号灯控制模块，用于根据信号灯指令控制信号灯的切换；本系统通过对各个交通路口的车流情况进行分析，根据分析结果对相邻交通路口的交通信号灯进行协同控制，使得交通信号灯可以根据相邻路口的交通状况智能调节自身的红绿灯变化，实现交通信号灯的智能化，优化城市交通问题，减轻交通负担。

上述专利通过根据相邻路口的交通情况进行智能控制本路口的交通信号灯时长，实现根据实时采集情况进行动态调整；但是上述方案在具体实施过程中具有较大的安全隐患和应用阻碍，在未进行论证安全性的情况下进行实时调整路口的信号灯时长，极易在特殊情况下出现交通堵塞、交通事故等，如传感器失灵、监控设备角度偏离等情况，均会导致交通指挥异常，而且实时生成的信号灯调整方案无法得到相关领域专家的验证，具有较大的安全隐患；而且路口信号灯时长的多变性，将会导致很多熟悉该路口的人们难以习惯其多变性，易受行为习惯而违反信号灯规则。

基于此，为了优化信号灯控制，本发明提供了一种智慧交通信号灯组网协同优化控制系统。

发明内容

为了解决上述方案存在的问题，本发明提供了一种智慧交通信号灯组网协同优化控制系统。

本发明的目的可以通过以下技术方案实现：

一种智慧交通信号灯组网协同优化控制系统，包括数据汇总模块、汇总分析模块和论证模块；

所述数据汇总模块用于采集目标区域内的历史交通数据，并基于所述历史交通数据生成对应的交通信息模型，为所述交通信息模型关联对应的信息库。

进一步地，数据汇总模块的工作方法包括：

将目标区域内的各路口和道路定义为单项，按照各所述单项将所述历史交通数据拆分为若干份对应的单项分析数据；

按照各所述单项对应预设的特征模板对所述单项分析数据进行处理，获得各所述单项对应的单项特征数据；

建立信息库，所述信息库中设置有各所述单项特征数据对应的储存节点；将获得的各所述单项特征数据发送到对应的储存节点中进行储存；

根据各所述单项特征数据生成对应的单项曲线图，所述单项曲线图包括车流量曲线图和等待车辆数曲线图；对获得的所述单项曲线图进行处理，获得对应的单项代表图；所述单项代表图包括车流量代表图和等待车辆数代表图；

对所述单项代表图进行时段分割处理，获得若干个特征时段和特征时段代表值；

获取所述目标区域的交通图，根据所述交通图生成对应的交通信息模型，在所述交通信息模型中的各单项上插入对应的特征显示单元，将各所述单项对应的特征时段和特征时段代表值输入到所述交通信息模型中对应的特征显示单元中进行对应显示；

将所述信息库中的各储存节点与所述交通信息模型中对应的特征显示单元进行相关联。

进一步地，对于信息库中各所述储存节点储存的单项特征数据按照预设的储存数据管理方式进行管理。

进一步地，对单项代表图进行时段分割处理的方法包括：

步骤SE1：识别等待车辆数代表图中的等待车辆数区间，统计等待车辆数区间中各等待车辆数对应的出现次数，根据等待车辆数和出现次数设置对应的特征统计曲线；

步骤SE2：识别特征统计曲线中各相邻特征点之间的出现次差；将出现次差低于阈值X2的相邻特征点进行合并，形成新的特征点；

步骤SE3：识别特征统计曲线中剩余的各特征点之间的出现次差；将出现次差低于阈值X2的相邻特征点进行合并，形成新的特征点；

步骤SE4：识别剩余的特征点数量，当特征点数量小于等于3时，进入步骤SE6；当特征点数量大于3时，进入步骤SE5；

步骤SE5：将特征统计曲线中出现次差最小的两个特征点进行合并，形成新的特征点；返回步骤SE4；

步骤SE6：识别各特征点对应的等待车辆数，根据等待车辆数区间设置各特征车辆数区间，根据各特征车辆数区间设置特征时段和特征时段代表值。

进一步地，两个特征点进行合并的方法包括：

将两个特征点的等待车辆数和出现次数分别标记为TD1、TD2和TC1、TC2；

根据公式TD´=(TD1×TC1+TD2×TC2)÷(TC1+TC2)计算合并后形成的新的特征点的等待车辆数；式中：TD´为对应的等待车辆数；

根据公式TC´=TC1+TC2计算合并后形成的新的特征点的出现次数；式中：TC´为对应的出现次数；

根据获得的等待车辆数和出现次数标记对应合并后的特征点。

所述汇总分析模块用于基于交通信息模型进行交通信号灯的控制分析，识别各路口具有的交通方向，评估所述路口各交通方向的比重值和优先级，将获得的所述优先级和比重值标记在所述交通信息模型中对应路口的交通方向上；

