CN118230557A - 一种基于灯杆的城市交通管理方法、设备及介质 - Google Patents

Abstract

本申请公开了一种基于灯杆的城市交通管理方法、设备及介质，方法包括：通过灯杆上设置的采集模块获取组合数据，组合数据包括但不限于道路数据、车辆数据和环境数据，将组合数据发送至云端；确定预先设置的功能类型，通过云端对组合数据进行拆分，以得到功能类型对应的功能数据，功能类型包括但不限于照明、信号灯、预警；对功能数据进行分析，以确定功能数据对应的灯杆使用趋势，根据使用趋势对灯杆进行功能调整。本申请基于多应用场景匹配、道路各类信息和环境状况等基础条件，实现了全域道路数据采集、分析以及动态预测。

Description

一种基于灯杆的城市交通管理方法、设备及介质

技术领域

本申请涉及计算机技术领域，尤其涉及一种基于灯杆的城市交通管理方法、设备及介质。

背景技术

智慧路灯以道路照明灯杆为基础，整合公安、交通信号、通信、交通标识牌等为一体，实现多杆合一，减少路面立杆，释放公共空间资源。同时，作为智慧城市建设的重要载体，智慧路灯作为物联网的端口，发挥了更大的“综合体”作用。作为城市中分布最为密集且均匀的信息基础设施，路灯杆被认为是5G基站室外覆盖较优的载体，在智慧城市、5G基站建设的推动下，将逐步由单一照明功能变成新型公共基础设施。智慧灯杆是数字城市的重要数据采集底座。目前，市面上的智慧灯杆建设存在着照明功能弱化、能源消耗优化困难、故障处理不及时等问题，使得智慧灯杆的能源利用率降低，严重影响了城市管理水平。

发明内容

为了解决上述问题，本申请提出了一种基于灯杆的城市交通管理方法，包括：通过灯杆上设置的采集模块获取组合数据，所述组合数据包括但不限于道路数据、车辆数据和环境数据，将所述组合数据发送至云端；确定预先设置的功能类型，通过所述云端对所述组合数据进行拆分，以得到所述功能类型对应的功能数据，所述功能类型包括但不限于照明、信号灯、预警；对所述功能数据进行分析，以确定所述功能数据对应的灯杆使用趋势，根据所述使用趋势对所述灯杆进行功能调整。

在一个示例中，对所述功能数据进行分析，以确定所述功能数据对应的灯杆使用趋势，具体包括：确定预先设置的卷积神经网络，并确定所述采集模块获取的历史数据；对所述历史数据进行拆分，以得到所述功能类型对应的历史数据，并根据所述功能类型对应的历史数据对所述卷积神经网络进行训练，以得到训练后的卷积神经网络；将所述功能数据输入至训练后的卷积神经网络，通过训练后的卷积神经网络获取所述灯杆使用趋势。

在一个示例中，所述方法还包括：确定道路单元，并确定所述道路单元的邻近道路单元；确定所述道路单元的第一灯杆，通过所述第一灯杆确定所述邻近道路单元的车辆数据，以根据所述邻近道路单元的车辆数据确定所述道路单元的车辆流量趋势；对所述车辆流量趋势进行分析，以确定所述第一灯杆的照明趋势，根据所述照明趋势对所述灯杆进行功能调整，所述照明趋势包括照明状态和照明时间；确定所述道路单元的其它灯杆，通过所述第一灯杆的传输模块将所述照明趋势按照所述道路单元的道路方向依次发送至所述其它灯杆，以使所述其它灯杆按照所述道路方向依次进行功能调整。

在一个示例中，所述方法还包括：确定道路单元，并确定所述道路单元上设置的多个灯杆，其中，所述多个灯杆通过所述道路单元的道路方向上的轨道滑槽安装在所述道路单元上；确定所述多个灯杆的灯杆数量，根据所述灯杆数量对所述轨道滑槽上的灯杆间距进行调整。

在一个示例中，所述方法还包括：确定所述灯杆的电量趋势，根据所述电量趋势确定所述灯杆的剩余功能时间，将所述剩余功能时间与预先设置的时间阈值进行比较；若所述剩余功能时间小于所述时间阈值，则调整所述道路单元上的灯杆数量，根据调整后的灯杆数量对所述轨道滑槽上的灯杆间距进行调整。

