CN117711191A - 一种基于视觉识别的智能动态红绿灯控制方法及其系统 - Google Patents
一种基于视觉识别的智能动态红绿灯控制方法及其系统 Download PDFInfo
- Publication number
- CN117711191A CN117711191A CN202311573051.9A CN202311573051A CN117711191A CN 117711191 A CN117711191 A CN 117711191A CN 202311573051 A CN202311573051 A CN 202311573051A CN 117711191 A CN117711191 A CN 117711191A
- Authority
- CN
- China
- Prior art keywords
- traffic
- passed
- intersection
- target
- flow data
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000000875 corresponding effect Effects 0.000 claims description 15
- 230000001276 controlling effect Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241000283070 Equus zebra Species 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种基于视觉识别的智能动态红绿灯控制方法及其系统,涉及智能交通技术领域,可根据实际通行状况实时动态调控交通路口的红绿灯控制方案。方法包括:实时获取目标交通路口的交通视频流;基于视觉识别算法对交通视频流进行分析处理,获取目标交通路口各个方向的交通流量数据,并调用交通视觉识别规则,判断所识别出的交通对象是否为待通行对象,以得到目标交通路口各个方向的待通行流量数据;根据目标交通路口各个方向的待通行车流量数据和待通行人流量数据,并基于动态红绿灯控制算法确定红绿灯系统的信号灯控制方案,将信号灯控制方案作为输出对目标交通路口的红绿灯进行控制,动态调整目标交通路口各个方向的通行时间和等待时间。
Description
技术领域
本申请涉及智能交通技术领域,具体而言,涉及一种基于视觉识别的智能动态红绿灯控制方法及其系统。
背景技术
随着汽车的逐渐普及,道路上的车辆越来越多,若所有车辆不遵守一定的规则运行,则易发生事故不利于交通。为了行车和人的安全,使各个方向的车辆人流安全有秩序地通过路口,也用来缓解主要线路的交通压力,信号灯的出现,使交通得以有效管制,对于疏导交通流量、提高道路通行能力,减少交通事故具有显著效果。1968年,联合国所发布的道路交通和道路标志信号协定对各种信号灯的含义作出了规定,绿灯是通行信号,面对绿灯的车辆可以直行、左转弯和右转弯,除非另一种标志禁止某一种转向,左右转弯车辆都必须让合法的正在路口内行驶的车辆和过人行横道的行人优先通行,红灯是禁行信号,面对红灯的车辆必须在交叉路口的停车线后停车,黄灯是警告信号,面对黄灯的车辆不能越过停车线,但车辆已经十分接近停车线而不能安全停车时可以进入交叉路口。
交通信号控制是狭义的交通控制,即路口和路段的交通红绿灯控制,其中,交通信号控制机是城市交通信号控制系统的核心组成部分,是交通信号控制系统中位于交叉口现场的底层执行单元,其核心功能是实现交叉口交通信号控制,兼具交通信息采集、通信、交叉口监控等功能。目前,交通信号控制机按照控制模式分类,可分为单点段定时式或者联网式信号机、集中协调式信号机、行人过街触发式信号机,单点定时式按照固定的逻辑进行交通灯控制,单点联网式相对于单点定时式,可响应路况的变化,但响应速度慢,集中协调式需要各方数据进行综合判断后协调控制,也不能对路口突发状况进行实时响应。
发明内容
本申请提供一种基于视觉识别的智能动态红绿灯控制方法及其系统,可根据实际通行状况实时动态调控交通路口的红绿灯控制方案。
具体的技术方案如下:
第一方面,本申请实施例提供了一种基于视觉识别的智能动态红绿灯控制方法,包括:
实时获取目标交通路口的交通视频流;
基于视觉识别算法对所述交通视频流进行分析处理,获取所述目标交通路口各个方向的交通流量数据,并调用交通视觉识别规则,判断所识别出的交通对象是否为待通行对象,以得到所述目标交通路口各个方向的待通行流量数据,其中,所述交通流量数据包括交通车流量数据和交通人流量数据,所述待通行流量数据包括待通行车流量数据和待通行人流量数据;
根据所述目标交通路口各个方向的所述待通行车流量数据和所述待通行人流量数据,并基于动态红绿灯控制算法确定红绿灯系统的信号灯控制方案,将所述信号灯控制方案作为输出对所述目标交通路口的红绿灯进行控制,动态调整所述目标交通路口各个方向的通行时间和等待时间,其中,所述信号灯控制方案包括不同信号灯状态下的红绿灯优化策略,所述信号灯状态包括红灯停状态、绿灯行状态和黄灯预警状态。