根据各路口的各交通方向的优先级确定目标区域内的最优路线；

识别各路口处各特征时段的特征时段代表值以及各道路在各特征时段的特征时段代表值，计算各路口处各交通方向的预设绿灯时长区间；计算各道路的通行时长，将获得的各预设绿灯时长区间和通行时长标记在交通信息模型中的对应位置处；

基于交通信息模型进行绿灯模拟，获得各路口的交通信号灯的各模拟信号时长。

进一步地，评估路口各交通方向的比重值和优先级的方法包括：

通过所述交通信息模型识别所述路口各个交通方向在各特征时段时的特征时段代表值；将各交通方向的特征时段代表值标记为Dz，z表示对应的交通方向，z=1、2、……、v，v为正整数；

根据公式Bz=Dz÷∑Dz计算对应的比重值；

式中：Bz为对应交通方向的比重值；

按照各所述交通方向的比重值从大到小的顺序确定各交通方向的优先级。

进一步地，最优路线的确定方法包括：

步骤SA1：在目标区域内识别未经过最优路线的路口，标记为待选路口，在各所述待选路口中指定初始路口；

步骤SA2：识别所述初始路口对应的各交通方向的优先级，按照优先级最高的交通方向进行前行，到达下一路口时，识别前行道路在该路口处具有的交通方向的优先级，选择优先级最高的交通方向进行前行；依次类推，直到按照选择的交通方向进行前行时路线重叠为止；

步骤SA3：识别是否还有未经过最优路线的路口；当具有未经过最优路线的路口时，返回步骤SA1；当没有未经过最优路线的路口时，停止循环，获得若干条优先路线，将获得的各优先路线整合为最优路线。

进一步地，基于交通信息模型进行绿灯模拟的方法包括：

步骤SC1：识别最优路线中的各优先路线，标记优先路线的起点；设置优先路线的绿灯要求，标记为绿灯优先要求，即优先路线的“一路绿灯”；基于绿灯优先要求对非优先路线在各路口处的通行方向的绿灯基准值进行调整，使得各优先路线达到绿灯优先要求；按照标记的等候车辆数进行验证；

步骤SC2：设置模拟数据，按照模拟数据进行交通模拟，识别各路口处各交通方向的车辆等候时长；基于路口处的各车辆等候时长对各交通方向的绿灯基准值进行调整；

步骤SC3：循环步骤SC2，直到满足模拟要求。

进一步地，基于路口处的各车辆等候时长对各交通方向的绿灯基准值进行调整的方法包括：

步骤SD1：判断路口处的各车辆等候时长是否大于阈值X1；

当路口处没有大于阈值X1的车辆等候时长时，不进行相应操作；

当该路口处有大于阈值X1的车辆等候时长时，标记车辆等候时长大于阈值X1的交通方向为调整方向；增加调整方向的绿灯基准值，每次增加完绿灯基准值后，按照原模拟数据进行再次模拟，判断车辆等候时长是否大于阈值X1，当车辆等候时长大于阈值X1时，继续增加调整方向的绿灯基准值；当车辆等候时长不大于阈值X1时，停止增加调整方向的绿灯基准值，并进入步骤SD2；

步骤SD2：基于绿灯优先要求对非调整方向的绿灯基准值进行调整，使得各优先路线达到绿灯优先要求；

步骤SD3：循环步骤SD1至步骤SD2，直到路口处没有调整方向。

所述论证模块用于对各路口的交通信号灯的各模拟信号时长进行论证，获得对应的论证结果，依据获得的论证结果进行调整，将调整后的各路口的交通信号灯的各模拟信号时长应用到对应路口的交通信号灯中。