在一个示例中，所述方法还包括：根据所述道路数据和所述车辆数据进行分析，以得到未来多个预设时间段的拥堵趋势指标；将所述拥堵趋势指标与预设值进行比较，若所述拥堵趋势指标大于所述预设值，则对所述灯杆的照明时间进行调整，并通过所述灯杆上设置的显示模块发送告警信息。

在一个示例中，所述方法还包括：根据所述拥堵趋势指标确定拥堵提示信息，通过所述灯杆上的显示装置将所述拥堵提示信息进行显示。

在一个示例中，所述方法还包括：对所述环境数据进行分析，以得到所述灯杆所在的环境状况，根据所述环境状况确定所述灯杆的所述使用趋势，并根据所述使用趋势对所述灯杆进行功能调整。

另一方面，本申请还提出了一种基于灯杆的城市交通管理设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述一种基于灯杆的城市交通管理设备能够执行：通过灯杆上设置的采集模块获取组合数据，所述组合数据包括但不限于道路数据、车辆数据和环境数据，将所述组合数据发送至云端；确定预先设置的功能类型，通过所述云端对所述组合数据进行拆分，以得到所述功能类型对应的功能数据，所述功能类型包括但不限于照明、信号灯、预警；对所述功能数据进行分析，以确定所述功能数据对应的灯杆使用趋势，根据所述使用趋势对所述灯杆进行功能调整。

另一方面，本申请还提出了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：通过灯杆上设置的采集模块获取组合数据，所述组合数据包括但不限于道路数据、车辆数据和环境数据，将所述组合数据发送至云端；确定预先设置的功能类型，通过所述云端对所述组合数据进行拆分，以得到所述功能类型对应的功能数据，所述功能类型包括但不限于照明、信号灯、预警；对所述功能数据进行分析，以确定所述功能数据对应的灯杆使用趋势，根据所述使用趋势对所述灯杆进行功能调整。

本申请基于多应用场景匹配、道路各类信息和环境状况等基础条件，实现了全域道路数据采集、分析以及动态预测；基于人流、车流以及环境数据，通过智能控制系统对路灯分时段或分间隔控制，避免无效照明；针对普通灯杆可拓展性差的问题，采用轨道式滑槽预留智慧设备安装接口设计，后期可随意加装扩展设备；研发基于边云协同的多设备动态联动技术，实时与智能交通设备进行联动，预测城市交通状况，并提前发出预警和预报，缓解交通拥堵。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例中一种基于灯杆的城市交通管理方法的流程示意图；

图2为本申请实施例中一种基于灯杆的城市交通管理设备的示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，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，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

如图1所示，为了解决上述问题，本申请实施例提供的一种基于灯杆的城市交通管理方法，方法包括：

S101、通过灯杆上设置的采集模块获取组合数据，所述组合数据包括但不限于道路数据、车辆数据和环境数据，将所述组合数据发送至云端。

通过设置在灯杆上的采集模块实时收集多种组合数据，组合数据包括但不限于道路数据、车辆数据和环境数据。道路数据方面，这可能包括通过摄像头或车载传感器捕获的图像，用于识别交通流量、车辆位置和道路状况。车辆数据则可以通过车辆识别技术、雷达或其他传感器来获取，以获取车辆数量、速度和类型等信息。至于环境数据，可能需要使用气象传感器、空气质量监测设备和其他环境监测工具来获取温度、湿度、空气质量等参数。采集模块会不断地从各个传感器和设备中收集数据，并将这些数据进行整合，形成组合数据。为了将采集到的数据传输到云端，需要选择低功耗无线通信技术，如LoRaWAN、NB-IoT等。这些技术能够在保证数据传输的稳定性和可靠性的同时，降低能耗，延长采集模块的使用寿命。由于采集到的是敏感信息，因此需要使用数据加密和安全传输技术，确保数据传输过程中的安全性和可靠性。这可以防止数据被非法获取或篡改，保障城市管理的安全和稳定。在云端建立数据中心，用于接收、存储和处理从采集模块发送过来的数据。数据中心需要具备强大的存储能力和计算能力，以应对大量的数据处理需求。云端数据中心会对接收到的数据进行处理和分析，提取出有价值的信息，为城市管理提供数据支持。基于收集到的数据，可以开发各种智慧城市应用，如智能交通系统、环境监测系统、安防系统等。这些应用可以实时地展示城市的运行状况，提高城市管理的效率和水平。