在本申请的一些实施例中,所述基于视觉识别算法对所述交通视频流进行分析处理,获取所述目标交通路口各个方向的交通流量数据,具体包括:
基于所述视觉识别算法,对所述交通视频流中的交通对象进行识别和定位,并对每个所述交通对象的所属类别进行标记得到交通类别属性,同时对每个所述交通对象进行目标跟踪得到交通运动轨迹,其中,所述交通类别属性包括车属性和人属性,所述交通运动轨迹包括通行方向、初始位以及所述初始位所对应方向的红绿灯在未来若干次切换至红灯停状态时的跟踪位;
根据每个具有人属性标记的所述交通对象的所述交通运动轨迹,和所有具有人属性标记的所述交通对象的数量,生成所述交通人流量数据,并根据每个具有车属性标记的所述交通对象的所述交通运动轨迹,和所有具有车属性标记的所述交通对象的数量,生成所述交通车流量数据。
在本申请的一些实施例中,所述交通视觉识别规则包括:
若所述交通对象在未来若干次切换至红灯停状态时的所述跟踪位均与所述初始位处于同一待行区域内,则判定所述交通对象不是待通行对象,否则判定所述交通对象是待通行对象。
在本申请的一些实施例中,所述待通行车流量数据包括待通行车的数量,所述待通行人流量数据包括待通行人的数量,所述动态红绿灯控制算法包括:
根据所述目标交通路口各个方向的所述待通行车和所述待通行人的总数量,确定每个通行方向的通行等级,并根据所述通行等级确定每个所述通行方向所对应的红绿灯的不同信号灯状态持续时长。
在本申请的一些实施例中,所述通行等级包括第一等级、第二等级和第三等级;
当所述通行方向的所述待通行车和所述待通行人的总数量不小于第一等候阈值时,则判定所述通行方向的通行等级为第一等级;
当所述通行方向的所述待通行车和所述待通行人的总数量小于所述第一等候阈值,且不小于第二等候阈值时,则判定所述通行方向的通行等级为第二等级,其中,所述第二等候阈值小于所述第一等候阈值;
当所述通行方向的所述待通行车和所述待通行人的总数量小于第三等候阈值时,则判定所述通行方向的通行等级为第三等级,其中,所述第三等候阈值小于所述第二等候阈值;
所述第一等级的绿灯行状态持续时长大于所述第二等级的绿灯行状态持续时长,所述第二等级的绿灯行状态持续时长大于所述第三等级的绿灯行状态持续时长。
在本申请的一些实施例中,所述待通行车流量数据包括待通行车的数量,所述待通行人流量数据包括待通行人的数量,所述动态红绿灯控制算法包括:
根据所述目标交通路口各个方向的所述待通行车的数量和所述待通行人的数量,计算每个通行方向内的所有待通行对象通过所述目标交通路口所需的通过时长,并根据所述通过时长确定每个所述通行方向所对应的红绿灯的不同信号灯状态持续时长,其中,所述通行方向的所述通过时长与所述红绿灯的绿灯行状态持续时长正相关。
在本申请的一些实施例中,所述通行方向内的所有所述待通行车通过所述目标交通路口所需的车通行时长为预设单车通行时长与所述待通行车的数量的乘积,所述通行方向内的所有所述待通行人通过所述目标交通路口所需的人通行时长为距离所述目标交通路口最远的所述待通行人通过所述目标交通路口的所需时长,所述通行方向的所述通过时长为所述车通行时长和所述人通行时长之中的最大值。
在本申请的一些实施例中,所述视觉识别算法为Haar Cascades算法、HOG+SVM算法或Faster R–CNN算法。
第二方面,本申请实施例提供了一种基于视觉识别的智能动态红绿灯控制系统,包括:
多个摄像头,用于实时获取目标交通路口的交通视频流;
AI智能控制器,与多个所述摄像头分别电连接,所述AI智能控制器包括视觉AI识别模块和动态红绿灯控制模块;所述视觉AI识别模块用于基于视觉识别算法对所述交通视频流进行分析处理,获取所述目标交通路口各个方向的交通流量数据,并调用交通视觉识别规则,判断所识别出的交通对象是否为待通行对象,以得到所述目标交通路口各个方向的待通行流量数据,其中,所述交通流量数据包括交通车流量数据和交通人流量数据,所述待通行流量数据包括待通行车流量数据和待通行人流量数据;所述动态红绿灯控制模块用于根据所述目标交通路口各个方向的所述待通行车流量数据和所述待通行人流量数据,并基于动态红绿灯控制算法确定红绿灯系统的信号灯控制方案,其中,所述信号灯控制方案包括不同信号灯状态下的红绿灯优化策略,所述信号灯状态包括红灯停状态、绿灯行状态和黄灯预警状态;
红绿灯系统,与所述AI智能控制器电连接,用于根据所述AI智能控制器输出的所述信号灯控制方案,对所述目标交通路口的红绿灯进行控制,动态调整所述目标交通路口各个方向的通行时间和等待时间。
在本申请的一些实施例中,所述视觉AI识别模块基于视觉识别算法对所述交通视频流进行分析处理,获取所述目标交通路口各个方向的交通流量数据,具体用于:
基于所述视觉识别算法,对所述交通视频流中的交通对象进行识别和定位,并对每个所述交通对象的所属类别进行标记得到交通类别属性,同时对每个所述交通对象进行目标跟踪得到交通运动轨迹,其中,所述交通类别属性包括车属性和人属性,所述交通运动轨迹包括通行方向、初始位以及所述初始位所对应方向的红绿灯在未来若干次切换至红灯停状态时的跟踪位;