与现有技术相比，本发明的有益效果是：

通过数据汇总模块、汇总分析模块和论证模块之间的相互配合，实现对交通信号灯智能控制，形成最优路线的绿灯通行，极大的方便最优路线上车辆的快速通行，且对其他通行方向上的车辆无不良影响，优化了交通管理；而且在某些情况下，可以调整出多条如最优路线一样的一路绿灯，或部分线路的一路绿灯，缓解交通压力。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明原理框图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。

如图1所示，一种智慧交通信号灯组网协同优化控制系统，包括数据汇总模块、汇总分析模块和论证模块；

所述数据汇总模块用于采集目标区域内的历史交通数据，基于采集的历史交通数据生成对应的交通信息模型和交通信息模型相关联的信息库。

目标区域指的是需要进行优化控制的各路口交通信号灯对应的区域。

历史交通数据包括目标区域内各道路的历史交通情况、各路口的交通等待情况、各路口交通信号灯的时长情况等相关数据。

具体的工作方式如下：

将获得的历史交通数据按照各路口和各道路进行拆分，形成各路口和各道路对应的历史路口数据和历史道路数据；统一标记为单项分析数据，即单项包括各个路口和道路，预设各单项对应的特征模板，特征模板包括统计各单项对应的特征项，如对于道路单项来说，可以设置车流量、道路条件等特征项，道路条件指的道路宽度、车道数、各车道方向等；对于路口单项来说，可以设置路口车辆等待时长、信号灯时长、路口条件等特征项；即特征模板用于统计各道路单项和路口单项对应的特征项数据，道路单项包括车流量、道路宽度、车道数、车道方向等特征项数据；路口单项包括路口车辆等待时长、信号等时长、路口等待车辆数等特征项数据；具体的根据生成交通信息模型以及后续分析需求进行设置。

按照设置的特征模板对相应的单项分析数据进行数据识别提取，获得各单项分析数据对应的单项特征数据；

建立信息库，在信息库中设置各单项特征数据对应的储存节点，并为各储存节点标记对应的单项信息，单项信息用于表示对应的单项；将获得的各单项特征数据发送到对应的储存节点中进行储存；并按照预设的储存数据管理方式进行管理，如储存一定时间后进行超过储存期限的数据进行删除、去重、重要性评估管理等；具体的按照其需求设置储存数据管理方式。

根据各单项特征数据生成各道路的车流量曲线图和各路口的等待车辆数曲线图，标记为单项曲线图；

根据对应的单项特征数据按照一天24h生成对应的曲线；路口的等待车辆数曲线图包括路口各个交通方向的等待车辆数曲线图，如左转、直行等方向，再按照对应道路进行细分；

将获得的道路的各车流量曲线图进行平均值计算，获取代表该道路一天的车流量曲线图，标记为车流量代表图；也可以采用其他方式确定对应的车流量代表图，如众数等统计方式进行处理；同理对路口的各等待车辆数曲线图进行处理，获得路口的等待车辆数代表图；两者整合为单项代表图；

对获得的车流量代表图和等待车辆数代表图进行时段分割处理，获得若干个特征时段和特征时段代表值；

获取目标区域的交通图，根据获得的交通图生成对应的交通信息模型，即利用现有的可视化三维技术建立的三维数字模型，用于立体化的展示目标区域的交通情况；在交通信息模型中根据相应单项特征数据标记各路口交通信号灯的信号时长；并在交通信息模型中的各单项上插入对应的特征显示单元，所述特征显示单元为基于现有技术设置的用于显示对应输出数据的部分；

将各单项对应的特征时段和特征时段代表值输入到交通信息模型中对应的特征显示单元中进行对应显示，即在对应时刻显示对应特征时段对应的特征时段代表值；

将信息库中的各储存节点与交通信息模型中对应的特征显示单元进行相关联，使得通过对应的特征显示单元可以直接访问对应储存节点中的单项特征数据。

其中，对获得的车流量代表图和等待车辆数代表图进行时段分割处理的方法包括：

步骤SE1：识别等待车辆数代表图中的等待车辆数区间，即识别最低点和最高点，分别作为区间的下限和上线；统计等待车辆数区间中各等待车辆数对应的出现次数，以等待车辆数为横轴，出现次数为纵轴，基于对应的各等待车辆数以及对应的出现次数生成对应的特征统计曲线；