S102、确定预先设置的功能类型，通过所述云端对所述组合数据进行拆分，以得到所述功能类型对应的功能数据，所述功能类型包括但不限于照明、信号灯、预警。

在云端系统中，首先需要预先定义和设置所需的功能类型。这些功能类型根据实际应用场景和需求来确定，包括但不限于照明、信号灯、预警等。云端系统接收到组合数据后，首先会识别数据中包含的功能类型标识。这些标识可能以特定的数据结构或标签形式存在，用于区分不同功能类型的数据。根据识别到的功能类型标识，云端系统会将组合数据拆分为多个部分，每个部分对应一个功能类型。这个过程可能需要利用数据解析和提取技术，确保每个功能类型的数据被准确地拆分出来。例如，对于照明功能数据，云端系统可能会关注光照强度、灯具状态（如开关、亮度、色温等）以及光照时间等指标。这些数据可以用于优化照明策略，实现节能降耗和提高照明质量。对于信号灯功能数据，云端系统主要关注信号灯的配时方案、运行状态（如红灯、绿灯、黄灯时长）以及交通流量等信息。通过对这些数据的分析，可以调整信号灯的配时方案，提高交通流畅度和安全性。预警功能数据可能包括环境监测数据（如空气质量、噪音水平、气象条件等）以及安全监控数据（如车辆违规行为、行人闯红灯等）。云端系统会对这些数据进行实时分析，一旦发现异常情况，会立即触发预警机制，通过短信、APP推送等方式通知相关人员进行处理。处理后的功能数据会被存储在云端数据库中，以便后续的分析和应用。

S103、对所述功能数据进行分析，以确定所述功能数据对应的灯杆使用趋势，根据所述使用趋势对所述灯杆进行功能调整。

对功能数据进行清洗，去除异常值、缺失值或重复数据，确保数据的准确性和可靠性。用统计分析方法和机器学习算法，对功能数据进行深入分析，以揭示灯杆的使用趋势。这些趋势可能包括照明需求的变化、交通流量的增减、预警事件的频率等。为了便于理解和沟通，可以将分析结果以图表、仪表板等形式进行可视化呈现，如折线图、柱状图、热力图等。这些可视化工具能够直观地展示灯杆使用趋势的变化。

基于功能数据的分析结果，可以确定灯杆的使用趋势。这些趋势可能包括照明需求变化、预警事件频率等。例如，不同时间段、不同天气条件下的照明需求可能存在差异，通过分析光照强度、能耗等数据，可以确定最佳的照明亮度和时长；通过分析信号灯功能数据，可以了解交通流量的变化趋势，这有助于优化信号灯的配时方案，提高交通流畅度；通过分析预警功能数据，可以了解预警事件的频率和类型，这有助于评估灯杆预警系统的有效性，并针对性地进行改进。根据确定的灯杆使用趋势，可以对灯杆进行功能调整，以满足实际需求并提高使用效率。根据照明需求的变化，调整灯杆的照明亮度和时长。例如，在夜间或阴雨天气增加照明亮度，在白天或晴天减少照明时长以节省能源。根据交通流量的变化，优化信号灯的配时方案。例如，在高峰时段增加绿灯时长以缓解交通拥堵，在低峰时段减少红灯时长以提高交通流畅度。根据预警事件的频率和类型，对预警系统进行改进。例如，增加新的预警类型或优化预警触发条件以提高预警的准确性和及时性。

