CN117727190B - 一种智慧城市车辆分流红绿灯控制方法及系统 - Google Patents

Abstract

本发明提供一种智慧城市车辆分流红绿灯控制方法及系统，涉及车辆分流技术领域，包括如下步骤：对道路进行划分，获取道路车流量，将道路标记为多流量道路或少流量道路；计算高峰时间段以及正常时间段；计算次要高峰车流量；获取少流量道路宽度，计算通过时间；获取历史等待人数，计算平均人流量；计算得到次要红灯时间；获取多流量道路宽度，计算主要红灯时间，设置红绿灯的红灯时间；本发明用于解决现有的车辆分流红绿灯控制方法中缺少对行人通过路口以及两侧等待车辆的分析，导致红绿灯时间设置不够准确以及智能的问题。

Description

一种智慧城市车辆分流红绿灯控制方法及系统

技术领域

本发明涉及车辆分流技术领域，尤其涉及一种智慧城市车辆分流红绿灯控制方法及系统。

背景技术

车辆分流技术，是指用交通信号灯、道路标线标志、隔离墩和立体交叉等，使行人、机动车、非机动车交通分流和分离，各行其道，以期交通安全、畅通、秩序井然、提高通行能力所采取的措施。

现有的车辆分流控制方法中，通常都是对分流节点的历史事故信息进行分析，缺少对车流量以及行人信息的判断，比如在公开号为CN112435468A的中国专利中，公开了车辆分流方法及装置，该方案通过分析节点位置得到分流时间信息，再分析分流节点的历史事故信息得到分流风险信息，基于分流时间信息以及分流风险信息使车辆驶离当前行驶路段；缺少对当车辆不需驶离当前行驶路段时，道路口需要通过的行人以及交叉路口两侧等待车辆数的分析，鉴于此，有必要对现有的智慧城市车辆分流红绿灯控制方法及系统进行优化。

发明内容

针对现有技术存在的不足，本发明提供了一种智慧城市车辆分流红绿灯控制方法及系统，能够将道路标记为多流量道路或少流量道路，计算得到高峰时间段以及正常时间段，计算结果得到次要高峰车流量；获取少流量道路宽度，计算通过时间；利用图像识别技术得到平均人流量；对平均人流量、次要高峰车流量以及通过时间进行计算得到次要红灯时间；获取多流量道路宽度，对次要红灯时间以及多流量道路宽度进行计算，设置红绿灯的红灯时间；以解决现有的车辆分流红绿灯控制方法中缺少对行人通过路口以及两侧等待车辆的分析，导致红绿灯时间设置不够准确以及智能的问题。

为了实现上述目的，第一方面，本发明提供一种智慧城市车辆分流红绿灯控制方法，包括如下步骤：

步骤S1，对相互交叉的道路进行划分处理，获取多组划分后的道路车流量，对多组道路车流量进行计算分析，基于分析结果将道路标记为多流量道路或少流量道路；

步骤S2，对多流量道路的道路车流量进行计算分析，基于分析结果得到高峰时间段以及正常时间段；

步骤S3，基于高峰时间段对少流量道路的道路车流量进行分析计算，基于计算结果得到次要高峰车流量；

步骤S4，获取少流量道路的路口宽度，标记为少流量道路宽度对少流量道路宽度进行计算，得到通过时间；利用图像识别技术获取少流量道路多组高峰时间段的历史等待人数，对历史等待人数进行分析计算，得到平均人流量；

步骤S5，对平均人流量、次要高峰车流量以及通过时间进行计算，基于计算结果得到次要红灯时间；

步骤S6，获取多流量道路的路口宽度，标记为多流量道路宽度；对次要红灯时间以及多流量道路宽度进行计算得到主要红灯时间；基于次要红灯时间、主要红灯时间以及正常时间段设置红绿灯的红灯时间。

进一步地，所述步骤S1包括如下子步骤：

步骤S1011，将相互交叉的道路划分为分流道路以及交叉道路；

步骤S1012，利用视频车辆检测器每间隔第一时间获取一次分流道路的车流量，标记为分流车流量；每间隔第一时间获取一次交叉道路的车流量，标记为交叉车流量；建立道路信息数据库，将获取时间以及道路车流量存储至道路信息数据库；所述道路车流量包括分流车流量以及交叉车流量；