根据每个具有人属性标记的所述交通对象的所述交通运动轨迹,和所有具有人属性标记的所述交通对象的数量,生成所述交通人流量数据,并根据每个具有车属性标记的所述交通对象的所述交通运动轨迹,和所有具有车属性标记的所述交通对象的数量,生成所述交通车流量数据。
本申请实施例的创新点包括但不限于以下几点:
1、在本申请中,采用视觉识别算法与交通视觉识别规则相结合的AI智能控制器,是本申请实施例的创新点之一,通过视觉识别算法识别出人和车目标物后,再通过交通视觉识别规则判定出各个方向上需要通行的人流量和车流量,为红绿灯系统的信号灯控制方案提供更为可靠的依据。
2、在本申请中,动态红绿灯控制算法是本申请实施例的创新点之一,根据识别出的待通行车流量和待通行人流量,对目标交通路口的红绿灯控制策略进行及时的动态更新,输出红绿灯系统的控制信号,以结合路口当前状况,提供最优的通行控制方案,减少各个方向的通过等待时间,提高交通效率。
本申请实施例的有益效果如下:
可根据路口各方向实时的待通行车流量和待通行人流量,及时调整当前路口的红绿灯控制方案,有效提高了交通效率,缓解了交通拥堵,提升了驾驶人员和行人的过路口体验。同时,本申请解决了现有技术中更改亮灯控制逻辑麻烦复杂不方便,且影响实时交通的问题,避免了传统红绿灯系统策略改变带来的软件升级操作,减少了对交通的影响,节省了人力物力财力。
附图说明
为了更清楚地说明本申请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做简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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为本申请实施例提供的一种基于视觉识别的智能动态红绿灯控制方法的流程图;
图2为本申请实施例提供的一种单路口视觉识别区域示意图;
图3为本申请实施例提供的一种动态红绿灯控制算法的基础执行定时算法的红绿灯状态转移示意图;
图4为本申请实施例提供的一种动态红绿灯控制算法的干预执行定时算法的红绿灯状态转移示意图;
图5为本申请实施例提供的一种基于视觉识别的智能动态红绿灯控制系统的组成框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述。显然,所描述的实施例仅仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。本申请实施例及附图中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如,包含的一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
本申请实施例公开了一种基于视觉识别的智能动态红绿灯控制方法。以下分别进行详细说明。
图1示出了根据本申请实施例提供的一种基于视觉识别的智能动态红绿灯控制方法的流程图。如图1所示,该方法包括以下步骤:
步骤S110,实时获取目标交通路口的交通视频流。
在一实施例中,通过安装于目标交通路口的摄像头,实时获取该目标交通路口的交通视频流。其中,本申请中所述的“交通视频流”指的是目标交通路口各个方向的全景视频流,以尽可能囊括该目标交通路口所有的待通行对象,为后续基于视觉识别的智能动态红绿灯控制方法提供更全面精确的数据信息,如实反映目标交通路口当前的通行状况。
在具体的实施过程中,摄像头优选具有高精度性能的摄像头设备,以能够清楚识别车流量和人流量状况,同时,可根据目标交通路口的道路情况设置摄像头的个数及安装位置,实现清楚地识别每个方向的车辆和行人的目的。例如,仅具有一条双向车道和一个横穿人行道的路口,只需2–3个摄像头即可,而具有多个方向多条车道及多个人行道的路口,则需要更多的摄像头以能够清楚识别各方向的车流量和人流量。
步骤S120,基于视觉识别算法对交通视频流进行分析处理,获取目标交通路口各个方向的交通流量数据,并调用交通视觉识别规则,判断所识别出的交通对象是否为待通行对象,以得到目标交通路口各个方向的待通行流量数据。
其中,交通流量数据包括交通车流量数据和交通人流量数据,待通行流量数据包括待通行车流量数据和待通行人流量数据。摄像头实时采集的目标交通路口的交通视频流作为视觉识别算法的输入,通过目标检测、跟踪、识别得到目标交通路口各个方向的交通车流量数据和交通人流量数据,并在识别到特征物体后调用交通视觉识别规则对识别到的物体进行判断,确定其是否为需要参与红绿灯交通系统的对象,从而精确识别目标交通路口的待通行对象,为红绿灯系统的信号灯控制方案提供更为可靠的依据。
在本申请实施例中,所需识别的是每个方向上在红绿灯停止线前后的车流量情况,即红绿灯处待通行车流量以及待通行车辆要通行方向的车流量的情况,还所需识别的是每个方向上在红绿灯处斑马线两侧的人流量情况,即红绿灯处待通行人流量,以及待通行人要通行方向的人流量的情况。