在一个实施例中，在确定灯杆使用趋势时，设计一个适用于灯杆使用趋势预测的卷积神经网络结构。根据历史数据的维度和格式，设计输入层的结构。例如，如果历史数据是图像形式的，如摄像头捕捉的交通流量图像，则输入层需要能够处理图像数据。卷积层是CNN的核心，用于从输入数据中提取特征。通过多个卷积核在输入数据上进行滑动卷积运算，可以得到不同的特征图（Feature Maps）。池化层用于降低特征图的维度，减少参数数量，同时保留重要特征。常见的池化操作包括最大池化和平均池化。全连接层位于CNN的尾部，用于对提取的特征进行非线性组合，以产生最终的预测结果。输出层根据预测任务的需求设计，对于灯杆使用趋势预测，输出层可能是一个或多个神经元，用于输出预测的趋势值或类别。历史数据是指过去一段时间内通过采集模块获取的灯杆相关数据。这些数据应该涵盖不同的功能类型，如照明、信号灯、预警等。历史数据的收集是训练CNN的基础，因此需要确保数据的准确性和完整性。为了训练CNN，需要将历史数据拆分为训练集、验证集和测试集。其中，训练集用于训练CNN模型，验证集用于调整模型的超参数以防止过拟合，测试集则用于评估模型的泛化能力。拆分数据时，需要确保各个数据集中功能类型的数据分布相似，以保证模型的训练效果。使用拆分好的训练集和验证集对CNN进行训练。在训练过程中，需要不断地调整模型的权重和偏置项，以最小化预测结果与实际结果之间的误差。这通常通过反向传播算法和梯度下降算法来实现。同时，可以通过观察验证集上的性能指标，如准确率、召回率、F1分数等，来评估模型的训练效果，并根据需要进行超参数的调整。当CNN训练完成后，就可以将新的功能数据输入到模型中，通过模型的前向传播过程得到灯杆使用趋势的预测结果。这些预测结果可以用于指导灯杆的功能调整和优化。

在一个实施例中，道路单元可以是一个路段、交叉口、或者根据某种标准，如长度、交通流量等，划分的特定区域。一旦道路单元确定，就需要识别该道路单元的邻近道路单元。邻近道路单元可以是与当前道路单元直接相连或相邻的其他道路单元。在选定的道路单元中，确定位于道路单元的关键位置，如交叉口、进出口等位置的灯杆（在此称为第一灯杆），以便更好地收集和分析交通数据。通过第一灯杆或其附近的传感器，如摄像头、车辆检测器等，收集邻近道路单元的车辆数据。这些数据可能包括车辆数量、速度、行驶方向等。这些数据对于分析道路单元的车辆流量趋势至关重要。基于收集到的邻近道路单元的车辆数据，分析道路单元的车辆流量趋势。这可以通过统计分析、时间序列分析或机器学习算法来实现。分析的目的是识别交通流量的高峰时段、低峰时段以及可能的变化趋势。根据分析得到的车辆流量趋势，确定第一灯杆的照明趋势。照明趋势包括照明状态和照明时间。例如，在交通流量高峰时段，可能需要增加照明亮度或延长照明时间以提供更好的照明条件；而在低峰时段，则可以降低照明亮度或缩短照明时间以节省能源。根据确定的照明趋势，对第一灯杆进行功能调整。这可能包括调整照明亮度、色温、照明时间等参数。这些调整可以通过远程控制系统或灯杆自身的智能控制系统来实现。通过第一灯杆的传输模块，将确定的照明趋势按照道路单元的道路方向依次发送至道路单元的其他灯杆。传输过程中，可能需要遵循一定的通信协议和数据格式，以确保数据的准确性和可靠性。接收到照明趋势的其他灯杆根据接收到的信息依次进行功能调整。这些调整可能与第一灯杆的调整类似，但也可能根据具体位置和交通条件有所不同。通过这种方式，整个道路单元的灯杆可以根据交通流量趋势进行协同调整，以提供更高效、节能的照明服务。