步骤S1013，计算获取时间相同的分流车流量的平均值，标记为分流平均值；计算获取时间相同的交叉车流量的平均值，标记为交叉平均值。

进一步地，所述步骤S1还包括如下子步骤：

步骤S1021，设置初始值为0的分流参考值以及交叉参考值；

步骤S1022，比较第一数量的获取时间相同的分流平均值以及交叉平均值，当分流平均值大于交叉平均值时，将分流参考值加一处理；当分流平均值小于交叉平均值时，将交叉参考值加一处理；当分流平均值等于交叉平均值时，不做处理；

步骤S1023，比对分流参考值以及交叉参考值，将分流参考值以及交叉参考值中数值最大的对应的道路设置为多流量道路，将另一个道路设置为少流量道路。

进一步地，所述步骤S2包括如下子步骤：

步骤S2011，获取第一数量的多流量道路的道路车流量，标记为主要车流量；将第一数量的主要车流量按递增的方式进行排序处理，得到车流量序列；

步骤S2012，计算车流量序列中最大值与最小值的差值，标记为最大差值；计算最大差值与车流量序列的中值的比值，标记为高峰判断比值；

步骤S2013，当高峰判断比值大于或等于第一高峰比值时，输出存在高峰时间；当高峰判断比值小于第一高峰比值时，输出不存在高峰时间。

进一步地，所述步骤S2还包括如下子步骤：

步骤S2021，当接收到存在高峰时间时，计算第一数量的主要车流量的标准差，标记为主要标准差；将第一判断倍数的主要标准差标记为高峰判断阈值；

步骤S2022，分别比对主要车流量与高峰判断阈值，当主要车流量大于或等于高峰判断阈值时，将主要车流量对应的获取时间标记为高峰时间点；

步骤S202023，将高峰时间减去第一时间得到开始检测时间点；

步骤S2024，将开始检测时间点至对应的高峰时间点之内的时间标记为高峰时间段；将除高峰时间段的其他时间标记为正常时间段；

步骤S2025，当接收到不存在高峰时间时，将所有时间标记为正常时间段。

进一步地，所述步骤S3包括如下子步骤：

步骤S301，采集获取时间在高峰时间段之内的少流量道路的道路车流量，标记为次要车流量；

步骤S302，计算次要车流量的平均值，标记为第一次要平均值；将小于第一次要平均值的次要车流量进行删除处理；

步骤S303，计算剩余的次要车流量的平均值，标记为次要高峰车流量。

进一步地，所述步骤S4包括如下子步骤：

步骤S4011，获取少流量道路的路口宽度，标记为少流量道路宽度；利用行走时间公式计算得到通过时间；

所述行走时间公式配置为：XT=LL1/XS；其中XT为通过时间，LL1为少流量道路宽度，XS为常数；

步骤S4012，在高峰时间段内每间隔第二时间获取一次分析图像，利用图像识别技术获取分析图像中的人数，标记为历史等待人数；

步骤S4013，重复步骤S4012，当获取到第二数量的历史等待人数时，停止获取。

进一步地，所述步骤S4还包括如下子步骤：

步骤S4021，基于第二数量的历史等待人数建立人数频率直方图；

步骤S4022，计算频率最大的区间的中值标记为平均人流量。

进一步地，所述步骤S5包括如下子步骤：

步骤S501，当接收到高峰时间段时，获取通过时间、平均人流量以及次要高峰车流量；

步骤S502，利用次要红灯时间公式计算得到次要红灯时间；

次要红灯时间公式配置为；式中GH1以及GH2均对应次要红灯时间，DS为第一时间，YZ以及ZRL为常数，TG为通过时间，CCL为次要高峰车流量，PRL为平均人流量。