步骤SE2：识别特征统计曲线中各相邻特征点之间的出现次数差值，标记为出现次差；特征点即为特征统计曲线中的各个坐标点；将出现次差低于阈值X2的相邻特征点进行合并，形成新的特征点，原合并的两个特征点剔除；

阈值X2用于衡量两个特征点是否合并，而合并的目的是将车辆数变化不大的时段合并在一起，用于后续设置特征时段；设置依据为根据相应的历史车辆数进行设置，需要尽可能的进行阈值X2筛选后剩余的特征点数量等于3，按照该基准对历史数据进行模拟，形成阈值X2，一般为了保障3个特征点，在实际设置时会按照4或5个的特征点数量进行设置，后续再进行步骤SE5的合并，形成3个特征点；因此具体的阈值X2根据大量的历史等待车辆数进行模拟即可获得，并不需要特别高的精准度，因为即使后续剩余5、6、7个特征点，根据步骤SE5均可进行处理。

其中，将出现次差低于阈值X2的相邻特征点进行合并的方法包括：

将出现次差低于阈值X2的相邻特征点的两个特征点的等待车辆数和出现次数分别标记为TD1、TD2和TC1、TC2，其中TD1>TD2；

则根据公式TD´=(TD1×TC1+TD2×TC2)÷(TC1+TC2)计算合并后形成的新的特征点的等待车辆数，根据公式TC´=TC1+TC2计算合并后形成的新的特征点的出现次数；

根据获得的等待车辆数和出现次数标记对应合并后的特征点。

步骤SE3：经过步骤SE2的合并，此时特征统计曲线中已经没有符合低于阈值X2的相邻特征点；识别特征统计曲线中各特征点之间的出现次差，不局限于相邻；将出现次差低于阈值X2的相邻特征点进行合并，形成新的特征点；合并方式与步骤SE2中的相同；

步骤SE4：识别剩余的特征点数量，当特征点数量小于等于3时，停止合并，进入步骤SE6；当特征点数量大于3时，进入步骤SE5；

步骤SE5：将特征统计曲线中出现次差最小的两个特征点进行合并，合并方式与步骤SE2中的相同；形成新的特征点；返回步骤SE4；

步骤SE6：识别各特征点对应的等待车辆数，根据等待车辆数区间的上下限形成各特征车辆数区间，如按照顺序为A、B、C、D、E，则特征车辆数区间为[A，B]、[B，C]、[C，D]、[D，E]；根据各特征车辆数区间对应的时段设置特征时段；并取特征车辆数区间的中间值为特征时段代表值；

根据特征时段确定车流量代表图中对应的车流量区间，进而确定其的特征时段代表值。

所述汇总分析模块用于基于交通信息模型进行交通信号灯的控制分析，方法包括：

识别路口具有的交通方向，以两条路交汇形成的路口为例，路口相当于把两条路分为四个路段，相当于四个道路单项；每个路段在该路口处根据交通标线具有直行、左转和右转三个交通方向，以通过该路口的方向为准，其他路段在该路口均是三个交通方向，即该路口具有12个交通方向。

通过交通信息模型识别该路口各个交通方向在各特征时段时的特征时段代表值，即等候车辆数；根据获得的特征时段代表值计算各交通方向的比重值，将各交通方向的特征时段代表值标记为Dz，z表示对应的交通方向，z=1、2、……、v，v为正整数；根据公式Bz=Dz÷∑Dz计算对应的比重值；式中：Bz为对应交通方向的比重值。

根据计算的各交通方向的比重值大小确定各交通方向的优先级，按照比重值从大到小的顺序确定优先级，如最大的比重对应的优先级为第一，依次类推；并将获得的优先级和比重值标记在交通信息模型中对应路口的交通方向上。

根据各路口处各交通方向的优先级确定目标区域内的最优路线，最优路线即为从目标区域内的一路口为初始路口，一般选边界的路口或最繁忙的路等，可以人工指定；识别初始路口的各交通方向的优先级，按照优先级最高的交通方向进行前行，到达下一路口后，再次按照当前路线在该路口的最高优先级方向进行前行，该处指的是车辆能行驶的最高优先级；依次类推，直到该路线重复为止，获得第一优先路线；识别是否还有未具有最优路线的路口，若有再次选择一个路口为初始路口，依此类推，直到全部路口均通过由最优路线，将获得的第一优先路线、第二优先路线等整合为最优路线。