在一个实施例中，在道路单元上，需要安装多个灯杆来提供照明和其他功能。这些灯杆通过道路单元的道路方向上的轨道滑槽来安装。轨道滑槽的设计允许灯杆在道路上灵活布置，并可以根据需要进行移动和调整。灯杆数量的确定需要考虑多个因素，包括道路单元的长度、宽度、交通流量、照明需求等。通常，交通流量大、照明需求高的路段需要设置更多的灯杆。此外，还需要考虑灯杆的覆盖范围和光照强度，以确保整个道路单元都能得到充足的照明。在确定了灯杆数量之后，需要根据实际情况来计算和调整轨道滑槽上的灯杆间距。间距的大小应该根据灯杆的覆盖范围、光照强度以及道路单元的实际情况来确定。一般来说，灯杆间距应该足够小，以确保道路单元上的任何地方都能得到足够的照明；但也不能太小，以免造成浪费和不必要的成本。轨道滑槽的设计允许灯杆间距的灵活调整。可以通过移动灯杆在轨道滑槽上的位置来改变间距。在调整过程中，需要保持灯杆的平衡和稳定，以确保其安全性和可靠性。

在一个实施例中，每个灯杆都具备电量监测模块，能够实时记录其电量的使用情况。灯杆通过内置的电量监测模块实现，该模块可以定期向中云端发送电量数据。云端收集各个灯杆的电量数据后，会进行趋势分析。通过对比历史数据、当前数据和预测模型，可以预测灯杆未来的电量消耗情况，即电量趋势。基于电量趋势和灯杆当前电量，可以计算出灯杆的剩余电量。再根据灯杆的工作功率和电量消耗速度，可以估算出灯杆的剩余功能时间，即还能正常工作多长时间。为了确保道路照明的连续性和安全性，通常会设置一个时间阈值，例如24小时、48小时等，作为灯杆电量安全的警戒线。将计算出的剩余功能时间与设置的时间阈值进行比较。如果剩余功能时间大于或等于时间阈值，说明灯杆电量充足，无需调整；如果小于时间阈值，则需要采取相应措施。当发现某个或某些灯杆的剩余功能时间不足时，该灯杆无法正常，需要调整道路单元上的灯杆位置，以弥补该灯杆的空缺，此时，该道路单元的灯杆数量减少了一个。根据新的灯杆数量重新计算轨道滑槽上的灯杆间距。通过移动轨道滑槽上的灯杆，调整它们之间的间距，确保新的布局既满足照明需求，又符合安全和经济要求。

在一个实施例中，道路数据包括道路的物理特性，如长度、宽度、车道数、交叉口数量、交通标志和信号设置、道路维护状况等。车辆数据包括车辆数量、速度、行驶方向、车型等。结合道路数据和车辆数据，利用数据分析技术，如时间序列分析、机器学习算法等，对未来多个预设时间段的交通状况进行预测。以识别交通流量的周期性、趋势性和季节性等特征，进而预测未来的拥堵趋势。拥堵趋势指标是一个量化指标，用于衡量未来某个时间段内道路发生拥堵的可能性或程度。例如，可以使用交通流量比、车辆平均速度下降率、排队长度等指标来衡量。根据历史数据和实际管理经验设定的一个阈值，用于判断是否需要调整灯杆照明或发送告警信息。这些预设值通常是根据道路的实际情况、交通需求和公共安全等因素来设定的。将计算得到的拥堵趋势指标与预设值进行比较。如果拥堵趋势指标大于预设值，说明未来该时间段内道路有较高的拥堵风险。当拥堵趋势指标超过预设值时，为了提高道路的安全性和通行效率，可以对灯杆的照明时间进行调整。例如，延长高峰时段的照明时间，以确保驾驶员和行人有更好的视野和安全性；或者根据拥堵情况动态调整照明亮度，以吸引驾驶员的注意力。

在一个实施例中，灯杆上都配备了显示模块，如LED显示屏，可以用于显示交通信息、公告等。当拥堵趋势指标超过预设值时，除了调整照明时间外，还可以通过灯杆上的显示模块发送告警信息。这些告警信息可以包括拥堵预警、绕行建议、交通管制信息等，以帮助驾驶员和行人提前做好规划和准备。