进一步地，所述步骤S6包括如下子步骤：

步骤S6011，获取多流量道路宽度；

步骤S6012，利用主要红灯公式计算得到主要红灯时间；

主要红灯公式配置为ZH=；其中ZH为主要红灯时间，GH为次要红灯时间，CCL为次要高峰车流量，LL2为多流量道路宽度，DS为第一时间，SD以及EDS为常数；

进一步地，所述步骤S6还包括如下子步骤：

步骤S6021，将高峰时间段的少流量道路的红灯时间设置为次要红灯时间；

步骤S6022，将高峰时间段的多流量道路的红灯时间设置为主要红灯时间；

步骤S6023，将正常时间段的红灯时间设置为常规红灯时间。

第二方面，本发明提供一种智慧城市车辆分流红绿灯控制系统，包括

城市信息获取模块、城市信息分析模块以及城市信息规划模块；所述城市信息获取模块包括道路规划单元、车流量获取单元以及人流量获取单元；所述道路规划单元用于对相互交叉的道路进行划分处理，获取相互交叉的道路的两组路口宽度；所述车流量获取单元用于多组道路车流量；所述人流量获取单元用于获取多组历史等待人数；

所述城市信息分析模块包括道路等级分析单元、路口信息计算单元；所述道路等级分析单元用于对多组道路车流量进行计算分析，基于分析结果将道路标记为多流量道路或少流量道路；所爱护路口信息计算单元用于对路口宽度进行计算，得到通过时间；

所述城市信息规划模块包括红灯时间计算单元以及红灯时间设置单元；所述红灯时间计算单元用于对平均人流量、次要高峰车流量以及通过时间进行计算，得到次要红灯时间；还用于对次要红灯时间以及路口宽度进行计算，得到主要红灯时间；所述红灯时间设置单元用于根据主要红灯时间以及次要红灯时间设置红绿灯的红灯时间。

本发明的有益效果：本发明通过将相互交叉的道路进行划分，获取划分处理后每条道路的车流量，设置分流参考值以及交叉参考值对车流量进行计算分析，根据分析结果将道路划分为多流量道路或少流量道路，能够提前对道路进行分析，提高了对道路分流的准备过程的准确性以及智能性；

本发明通过对多流量道路的道路车流量进行计算分析，得到高峰时间段以及正常时间段；对高峰时间段的少流量道路的道路车流量进行分析计算，得到次要高峰车流量；对少流量道路宽度进行计算，得到通过时间；对历史等待人数进行分析计算，得到平均人流量；对平均人流量、次要高峰车流量以及通过时间进行计算，基于计算结果得到次要红灯时间；对次要红灯时间以及多流量道路宽度进行计算得到主要红灯时间；基于次要红灯时间、主要红灯时间以及正常时间段设置红绿灯的红灯时间；能够提高车辆分流的智能性。

本发明附加方面的优点将在下面的具体实施方式的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其他特征、目的和优点将会变得更明显：

图1为本发明的智慧城市车辆分流红绿灯控制方法的步骤流程图；

图2为本发明的车流量散点图；

图3为本发明的道路示意图；

图4为本发明的智慧城市车辆分流红绿灯控制系统的原理框图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

实施例1

请参阅图1所示，本发明提供一种智慧城市车辆分流红绿灯控制方法，能够划分道路，获取道路车流量，将道路标记为多流量道路或少流量道路；对多流量道路的道路车流量进行计算，得到高峰时间段以及正常时间段；对高峰时间段的少流量道路的道路车流量进行计算，得到次要高峰车流量；获取少流量道路宽度，计算通过时间；获取历史等待人数，计算平均人流量；计算次要红灯时间；获取多流量道路宽度，计算得到主要红灯时间；设置红绿灯的红灯时间。

具体地，包括如下步骤：

请参阅图2所示，图2中，T1为分流道路车流量；T2为交叉道路车流量；T1为图中的正方形区域，T2为图中的圆形区域；

步骤S1，对相互交叉的道路进行划分处理，获取多组划分后的道路车流量，对多组道路车流量进行计算分析，基于分析结果将道路标记为多流量道路或少流量道路；步骤S1还包括如下子步骤：

步骤S1011，将相互交叉的道路划分为分流道路以及交叉道路；

步骤S1012，利用视频车辆检测器每间隔第一时间获取一次分流道路的车流量，标记为分流车流量；每间隔第一时间获取一次交叉道路的车流量，标记为交叉车流量；建立道路信息数据库，将获取时间以及道路车流量存储至道路信息数据库；道路车流量包括分流车流量以及交叉车流量；