如图2所示,下面以单个路口为例进行说明,该单路口的视觉识别区域为车辆识别区1、车辆识别区2、车辆识别区3、车辆识别区4、行人识别区1以及行人识别区2,其中,图2中的车辆识别区1和车辆识别区2对应于一个方向的交通,该方向的通行方向为图2所示由下至上的方向,车辆识别区2为该方向上的待行区,车辆识别区1是该方向上的目标区,同样的,图2中的车辆识别区3和车辆识别区4对应于另一方向的交通,该方向的通行方向为图2所示由上至下的方向,车辆识别区3为该方向上的待行区,车辆识别区4为该方向上的目标区,此外,图2中的行人识别区1和行人识别区2对应行人一个方向的交通,行人识别区1和行人识别区2均既是待行区也是目标区。需注意的是,图2中所示的单行车方向仅包含一个车道,当然其也可包含多个车道,识别区域不变。
具体的,在一实施例中,基于视觉识别算法对交通视频流中的交通对象进行识别和定位,并对每个交通对象的所属类别进行标记得到交通类别属性,同时对每个交通对象进行目标跟踪得到交通运动轨迹,即通过在交通视频流中准确定位和识别特征物体,获得目标交通路口视觉识别区域内的所有交通对象。进一步的,根据每个具有人属性标记的交通对象的交通运动轨迹,和所有具有人属性标记的交通对象的数量,生成交通人流量数据,并根据每个具有车属性标记的交通对象的交通运动轨迹,和所有具有车属性标记的交通对象的数量,生成交通车流量数据,从而根据交通人流量数据和交通车流量数据得到目标交通路口各个方向的交通流量数据。
其中,在一些具体的实施例中,交通类别属性可包括车属性和人属性,当然交通类别属性还可进一步划分,例如,车属性可包括普通车辆属性和特种车辆属性,这里所述的特种车辆包括救护车、消防车以及执行公务的警车、工程救险车、军事监理车等,为特种车辆的优先通行提供条件,另外,人属性可包括青年组属性、中青年组属性、中年组属性和中老年组属性,以按照年龄的不同设定每组年龄段的步行速度,进而计算各组年龄段行人通过路口的时间。交通运动轨迹包括通行方向、初始位以及初始位所对应方向的红绿灯在未来若干次切换至红灯停状态时的跟踪位,本申请中的通行方向指的是每个待通行对象的预测通行方向,例如,当待通行车所在的车道即可直行也可左转时,则该待通行车的通行方向标记为直行和左转,本申请中的初始位指的是该待通行对象在当前时间段内第一次在目标交通路口出现的位置。
在本申请实施例中,视觉识别算法可采用Haar Cascades算法、HOG+SVM算法或Faster R–CNN算法中的一种。
此外,本申请实施例还设置有交通视觉识别规则,判断通过上述视觉识别算法所获得的交通对象是否为交通参与对象(即待通行对象),主要针对各个通行方向的车辆识别区中的待行区以及行人识别区内可能存在暂时不参与交通的对象,比如车辆识别区中的待行区内存在临时停靠不走的车辆或者临时作业的车辆,行人识别区内存在临时作业的人员或者其他暂不需要过马路的人员,需要将该类不参与交通的对象识别出来,以避免影响红绿灯系统的信号灯控制方案。
具体的,在一实施例中,交通视觉识别规则为:若交通对象在未来若干次切换至红灯停状态时的跟踪位均与初始位处于同一待行区域内,则判定交通对象不是待通行对象,否则判定交通对象是待通行对象。进一步详细的,交通视觉识别规则的具体内容如下:
对于车流量个体判断其是否为参与交通的个体规则为,如果在待行区内该方向的通行绿灯亮起若干次(例如,两次),被检测的车辆对象仍未通过路口,则判定其不为交通参与对象,即不是待通行对象;
对于人流量个体判断其是否为参与交通的个体规则为,如果在行人识别区内该方向的通行绿灯亮起若干次(例如,两次),被检测的行人对象仍未通过路口,则判定其不为交通参与对象,即不是待通行对象。
步骤S130,根据目标交通路口各个方向的待通行车流量数据和待通行人流量数据,并基于动态红绿灯控制算法确定红绿灯系统的信号灯控制方案,将信号灯控制方案作为输出对目标交通路口的红绿灯进行控制,动态调整目标交通路口各个方向的通行时间和等待时间。
其中,信号灯控制方案包括不同信号灯状态下的红绿灯优化策略,信号灯状态是指信号灯在不同时刻的状态,具体可包括红灯停状态、绿灯行状态和黄灯预警状态。本申请实施例中的动态红绿灯控制算法是根据AI视觉识别结果对当前参与交通的人流量和车流量进行最优的通行控制,减少各个方向的通过等待时间,提高交通效率。
在一实施例中,待通行车流量数据包括待通行车的数量,待通行人流量数据包括待通行人的数量,动态红绿灯控制算法具体包括:根据目标交通路口各个方向的待通行车和待通行人的总数量,确定每个通行方向的通行等级,并根据通行等级确定每个通行方向所对应的红绿灯的不同信号灯状态持续时长。详细的,通行等级包括第一等级、第二等级和第三等级,每个等级的红绿灯时间不同,且可按照测算一个时间段内各个方向的各种交通流量的流量以及最高峰流量的规律,计算每个等级的红绿灯时间。进一步的,当通行方向的待通行车和待通行人的总数量不小于第一等候阈值时,则判定通行方向的通行等级为第一等级;当通行方向的待通行车和待通行人的总数量小于第一等候阈值,且不小于第二等候阈值时,则判定通行方向的通行等级为第二等级,其中,第二等候阈值小于第一等候阈值;当通行方向的待通行车和待通行人的总数量小于第三等候阈值时,则判定通行方向的通行等级为第三等级,其中,第三等候阈值小于第二等候阈值。根据所确定的通行等级,确定每个通行方向所对应的红绿灯的不同信号灯状态持续时长,其中,第一等级的绿灯行状态持续时长大于第二等级的绿灯行状态持续时长,第二等级的绿灯行状态持续时长大于第三等级的绿灯行状态持续时长,每个等级的黄灯预警状态持续时长相同,且每个等级的红灯停状态持续时长与绿灯行状态持续时长负相关。