根据各路口处的各特征时段的特征时段代表值确定在该特征时段各通行方向上的预设绿灯时长区间，预设绿灯时长区间的确定方式为：确定等候车辆通过该路口的时间，将确定的时间与交通规则中规定的最低绿灯时间进行比较，当其小于规定的最低绿灯时间时，以规定的最低绿灯时间为预设绿灯时长区间的区间下限，反之以其对应的时间为预设绿灯时长区间的区间下限，预设绿灯时长区间为绿灯时长>p，p为区间下限。将获得的预设绿灯时长区间以及对应的特征时段标记在交通信息模型中各路口处的各通行方向上。

根据各道路的特征时段代表值，计算对应路口等待车辆的通行时长，以等候最后的车辆为基准，按照正常车速进行计算，正常车速根据该道路的历史交通数据进行设置；将获得的通行时长标记在交通信息模型中对应的道路上；

基于交通信息模型进行绿灯模拟，获得各路口的交通信号灯的各模拟信号时长。

其中，基于交通信息模型进行绿灯模拟的方法包括：

识别最优路线中具有的各优先路线，标记优先路线的起点，起点为初始路口，默认起点绿灯通过，即从绿灯开始进行通过，经过对应的预设绿灯时长区间的区间下限后，通过该路口；沿着优先路线前行，经过对应道路的通行时长后，到达下一个路口，当到达该路口时，该路口沿着优先路线方向的交通信号灯为刚到达绿灯，基于此，对其他交通方向的预设绿灯时长区间进行调整，即根据上一路口头车到达该路口的时间，以及绿灯要求，对其他交通方向的预设绿灯时长区间进行调整，保证头车到达该路口时为刚绿灯，先按照原预设绿灯时长区间的区间下限进行分析，按照原交通信号灯流转方式进行分析，直行绿灯，其他红灯-左转绿灯；判断是否到达绿灯要求，若无，按照比重大小的顺序增加其交通方向的区间下限，使得满足绿灯要求；调整基准为增加绿灯时长；依此类推，直到行走完优先路线；为了便于表示，将预设绿灯时长区间的区间下限标记为绿灯基准值。

当保障优先路线的一路绿灯后，根据各特征时段各道路的车流量数据，确定若干组模拟数据，即不同的车流量作为模拟条件；根据获得的模拟数据进行交通模拟，即按照交通规则正常的在道路上进行通行，依照各交通的方向的绿灯基准值进行交通信号灯控制，实时识别模拟过程中各路口处各交通方向的车辆等候时长，车辆等候时长以该交通方向车辆开始等候开始，到通过该路口的最长时长，一般以排队最后的车辆为基准；判断车辆等候时长是否大于阈值X1，一般取历史辆等候时长的众数为阈值X1；当该路口没有大于阈值X1的车辆等候时长时，不进行相应操作；当该路口有大于阈值X1的车辆等候时长时，在保障优先路线的绿灯要求下对其他交通方向的绿灯基准值进行调整；

进行持续模拟循环，直到满足绿灯优先要求的前提下并满足车辆等候时长不大于阈值X1的要求；即满足模拟要求，完成模拟。

若始终模拟不成功，表示该目标区域不适合本方式；尤其是交通繁忙的特征时段和城市，对于不能模拟的，应用原方式进行信号灯控制。

在保障优先路线的绿灯要求下对其他交通方向的绿灯基准值进行调整的方法包括：

识别车辆等候时长大于阈值X1的交通方向，标记为调整方向，增加调整方向的绿灯基准值，采用逐秒增加的方式，增加后，按照原模拟数据进行再次模拟，判断车辆等候时长是否大于阈值X1，若还大于阈值X1，再次进行增加绿灯基准值，直到不大于阈值X1为止；若不大于阈值X1，不再进行增加；基于优先路线的绿灯要求对非调整方向的绿灯基准值进行调整，包括优先路线的通行方向；直到满足优先路线的绿灯要求以及该路口没有调整方向。

所述论证模块用于对各路口的交通信号灯的各模拟信号时长进行论证，通过本领域的专家进行论证，获得对应的论证结果，依据获得的论证结果进行相应的调整，将调整后的各路口的交通信号灯的各模拟信号时长应用到对应路口的交通信号灯中。