需要说明的是，视频车辆检测器是指采用视频图像处理技术实现某项交通流参数检测或者某项交通事件检测的设备，能对道路交通流量等数据进行采集并上传；

具体实施时，第一时间设置为1小时，若第一时间设置过短，则会导致后续步骤中出现多个离散的高峰时间，从而导致需要频繁变化红绿灯的红灯时间；另一方面，考虑到例如上下班高峰期的存在，第一时间的设置也不宜过大，综合两方面考虑，第一时间设置为1小时；

步骤S1013，计算获取时间相同的分流车流量的平均值，标记为分流平均值；计算获取时间相同的交叉车流量的平均值，标记为交叉平均值；

需要说明的是，为了计算得到较为准确的平均值，步骤S1012中需要获取至少一周的车流量信息，此处获取时间相同表示获取日期不同但获取时的时间相同；

步骤S1021，设置初始值为0的分流参考值以及交叉参考值；

步骤S1022，比较第一数量的获取时间相同的分流平均值以及交叉平均值，当分流平均值大于交叉平均值时，将分流参考值加一处理；当分流平均值小于交叉平均值时，将交叉参考值加一处理；当分流平均值等于交叉平均值时，不做处理；

具体实施时，若以表1-1为例：

表1-1

则计算得到分流参考值为4，交叉参考值为1；

需要说明的是，此处提供的数据仅供参考，具体实施时需要以实际数据进行分析计算；

步骤S1023，比对分流参考值以及交叉参考值，将分流参考值以及交叉参考值中数值最大的对应的道路设置为多流量道路，将另一个道路设置为少流量道路；

步骤S2，对多流量道路的道路车流量进行计算分析，基于分析结果得到高峰时间段以及正常时间段；步骤S2还包括如下子步骤：

步骤S2011，获取第一数量的多流量道路的道路车流量，标记为主要车流量；将第一数量的主要车流量按递增的方式进行排序处理，得到车流量序列；

具体实施时，第一数量设置为24；

需要说明的是，此处获取的是一天之内，即0时至23时59分的道路车流量，目的是后续步骤判断一天之内车流量最大的时间段，将其标记为高峰时间，以便后续进行红绿灯时间的设置；

步骤S2012，计算车流量序列中最大值与最小值的差值，标记为最大差值；计算最大差值与车流量序列的中值的比值，标记为高峰判断比值；

具体实施时，考虑城市中大多数人群的作息规律，在0时至6时以及22时至24时之间车流量较少，而在今日6时至22时之间车流量较大，在取平均值后得到的结果不能准确代表平均的车流量，因此不能与车流量序列的平均值相比；另一方面，除上下班高峰期例如8时至9时以及6时至7时之外，车流量在一定的范围内进行浮动，因此选择将最大差值与车流量序列的中值进行比较；

步骤S2013，当高峰判断比值大于或等于第一高峰比值时，输出存在高峰时间；当高峰判断比值小于第一高峰比值时，输出不存在高峰时间；

具体实施时，第一高峰比值设置为0.5；由于高峰判断比值是最大差值与车流量序列的中值的比值，考虑到常规人们的作息规律，车流量序列的中值能够代表道路在除睡眠时间段例如22时至6时之外其他时间的平均车流量；当高峰判断比值等于0.5时，表示道路最大车流量与最小车流量的差值已经等于通常情况下道路的车流量的一半，此时足够判断最大车流量与最小车流量相差较大；

步骤S2021，当接收到存在高峰时间时，计算第一数量的主要车流量的标准差，标记为主要标准差；将第一判断倍数的主要标准差标记为高峰判断阈值；

具体实施时，第一判断倍数设置为2倍；由于此时已经判断出最大车流量与最小车流量的差值较大，表示车流量在一天之内的浮动值也较大，导致计算得到的主要标准差也较大，因此第一判断倍数不能设置过大或过小，若设置过大或过小，会导致后续步骤中无法准确判断高峰时间点，进而导致方法的准确性降低；