不同路口可以衍生出不同的动态红绿灯控制算法。如图2所示,下面以单个路口为例对前述实施例中的动态红绿灯控制算法进行说明,该单路口的各个方向包括上下方向和左右方向,由于上下方向仅是车辆通行方向,左右方向又仅是行人通行方向,故仅需根据上下方向的待通行车的数量确定该方向的通行等级,并仅需根据左右方向的待通行人的数量确定该方向的通行等级。比如,上下方向的通行等级为第一等级,左右方向的通行等级为第三等级,则按照第一等级的红绿灯时间控制上下方向的绿灯行状态持续时长,并按照第三等级的红绿灯时间控制左右方向的绿灯行状态持续时长,例如,上下方向的绿灯行状态持续时长为90秒,左右方向的绿灯行状态持续时长为30秒,两个方向的黄灯预警状态持续时长均为3秒,相对应的,上下方向的红灯停状态持续时长为33秒,左右方向的红灯停状态持续时长为93秒,左右方向的红绿灯信号状态与上下方向的红绿灯信号状态相对应,即上下方向为红灯停状态时,则左右方向为绿灯行状态或黄灯预警状态,左右方向为红灯停状态时,则上下方向为绿灯行状态或黄灯预警状态。
在另一实施例中,待通行车流量数据包括待通行车的数量,待通行人流量数据包括待通行人的数量,动态红绿灯控制算法具体包括:根据目标交通路口各个方向的待通行车的数量和待通行人的数量,计算每个通行方向内的所有待通行对象通过目标交通路口所需的通过时长,并根据通过时长确定每个通行方向所对应的红绿灯的不同信号灯状态持续时长,其中,通行方向的通过时长与红绿灯的绿灯行状态持续时长正相关。详细的,通行方向内的所有待通行车通过目标交通路口所需的车通行时长为预设单车通行时长与待通行车的数量的乘积,通行方向内的所有待通行人通过目标交通路口所需的人通行时长为距离目标交通路口最远的待通行人通过目标交通路口的所需时长,通行方向的通过时长为车通行时长和人通行时长之中的最大值。
不同路口可以衍生出不同的动态红绿灯控制算法。如图2所示,下面以单个路口为例对前述实施例中的动态红绿灯控制算法进行说明,该单路口的各个方向包括上下方向和左右方向,由于上下方向仅是车辆通行方向,左右方向又仅是行人通行方向,故仅需根据上下方向的待通行车的数量及路口通行平均车速,计算上下方向内的所有待通行车通过目标交通路口所需的通过时长,并仅需根据左右方向的待通行人的数量及步行平均速度,计算左右方向内的所有待通行人通过目标交通路口所需的通过时长。比如,人行道长度为7.5米,人行道宽度为3米,上下方向的待通行车的数量为10辆,设定该路口通行平均车速为每小时20公里(即5.5556m/s),则一辆待通行车的通过时长为0.54秒,上下方向内的所有待通行车通过目标交通路口所需的通过时长=10×0.54秒=5.4秒,行人识别区1内距离行人识别区2最远的待通行人行至行人识别区2的最短距离为8米,行人识别区2内距离行人识别区1最远的待通行人行至行人识别区1的最短距离为7米,设定待通行人的步行平均速度为1.5m/s,则左右方向内的所有待通行人通过目标交通路口所需的通过时长=8÷1.5=5.33秒,如此便可设定,上下方向的绿灯行状态持续时长为8秒,左右方向的绿灯行状态持续时长为8秒,两个方向的黄灯预警状态持续时长均为2秒,相对应的,上下方向的红灯停状态持续时长为10秒,左右方向的红灯停状态持续时长为10秒。
以上是对本实施例提供的基于视觉识别的智能动态红绿灯控制方法的各步骤进行了介绍,下面结合图2–图4,以图2所示的单路口为目标交通路口,其红绿灯系统为控制对象进行描述。需注意的是,为简要描述并方便理解,如下所述实施例仅描述了红灯停状态和绿灯行状态两种信号灯状态。
本申请实施例中的动态红绿灯控制算法有一个基础执行定时算法,对于图2所述单路口的上下方向红绿灯来说,车辆通行是绿灯,行人通行便是红灯,反之亦然。如图3所示的红绿灯状态转移示意图,Tr表示红灯亮的定时时间;Tg表示绿灯亮的定时时间;Red_State表示红灯的状态,1表示亮,0表示熄灭;Green_State表示绿灯的状态,1表示亮,0表示熄灭。该红绿灯系统开始运行后默认进入红灯亮模式,红灯亮时间进入倒计时,红灯亮灯持续时间为0后,进入绿灯亮模式,绿灯亮时间进入倒计时,绿灯亮灯持续时间为0后,进入红灯亮模式,红灯亮时间进入倒计时,如此往复。
在另一实施例中,动态红绿灯控制算法根据该单路口场景分为四种情况:
a.有行人等待通行且也有车辆需等待通行时;
b.没有行人等待通行且也没有车辆等待通行时;
c.有行人等待通行但没有车辆等待通行时;
d.没有行人等待通行但有车辆等待通行时;
在一些具体的实施例中,如图4所示,在a、b情况时,无需额外干预继续使用前述基础执行定时算法即可;在c情况发生且此时红绿灯状态为绿灯亮车辆通行时,干预执行定时算法直接跳转到红灯亮状态,让行人优先通过;在d情况发生且红绿灯状态为红灯亮状态时,干预执行定时算法直接跳转到绿灯亮状态,让车辆优先通过。