在其他实施例中，当某些车流量不多的特征时段，按照上述方式进行调整时，可以调整出多条如最优路线一样的一路绿灯，即以绿灯为基准进行调整，若不能进行全线绿灯，可以进行部分线路的绿灯。

通过数据汇总模块、汇总分析模块和论证模块之间的相互配合，实现对交通信号灯智能控制，形成最优路线的绿灯通行，极大的方便最优路线上车辆的快速通行，且对其他通行方向上的车辆无不良影响，优化了交通管理；而且在某些情况下，可以调整出多条如最优路线一样的一路绿灯，或部分线路的一路绿灯，缓解交通压力。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (9)

1.一种智慧交通信号灯组网协同优化控制系统，其特征在于，包括数据汇总模块、汇总分析模块和论证模块；

所述数据汇总模块用于采集目标区域内的历史交通数据，并基于所述历史交通数据生成对应的交通信息模型，为所述交通信息模型关联对应的信息库；

所述汇总分析模块用于基于交通信息模型进行交通信号灯的控制分析，识别各路口具有的交通方向，评估所述路口各交通方向的比重值和优先级，将获得的所述优先级和比重值标记在所述交通信息模型中对应路口的交通方向上；

根据各路口的各交通方向的优先级确定目标区域内的最优路线；

识别各路口处各特征时段的特征时段代表值以及各道路在各特征时段的特征时段代表值，计算各路口处各交通方向的预设绿灯时长区间；计算各道路的通行时长，将获得的各预设绿灯时长区间和通行时长标记在交通信息模型中的对应位置处；

基于交通信息模型进行绿灯模拟，获得各路口的交通信号灯的各模拟信号时长；

所述论证模块用于对各路口的交通信号灯的各模拟信号时长进行论证，获得对应的论证结果，依据获得的论证结果进行调整，将调整后的各路口的交通信号灯的各模拟信号时长应用到对应路口的交通信号灯中。

2.根据权利要求1所述的一种智慧交通信号灯组网协同优化控制系统，其特征在于，数据汇总模块的工作方法包括：

将目标区域内的各路口和道路定义为单项，按照各所述单项将所述历史交通数据拆分为若干份对应的单项分析数据；

按照各所述单项对应预设的特征模板对所述单项分析数据进行处理，获得各所述单项对应的单项特征数据；

建立信息库，所述信息库中设置有各所述单项特征数据对应的储存节点；将获得的各所述单项特征数据发送到对应的储存节点中进行储存；

根据各所述单项特征数据生成对应的单项曲线图，所述单项曲线图包括车流量曲线图和等待车辆数曲线图；对获得的所述单项曲线图进行处理，获得对应的单项代表图；所述单项代表图包括车流量代表图和等待车辆数代表图；

对所述单项代表图进行时段分割处理，获得若干个特征时段和特征时段代表值；

获取所述目标区域的交通图，根据所述交通图生成对应的交通信息模型，在所述交通信息模型中的各单项上插入对应的特征显示单元，将各所述单项对应的特征时段和特征时段代表值输入到所述交通信息模型中对应的特征显示单元中进行对应显示；