步骤S2022，分别比对主要车流量与高峰判断阈值，当主要车流量大于或等于高峰判断阈值时，将主要车流量对应的获取时间标记为高峰时间点；

需要说明的是，若9时以及19时被标记为高峰时间点，代表在8时至9时以及18时至19时之间车流量较大；

步骤S2023，将高峰时间减去第一时间得到开始检测时间点；

步骤S2024，将开始检测时间点至对应的高峰时间点之内的时间标记为高峰时间段；将除高峰时间段的其他时间标记为正常时间段；

步骤S2025，当接收到不存在高峰时间时，将所有时间标记为正常时间段；

步骤S3，基于高峰时间段对少流量道路的道路车流量进行分析计算，基于计算结果得到次要高峰车流量；步骤S3还包括如下子步骤：

步骤S301，采集获取时间在高峰时间段之内的少流量道路的道路车流量，标记为次要车流量；

需要说明的是，步骤S301中每个高峰时间段至少获取7组次要车流量，以便后续步骤中计算得到能够参考的平均值；

具体实施时，获取到的数据如表1-2所示：

表1-2

步骤S302，计算次要车流量的平均值，标记为第一次要平均值；将小于第一次要平均值的次要车流量进行删除处理；

具体实施时，将小于第一次要平均值的数据进行删除处理是为了得到少流量道路在车流量较大时的平均车流量；以表1-2为例，8时至9时的平均值为1156，18时至19时的平均值为1207；

由于道路的车流量是变化的，若直接将第一次要平均值标记为次要高峰车流量，且后续步骤中以第一次要平均值作为次要高峰车流量设置红灯时间，若以步骤S301中获取的数据为例，将1156设置为8时至9时的平均车流量，则一周内有3天路口的车流量会大于该平均车流量，若以1156为数值计算后续的红灯时间，则一周内有三天该路口可能存在道路拥堵，为了避免此问题发生，将小于第一次要平均值的数据进行删除处理；

步骤S303，计算剩余的次要车流量的平均值，标记为次要高峰车流量；

请参阅图3所示，图中T1为行人等待区；T2为摄像设备；T3为多流量道路；T4为少流量道路；T1为图中的正方形区域，T2为图中的圆形区域，T3为图中间距较大的平行线区域，T4为图中间距较小的平行线区域；

步骤S4，获取少流量道路的路口宽度，标记为少流量道路宽度对少流量道路宽度进行计算，得到通过时间；利用图像识别技术获取少流量道路多组高峰时间段的历史等待人数，对历史等待人数进行分析计算，得到平均人流量；步骤S4还包括如下子步骤：

步骤S4011，获取少流量道路的路口宽度，标记为少流量道路；宽度利用行走时间公式计算得到通过时间；

行走时间公式配置为：XT=LL1/XS；其中XT为通过时间，LL1为少流量道路宽度，XS为常数；

具体实施时，XS设置为0.75，表示成年人步行的每秒速度；例如当LL1为20时，表示少流量道路宽度为20m，则计算得到XT约为27s，表示成年人步行通过该路口需要27秒；

步骤S4012，在高峰时间段内每间隔第二时间获取一次分析图像，利用图像识别技术获取分析图像中的人数，标记为历史等待人数；

需要说明的是，此处仅需对图像中的人数进行分析，无需使用高分辨率的摄像设备，且摄像设备位于行人等待区之后，不会拍摄到行人的面部特征；

具体实施时，第二时间设置为1分钟；第二时间的设置与未分流前路口红绿灯的时间相关，具体为第一次红灯最后一秒至下一次红灯最后一秒的时间的整数倍；例如未分流前次要路口的红灯以及绿灯时间均为30s，则从获取红灯最后一秒的图像到下一次红灯最后一秒的图像需要间隔1分钟；若设置小于1分钟，则可能出现获取图像时行人正在或已经通过绿灯时的图像，例如若第二时间设置为45s，则在第一次红灯最后一秒获取图像后第二次获取时此时红绿灯为绿灯状态，此时行人正在通过路口；若设置不为整数倍同样可能出现相同的状况；