在另一些具体的实施例中,在a情况时,根据目标交通路口上下、左右两个方向的待通行车流量数据和待通行人流量数据,分别设定两个方向的绿灯行状态持续时长,并以此作为干预执行定时算法控制该红绿灯;在b情况时,无需额外干预继续使用前述基础执行定时算法即可;在c情况发生且此时红绿灯状态为绿灯亮车辆通行时,干预执行定时算法直接跳转到红灯亮状态,让行人优先通过;在d情况发生且红绿灯状态为红灯亮状态时,干预执行定时算法直接跳转到绿灯亮状态,让车辆优先通过。
相应于上述方法实施例,本申请还提供了一种基于视觉识别的智能动态红绿灯控制系统,如图5所示,该智能动态红绿灯控制系统主要包括:多个摄像头210、AI智能控制器220和红绿灯系统230,上述基于视觉识别的智能动态红绿灯控制方法实施例基于该智能动态红绿灯控制系统实现。
具体的,多个摄像头210用于实时获取目标交通路口的交通视频流。
AI智能控制器220与多个摄像头210分别电连接,AI智能控制器220包括视觉AI识别模块221和动态红绿灯控制模块222。视觉AI识别模块221用于基于视觉识别算法对交通视频流进行分析处理,获取目标交通路口各个方向的交通流量数据,并调用交通视觉识别规则,判断所识别出的交通对象是否为待通行对象,以得到目标交通路口各个方向的待通行流量数据,其中,交通流量数据包括交通车流量数据和交通人流量数据,待通行流量数据包括待通行车流量数据和待通行人流量数据。动态红绿灯控制模块222用于根据目标交通路口各个方向的待通行车流量数据和待通行人流量数据,并基于动态红绿灯控制算法确定红绿灯系统的信号灯控制方案,其中,信号灯控制方案包括不同信号灯状态下的红绿灯优化策略,信号灯状态包括红灯停状态、绿灯行状态和黄灯预警状态。
红绿灯系统230与AI智能控制器220电连接,用于根据AI智能控制器220输出的信号灯控制方案,对目标交通路口的红绿灯进行控制,动态调整目标交通路口各个方向的通行时间和等待时间。在具体的实施过程中,本申请实施例中的红绿灯系统230可为传统红绿灯系统,即该基于视觉识别的智能动态红绿灯控制系统可在传统红绿灯系统的基础上增设多个摄像头210和AI智能控制器220。
进一步的,视觉AI识别模块221基于视觉识别算法对交通视频流进行分析处理,获取目标交通路口各个方向的交通流量数据,具体用于:
基于视觉识别算法,对交通视频流中的交通对象进行识别和定位,并对每个交通对象的所属类别进行标记得到交通类别属性,同时对每个交通对象进行目标跟踪得到交通运动轨迹,其中,交通类别属性包括车属性和人属性,交通运动轨迹包括通行方向、初始位以及初始位所对应方向的红绿灯在未来若干次切换至红灯停状态时的跟踪位;
根据每个具有人属性标记的交通对象的交通运动轨迹,和所有具有人属性标记的交通对象的数量,生成交通人流量数据,并根据每个具有车属性标记的交通对象的交通运动轨迹,和所有具有车属性标记的交通对象的数量,生成交通车流量数据。
需要说明的是,本申请实施例提供的智能动态红绿灯控制系统,由于与本申请的基于视觉识别的智能动态红绿灯控制方法基于同一构思,其带来的技术效果与本申请的基于视觉识别的智能动态红绿灯控制方法实施例相同,本实施例未提及之处可参见本申请的基于视觉识别的智能动态红绿灯控制方法实施例中的叙述,此处不再赘述。
综上所述,本申请提供了一种基于视觉识别的智能动态红绿灯控制方法及其系统,可根据路口各方向实时的待通行车流量和待通行人流量,及时调整当前路口的红绿灯控制方案,有效提高了交通效率,缓解了交通拥堵,提升了驾驶人员和行人的过路口体验。同时,本申请解决了现有技术中更改亮灯控制逻辑麻烦复杂不方便,且影响实时交通的问题,自适应的红绿灯策略也避免了传统红绿灯系统因控制策略的改变而需进行的软件升级操作,减少了因红绿灯系统软件升级给交通带来的不便,节省了人力物力财力。
本领域普通技术人员可以理解:实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中,也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种基于视觉识别的智能动态红绿灯控制方法,其特征在于,包括:
实时获取目标交通路口的交通视频流;
基于视觉识别算法对所述交通视频流进行分析处理,获取所述目标交通路口各个方向的交通流量数据,并调用交通视觉识别规则,判断所识别出的交通对象是否为待通行对象,以得到所述目标交通路口各个方向的待通行流量数据,其中,所述交通流量数据包括交通车流量数据和交通人流量数据,所述待通行流量数据包括待通行车流量数据和待通行人流量数据;
根据所述目标交通路口各个方向的所述待通行车流量数据和所述待通行人流量数据,并基于动态红绿灯控制算法确定红绿灯系统的信号灯控制方案,将所述信号灯控制方案作为输出对所述目标交通路口的红绿灯进行控制,动态调整所述目标交通路口各个方向的通行时间和等待时间,其中,所述信号灯控制方案包括不同信号灯状态下的红绿灯优化策略,所述信号灯状态包括红灯停状态、绿灯行状态和黄灯预警状态。
2.根据权利要求1所述的基于视觉识别的智能动态红绿灯控制方法,其特征在于,所述基于视觉识别算法对所述交通视频流进行分析处理,获取所述目标交通路口各个方向的交通流量数据,具体包括:
基于所述视觉识别算法,对所述交通视频流中的交通对象进行识别和定位,并对每个所述交通对象的所属类别进行标记得到交通类别属性,同时对每个所述交通对象进行目标跟踪得到交通运动轨迹,其中,所述交通类别属性包括车属性和人属性,所述交通运动轨迹包括通行方向、初始位以及所述初始位所对应方向的红绿灯在未来若干次切换至红灯停状态时的跟踪位;
根据每个具有人属性标记的所述交通对象的所述交通运动轨迹,和所有具有人属性标记的所述交通对象的数量,生成所述交通人流量数据,并根据每个具有车属性标记的所述交通对象的所述交通运动轨迹,和所有具有车属性标记的所述交通对象的数量,生成所述交通车流量数据。
3.根据权利要求2所述的基于视觉识别的智能动态红绿灯控制方法,其特征在于,所述交通视觉识别规则包括:
若所述交通对象在未来若干次切换至红灯停状态时的所述跟踪位均与所述初始位处于同一待行区域内,则判定所述交通对象不是待通行对象,否则判定所述交通对象是待通行对象。
4.根据权利要求1所述的基于视觉识别的智能动态红绿灯控制方法,其特征在于,所述待通行车流量数据包括待通行车的数量,所述待通行人流量数据包括待通行人的数量,所述动态红绿灯控制算法包括:
根据所述目标交通路口各个方向的所述待通行车和所述待通行人的总数量,确定每个通行方向的通行等级,并根据所述通行等级确定每个所述通行方向所对应的红绿灯的不同信号灯状态持续时长。
5.根据权利要求4所述的基于视觉识别的智能动态红绿灯控制方法,其特征在于,所述通行等级包括第一等级、第二等级和第三等级;
当所述通行方向的所述待通行车和所述待通行人的总数量不小于第一等候阈值时,则判定所述通行方向的通行等级为第一等级;
当所述通行方向的所述待通行车和所述待通行人的总数量小于所述第一等候阈值,且不小于第二等候阈值时,则判定所述通行方向的通行等级为第二等级,其中,所述第二等候阈值小于所述第一等候阈值;
当所述通行方向的所述待通行车和所述待通行人的总数量小于第三等候阈值时,则判定所述通行方向的通行等级为第三等级,其中,所述第三等候阈值小于所述第二等候阈值;
所述第一等级的绿灯行状态持续时长大于所述第二等级的绿灯行状态持续时长,所述第二等级的绿灯行状态持续时长大于所述第三等级的绿灯行状态持续时长。
6.根据权利要求1所述的基于视觉识别的智能动态红绿灯控制方法,其特征在于,所述待通行车流量数据包括待通行车的数量,所述待通行人流量数据包括待通行人的数量,所述动态红绿灯控制算法包括:
根据所述目标交通路口各个方向的所述待通行车的数量和所述待通行人的数量,计算每个通行方向内的所有待通行对象通过所述目标交通路口所需的通过时长,并根据所述通过时长确定每个所述通行方向所对应的红绿灯的不同信号灯状态持续时长,其中,所述通行方向的所述通过时长与所述红绿灯的绿灯行状态持续时长正相关。
7.根据权利要求6所述的基于视觉识别的智能动态红绿灯控制方法,其特征在于,所述通行方向内的所有所述待通行车通过所述目标交通路口所需的车通行时长为预设单车通行时长与所述待通行车的数量的乘积,所述通行方向内的所有所述待通行人通过所述目标交通路口所需的人通行时长为距离所述目标交通路口最远的所述待通行人通过所述目标交通路口的所需时长,所述通行方向的所述通过时长为所述车通行时长和所述人通行时长之中的最大值。
8.根据权利要求1所述的基于视觉识别的智能动态红绿灯控制方法,其特征在于,所述视觉识别算法为Haar Cascades算法、HOG+SVM算法或Faster R–CNN算法。
9.一种基于视觉识别的智能动态红绿灯控制系统,其特征在于,包括:
多个摄像头,用于实时获取目标交通路口的交通视频流;
AI智能控制器,与多个所述摄像头分别电连接,所述AI智能控制器包括视觉AI识别模块和动态红绿灯控制模块;所述视觉AI识别模块用于基于视觉识别算法对所述交通视频流进行分析处理,获取所述目标交通路口各个方向的交通流量数据,并调用交通视觉识别规则,判断所识别出的交通对象是否为待通行对象,以得到所述目标交通路口各个方向的待通行流量数据,其中,所述交通流量数据包括交通车流量数据和交通人流量数据,所述待通行流量数据包括待通行车流量数据和待通行人流量数据;所述动态红绿灯控制模块用于根据所述目标交通路口各个方向的所述待通行车流量数据和所述待通行人流量数据,并基于动态红绿灯控制算法确定红绿灯系统的信号灯控制方案,其中,所述信号灯控制方案包括不同信号灯状态下的红绿灯优化策略,所述信号灯状态包括红灯停状态、绿灯行状态和黄灯预警状态;
红绿灯系统,与所述AI智能控制器电连接,用于根据所述AI智能控制器输出的所述信号灯控制方案,对所述目标交通路口的红绿灯进行控制,动态调整所述目标交通路口各个方向的通行时间和等待时间。
10.根据权利要求9所述的基于视觉识别的智能动态红绿灯控制系统,其特征在于,所述视觉AI识别模块基于视觉识别算法对所述交通视频流进行分析处理,获取所述目标交通路口各个方向的交通流量数据,具体用于:
基于所述视觉识别算法,对所述交通视频流中的交通对象进行识别和定位,并对每个所述交通对象的所属类别进行标记得到交通类别属性,同时对每个所述交通对象进行目标跟踪得到交通运动轨迹,其中,所述交通类别属性包括车属性和人属性,所述交通运动轨迹包括通行方向、初始位以及所述初始位所对应方向的红绿灯在未来若干次切换至红灯停状态时的跟踪位;
根据每个具有人属性标记的所述交通对象的所述交通运动轨迹,和所有具有人属性标记的所述交通对象的数量,生成所述交通人流量数据,并根据每个具有车属性标记的所述交通对象的所述交通运动轨迹,和所有具有车属性标记的所述交通对象的数量,生成所述交通车流量数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311573051.9A CN117711191A (zh) | 2023-11-23 | 2023-11-23 | 一种基于视觉识别的智能动态红绿灯控制方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311573051.9A CN117711191A (zh) | 2023-11-23 | 2023-11-23 | 一种基于视觉识别的智能动态红绿灯控制方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117711191A true CN117711191A (zh) | 2024-03-15 |
Family
ID=90154236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311573051.9A Pending CN117711191A (zh) | 2023-11-23 | 2023-11-23 | 一种基于视觉识别的智能动态红绿灯控制方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117711191A (zh) |
-
2023
- 2023-11-23 CN CN202311573051.9A patent/CN117711191A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111243301B (zh) | 一种交通信号灯绿灯时长确定装置、方法及系统 | |
CN111367292A (zh) | 自动驾驶汽车智能道路系统 | |
CN112562326A (zh) | 车速引导方法、服务器及可读存储介质 | |
CN107146429A (zh) | 一种基于图像和gps信息融合的交通信号灯控制方法 | |
CN110728844B (zh) | 红绿灯自适应控制方法、装置、交通控制设备及存储介质 | |
EP3696789A1 (en) | Driving control method and driving control apparatus | |
CN108806239B (zh) | 基于上下游信号交叉口协调的行人过街控制系统及方法 | |
CN109147363B (zh) | 交通智能引导系统及引导方法 | |
CN110782681B (zh) | 交通指示灯自适应控制方法、装置、终端及存储介质 | |
JP7329349B2 (ja) | 車両用運転支援装置 | |
WO2022213542A1 (zh) | 基于激光雷达和轨迹预测的信控交叉口清空方法和系统 | |
CN111145533B (zh) | 基于城市区域的行人异常交通行为模式识别管控系统 | |
CN108597252B (zh) | 一种红绿灯路口行人和车辆安全通行智能判定系统及方法 | |
CN109308810A (zh) | 一种机动车与慢行交通冲突解决智能控制系统及方法 | |
CN114822055B (zh) | 一种基于机器视觉检测的智慧交通道路协作系统 | |
WO2017169183A1 (ja) | 車両状況判定装置および車両状況判定方法 | |
CN113409596A (zh) | 一种全自动智能控流交通系统及智能交通控流方法 | |
CN112907981A (zh) | 一种用于分流路口交通拥堵车辆的分流装置及其控制方法 | |
CN112822827A (zh) | 基于5g的智能汽车灯光控制系统及其控制方法 | |
CN113223303A (zh) | 道路交通双芯信号控制机及具有其的控制系统 | |
CN104103178B (zh) | 一种能够满足行人需求的过街信号控制方法及系统 | |
CN111613069A (zh) | 一种直行车道与人行横道的人车分流方法及系统 | |
CN114283617A (zh) | 一种基于行人跟踪算法的交叉路口防碰撞警示系统 | |
CN115100904B (zh) | 一种基于正和博弈的慢行交通与汽车冲突预警方法及系统 | |
CN117711191A (zh) | 一种基于视觉识别的智能动态红绿灯控制方法及其系统 |
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 |