将所述信息库中的各储存节点与所述交通信息模型中对应的特征显示单元进行相关联。

3.根据权利要求2所述的一种智慧交通信号灯组网协同优化控制系统，其特征在于，对于信息库中各所述储存节点储存的单项特征数据按照预设的储存数据管理方式进行管理。

4.根据权利要求2所述的一种智慧交通信号灯组网协同优化控制系统，其特征在于，对单项代表图进行时段分割处理的方法包括：

步骤SE1：识别等待车辆数代表图中的等待车辆数区间，统计等待车辆数区间中各等待车辆数对应的出现次数，根据等待车辆数和出现次数设置对应的特征统计曲线；

步骤SE2：识别特征统计曲线中各相邻特征点之间的出现次差；将出现次差低于阈值X2的相邻特征点进行合并，形成新的特征点；

步骤SE3：识别特征统计曲线中剩余的各特征点之间的出现次差；将出现次差低于阈值X2的相邻特征点进行合并，形成新的特征点；

步骤SE4：识别剩余的特征点数量，当特征点数量小于等于3时，进入步骤SE6；当特征点数量大于3时，进入步骤SE5；

步骤SE5：将特征统计曲线中出现次差最小的两个特征点进行合并，形成新的特征点；返回步骤SE4；

步骤SE6：识别各特征点对应的等待车辆数，根据等待车辆数区间设置各特征车辆数区间，根据各特征车辆数区间设置特征时段和特征时段代表值。

5.根据权利要求4所述的一种智慧交通信号灯组网协同优化控制系统，其特征在于，两个特征点进行合并的方法包括：

将两个特征点的等待车辆数和出现次数分别标记为TD1、TD2和TC1、TC2；

根据公式TD´=(TD1×TC1+TD2×TC2)÷(TC1+TC2)计算合并后形成的新的特征点的等待车辆数；式中：TD´为对应的等待车辆数；

根据公式TC´=TC1+TC2计算合并后形成的新的特征点的出现次数；式中：TC´为对应的出现次数；

根据获得的等待车辆数和出现次数标记对应合并后的特征点。

6.根据权利要求1所述的一种智慧交通信号灯组网协同优化控制系统，其特征在于，评估路口各交通方向的比重值和优先级的方法包括：

通过所述交通信息模型识别所述路口各个交通方向在各特征时段时的特征时段代表值；将各交通方向的特征时段代表值标记为Dz，z表示对应的交通方向，z=1、2、……、v，v为正整数；

根据公式Bz=Dz÷∑Dz计算对应的比重值；

式中：Bz为对应交通方向的比重值；

按照各所述交通方向的比重值从大到小的顺序确定各交通方向的优先级。

7.根据权利要求6所述的一种智慧交通信号灯组网协同优化控制系统，其特征在于，最优路线的确定方法包括：

步骤SA1：在目标区域内识别未经过最优路线的路口，标记为待选路口，在各所述待选路口中指定初始路口；

步骤SA2：识别所述初始路口对应的各交通方向的优先级，按照优先级最高的交通方向进行前行，到达下一路口时，识别前行道路在该路口处具有的交通方向的优先级，选择优先级最高的交通方向进行前行；依次类推，直到按照选择的交通方向进行前行时路线重叠为止；

步骤SA3：识别是否还有未经过最优路线的路口；当具有未经过最优路线的路口时，返回步骤SA1；当没有未经过最优路线的路口时，停止循环，获得若干条优先路线，将获得的各优先路线整合为最优路线。

8.根据权利要求7所述的一种智慧交通信号灯组网协同优化控制系统，其特征在于，基于交通信息模型进行绿灯模拟的方法包括：

步骤SC1：识别最优路线中的各优先路线，标记优先路线的起点；设置优先路线的绿灯要求，标记为绿灯优先要求；基于绿灯优先要求对非优先路线在各路口处的通行方向的绿灯基准值进行调整，使得各优先路线达到绿灯优先要求；

步骤SC2：设置模拟数据，按照模拟数据进行交通模拟，识别各路口处各交通方向的车辆等候时长；基于路口处的各车辆等候时长对各交通方向的绿灯基准值进行调整；

步骤SC3：循环步骤SC2，直到满足模拟要求。

9.根据权利要求8所述的一种智慧交通信号灯组网协同优化控制系统，其特征在于，基于路口处的各车辆等候时长对各交通方向的绿灯基准值进行调整的方法包括：

步骤SD1：判断路口处的各车辆等候时长是否大于阈值X1；

当路口处没有大于阈值X1的车辆等候时长时，不进行相应操作；

当路口处有大于阈值X1的车辆等候时长时，标记车辆等候时长大于阈值X1的交通方向为调整方向；增加调整方向的绿灯基准值，每次增加完绿灯基准值后，按照原模拟数据进行再次模拟，判断车辆等候时长是否大于阈值X1，当车辆等候时长大于阈值X1时，继续增加调整方向的绿灯基准值；当车辆等候时长不大于阈值X1时，停止增加调整方向的绿灯基准值，并进入步骤SD2；

步骤SD2：基于绿灯优先要求对非调整方向的绿灯基准值进行调整，使得各优先路线达到绿灯优先要求；

步骤SD3：循环步骤SD1至步骤SD2，直到路口处没有调整方向。