步骤S4013，重复步骤S4012，当获取到第二数量的历史等待人数时，停止获取；

具体实施时，第二数量设置为20；

步骤S4021，基于第二数量的历史等待人数建立人数频率直方图；

步骤S4022，计算频率最大的区间的中值标记为平均人流量；

步骤S5，对平均人流量、次要高峰车流量以及通过时间进行计算，基于计算结果得到次要红灯时间；步骤S5还包括如下子步骤：

步骤S501，当接收到高峰时间段时，获取通过时间、平均人流量以及次要高峰车流量；

步骤S502，利用次要红灯时间公式计算得到次要红灯时间；

次要红灯时间公式配置为；式中GH1以及GH2均对应次要红灯时间，DS为第一时间，YZ以及ZRL为常数，TG为通过时间，CCL为次要高峰车流量，PRL为平均人流量；

具体实施时，GH1对应的次要红灯时间公式未化简之前为YZ/（CCL/DS）；其中CCL除以DS结果为单位时间内的次要高峰车流量，例如CCL为600辆，DS为10分钟，则CCL除以DS等于1辆每秒；YZ表示该道路的最大等待车辆，具体的设置与道路的车道数有关；例如当直行车道数为3车道时，YZ设置为60辆；YZ除以单位时间内的次要高峰车流量即为式中的（DS×YZ）/CCL；若以上述的CCL、DS以及YZ取值为例，则最终计算得到GH1=60秒；ZRL设置为8，表示路口最大能够8个人并排通过；PRL除以ZRL表示需要几次并排通过才能全部通过，再乘以TG表示全部通过需要的时间；若PRL取28，ZRL取6，TG取20，则计算得到GH2为70秒；由于GH2=70秒大于GH1=60秒，因此最终次要红灯时间为70秒；

步骤S6，获取多流量道路的路口宽度，标记为多流量道路宽度；对次要红灯时间以及多流量道路宽度进行计算得到主要红灯时间；基于次要红灯时间、主要红灯时间以及正常时间段设置红绿灯的红灯时间；步骤S6还包括如下子步骤：

步骤S6011，获取多流量道路宽度；

步骤S6012，利用主要红灯公式计算得到主要红灯时间；

主要红灯公式配置为ZH=；其中ZH为主要红灯时间，GH为次要红灯时间，CCL为次要高峰车流量，LL2为多流量道路宽度，DS为第一时间，SD以及EDS为常数；

具体实施时，GH乘以CCL除以2DS表示少流量道路红灯时间内一半的等待车辆数；SD设置为8，表示车辆以8米每秒的速度通过路口；EDS设置为3，表示有三条直行道；LL2除以SD表示少流量道路一辆车通过路口所需的时间；若GH取60，CCL取600，LL2取32，DS取600，SD取8，EDS取3，则最终计算得到ZH为40；

步骤S6021，将高峰时间段的少流量道路的红灯时间设置为次要红灯时间；

步骤S6022，将高峰时间段的多流量道路的红灯时间设置为主要红灯时间；

步骤S6023，将正常时间段的红灯时间设置为常规红灯时间；

具体实施时，常规红灯时间设置为50秒。

实施例2

请参阅图4，第二方面，本发明提供一种智慧城市车辆分流红绿灯控制系统，包括城市信息获取模块、城市信息分析模块以及城市信息规划模块；所述城市信息获取模块包括道路规划单元、车流量获取单元以及人流量获取单元；所述道路规划单元用于对相互交叉的道路进行划分处理，获取相互交叉的道路的两组路口宽度；所述车流量获取单元用于多组道路车流量；所述人流量获取单元用于获取多组历史等待人数；

所述城市信息分析模块包括道路等级分析单元、路口信息计算单元；所述道路等级分析单元用于对多组道路车流量进行计算分析，基于分析结果将道路标记为多流量道路或少流量道路；所爱护路口信息计算单元用于对路口宽度进行计算，得到通过时间；

所述城市信息规划模块包括红灯时间计算单元以及红灯时间设置单元；所述红灯时间计算单元用于对平均人流量、次要高峰车流量以及通过时间进行计算，得到次要红灯时间；还用于对次要红灯时间以及路口宽度进行计算，得到主要红灯时间；所述红灯时间设置单元用于根据主要红灯时间以及次要红灯时间设置红绿灯的红灯时间。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例，或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static RandomAccess Memory，简称SRAM），电可擦除可编程只读存储器（Electrically ErasableProgrammable Read-Only Memory，简称EEPROM），可擦除可编程只读存储器（ErasableProgrammable Red Only Memory，简称EPROM），可编程只读存储器（Programmable Red-Only Memory，简称PROM），只读存储器（Read-OnlyMemory，简称ROM），磁存储器，快闪存储器，磁盘或光盘。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，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发明揭露的技术范围内，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发明实施例技术方案的精神和范围，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所述权利要求的保护范围为准。

Claims (7)

1.一种智慧城市车辆分流红绿灯控制方法，其特征在于，包括如下步骤：

步骤S1，对相互交叉的道路进行划分处理，获取多组划分后的道路车流量，对多组道路车流量进行计算分析，基于分析结果将道路标记为多流量道路或少流量道路；

步骤S2，对多流量道路的道路车流量进行计算分析，基于分析结果得到高峰时间段以及正常时间段；

步骤S3，基于高峰时间段对少流量道路的道路车流量进行分析计算，基于计算结果得到次要高峰车流量；

步骤S4，获取少流量道路的路口宽度，标记为少流量道路宽度，对少流量道路宽度进行计算，得到通过时间；利用图像识别技术获取少流量道路多组高峰时间段的历史等待人数，对历史等待人数进行分析计算，得到平均人流量；

步骤S5，对平均人流量、次要高峰车流量以及通过时间进行计算，基于计算结果得到次要红灯时间；

步骤S6，获取多流量道路的路口宽度，标记为多流量道路宽度；对次要红灯时间以及多流量道路宽度进行计算得到主要红灯时间；基于次要红灯时间、主要红灯时间以及正常时间段设置红绿灯的红灯时间；

所述步骤S1包括如下子步骤：

步骤S1011，将相互交叉的道路划分为分流道路以及交叉道路；

步骤S1012，利用视频车辆检测器每间隔第一时间获取一次分流道路的车流量，标记为分流车流量；每间隔第一时间获取一次交叉道路的车流量，标记为交叉车流量；建立道路信息数据库，将获取时间以及道路车流量存储至道路信息数据库；所述道路车流量包括分流车流量以及交叉车流量；

步骤S1013，计算获取时间相同的分流车流量的平均值，标记为分流平均值；计算获取时间相同的交叉车流量的平均值，标记为交叉平均值；

所述步骤S1还包括如下子步骤：

步骤S1021，设置初始值为0的分流参考值以及交叉参考值；

步骤S1022，比较第一数量的获取时间相同的分流平均值以及交叉平均值，当分流平均值大于交叉平均值时，将分流参考值加一处理；当分流平均值小于交叉平均值时，将交叉参考值加一处理；当分流平均值等于交叉平均值时，不做处理；

步骤S1023，比对分流参考值以及交叉参考值，将分流参考值以及交叉参考值中数值最大的对应的道路设置为多流量道路，将另一个道路设置为少流量道路；

所述步骤S5包括如下子步骤：

步骤S501，当接收到高峰时间段时，获取通过时间、平均人流量以及次要高峰车流量；

步骤S502，利用次要红灯时间公式计算得到次要红灯时间；

次要红灯时间公式配置为；式中GH1以及GH2均对应次要红灯时间，DS为第一时间，YZ以及ZRL为常数，TG为通过时间，CCL为次要高峰车流量，PRL为平均人流量；

所述步骤S6包括如下子步骤：

步骤S6011，获取多流量道路宽度；

步骤S6012，利用主要红灯公式计算得到主要红灯时间；

主要红灯公式配置为ZH=；其中ZH为主要红灯时间，GH为次要红灯时间，CCL为次要高峰车流量，LL2为多流量道路宽度，DS为第一时间，SD以及EDS为常数；

所述步骤S6还包括如下子步骤：

步骤S6021，将高峰时间段的少流量道路的红灯时间设置为次要红灯时间；

步骤S6022，将高峰时间段的多流量道路的红灯时间设置为主要红灯时间；

步骤S6023，将正常时间段的红灯时间设置为常规红灯时间。

2.根据权利要求1所述的一种智慧城市车辆分流红绿灯控制方法，其特征在于，所述步骤S2包括如下子步骤：

步骤S2011，获取第一数量的多流量道路的道路车流量，标记为主要车流量；将第一数量的主要车流量按递增的方式进行排序处理，得到车流量序列；

步骤S2012，计算车流量序列中最大值与最小值的差值，标记为最大差值；计算最大差值与车流量序列的中值的比值，标记为高峰判断比值；

步骤S2013，当高峰判断比值大于或等于第一高峰比值时，输出存在高峰时间；当高峰判断比值小于第一高峰比值时，输出不存在高峰时间。

3.根据权利要求2所述的一种智慧城市车辆分流红绿灯控制方法，其特征在于，所述步骤S2还包括如下子步骤：

步骤S2021，当接收到存在高峰时间时，计算第一数量的主要车流量的标准差，标记为主要标准差；将第一判断倍数的主要标准差标记为高峰判断阈值；

步骤S2022，分别比对主要车流量与高峰判断阈值，当主要车流量大于或等于高峰判断阈值时，将主要车流量对应的获取时间标记为高峰时间点；

步骤S202023，将高峰时间减去第一时间得到开始检测时间点；

步骤S2024，将开始检测时间点至对应的高峰时间点之内的时间标记为高峰时间段；将除高峰时间段的其他时间标记为正常时间段；

步骤S2025，当接收到不存在高峰时间时，将所有时间标记为正常时间段。

4.根据权利要求3所述的一种智慧城市车辆分流红绿灯控制方法，其特征在于，所述步骤S3包括如下子步骤：

步骤S301，采集获取时间在高峰时间段之内的少流量道路的道路车流量，标记为次要车流量；

步骤S302，计算次要车流量的平均值，标记为第一次要平均值；将小于第一次要平均值的次要车流量进行删除处理；

步骤S303，计算剩余的次要车流量的平均值，标记为次要高峰车流量。

5.根据权利要求4所述的一种智慧城市车辆分流红绿灯控制方法，其特征在于，所述步骤S4包括如下子步骤：

步骤S4011，获取少流量道路的路口宽度，标记为少流量道路宽度；利用行走时间公式计算得到通过时间；

所述行走时间公式配置为：XT=LL1/XS；其中XT为通过时间，LL1为少流量道路宽度，XS为常数；

步骤S4012，在高峰时间段内每间隔第二时间获取一次分析图像，利用图像识别技术获取分析图像中的人数，标记为历史等待人数；

步骤S4013，重复步骤S4012，当获取到第二数量的历史等待人数时，停止获取。

6.根据权利要求5所述的一种智慧城市车辆分流红绿灯控制方法，其特征在于，所述步骤S4还包括如下子步骤：

步骤S4021，基于第二数量的历史等待人数建立人数频率直方图；

步骤S4022，计算频率最大的区间的中值标记为平均人流量。

7.适用于权利要求1-6任意一项所述的一种智慧城市车辆分流红绿灯控制方法的系统，其特征在于，包括城市信息获取模块、城市信息分析模块以及城市信息规划模块；所述城市信息获取模块包括道路规划单元、车流量获取单元以及人流量获取单元；所述道路规划单元用于对相互交叉的道路进行划分处理，获取相互交叉的道路的两组路口宽度；所述车流量获取单元用于多组道路车流量；所述人流量获取单元用于获取多组历史等待人数；

所述城市信息分析模块包括道路等级分析单元、路口信息计算单元；所述道路等级分析单元用于对多组道路车流量进行计算分析，基于分析结果将道路标记为多流量道路或少流量道路；所爱护路口信息计算单元用于对路口宽度进行计算，得到通过时间；

所述城市信息规划模块包括红灯时间计算单元以及红灯时间设置单元；所述红灯时间计算单元用于对平均人流量、次要高峰车流量以及通过时间进行计算，得到次要红灯时间；还用于对次要红灯时间以及路口宽度进行计算，得到主要红灯时间；所述红灯时间设置单元用于根据主要红灯时间以及次要红灯时间设置红绿灯的红灯时间。