在一个实施例中，收集灯杆所在环境的相关数据。这些环境数据包括光照强度、空气质量、气象数据、噪音水平。收集到环境数据后，进行详细的分析。例如，可以分析光照强度的变化趋势，判断是否存在季节性变化；分析空气质量数据，确定主要污染源和污染物；分析气象数据，预测未来天气情况；分析噪音水平，了解噪音的主要来源和分布。基于环境数据的分析，可以确定灯杆所在环境的整体状况，包括光照状况，如明亮、昏暗、季节性变化等；空气质量状况，如良好、轻度污染、重度污染等；气象状况，如晴朗、多云、雨雪等；和噪音状况，如安静、轻度噪音、噪音污染等。根据环境状况，可以预测或推断出灯杆的使用趋势。例如，在光照不足的环境中，增加灯杆的照明亮度和照明时间；在空气质量较差的环境中，调整灯杆上的空气质量监测设备的参数或增加其运行频率；在雨雪天气中，增加灯杆的亮度以提高行车安全性；在噪音污染严重的环境中，调整灯杆上的噪音监测设备的参数或增加其报警功能。

如图2所示，本申请实施例还提供了一种基于灯杆的城市交通管理设备，包括：

至少一个处理器；以及，

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使一种基于灯杆的城市交通管理设备能够执行：

通过灯杆上设置的采集模块获取组合数据，所述组合数据包括但不限于道路数据、车辆数据和环境数据，将所述组合数据发送至云端；

确定预先设置的功能类型，通过所述云端对所述组合数据进行拆分，以得到所述功能类型对应的功能数据，所述功能类型包括但不限于照明、信号灯、预警；

对所述功能数据进行分析，以确定所述功能数据对应的灯杆使用趋势，根据所述使用趋势对所述灯杆进行功能调整。

本申请实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：

通过灯杆上设置的采集模块获取组合数据，所述组合数据包括但不限于道路数据、车辆数据和环境数据，将所述组合数据发送至云端；

确定预先设置的功能类型，通过所述云端对所述组合数据进行拆分，以得到所述功能类型对应的功能数据，所述功能类型包括但不限于照明、信号灯、预警；

对所述功能数据进行分析，以确定所述功能数据对应的灯杆使用趋势，根据所述使用趋势对所述灯杆进行功能调整。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（Programmable Logic Device, PLD）（例如现场可编程门阵列（Field Programmable GateArray，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（Hardware Description Language，HDL），而HDL也并非仅有一种，而是有许多种，如ABEL（Advanced Boolean Expression Language）、AHDL（Altera Hardware DescriptionLanguage）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（Java Hardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（RubyHardware Description Language）等，目前最普遍使用的是VHDL（Very-High-SpeedIntegrated Circuit Hardware Description Language）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific Integrated Circuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请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，本申请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（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于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的装置。

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。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于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的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于灯杆的城市交通管理方法，其特征在于，包括：

通过灯杆上设置的采集模块获取组合数据，所述组合数据包括但不限于道路数据、车辆数据和环境数据，将所述组合数据发送至云端；

确定预先设置的功能类型，通过所述云端对所述组合数据进行拆分，以得到所述功能类型对应的功能数据，所述功能类型包括但不限于照明、信号灯、预警；

对所述功能数据进行分析，以确定所述功能数据对应的灯杆使用趋势，根据所述使用趋势对所述灯杆进行功能调整。

2.根据权利要求1所述的方法，其特征在于，对所述功能数据进行分析，以确定所述功能数据对应的灯杆使用趋势，具体包括：

确定预先设置的卷积神经网络，并确定所述采集模块获取的历史数据；

对所述历史数据进行拆分，以得到所述功能类型对应的历史数据，并根据所述功能类型对应的历史数据对所述卷积神经网络进行训练，以得到训练后的卷积神经网络；

将所述功能数据输入至训练后的卷积神经网络，通过训练后的卷积神经网络获取所述灯杆使用趋势。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

确定道路单元，并确定所述道路单元的邻近道路单元；

确定所述道路单元的第一灯杆，通过所述第一灯杆确定所述邻近道路单元的车辆数据，以根据所述邻近道路单元的车辆数据确定所述道路单元的车辆流量趋势；

对所述车辆流量趋势进行分析，以确定所述第一灯杆的照明趋势，根据所述照明趋势对所述灯杆进行功能调整，所述照明趋势包括照明状态和照明时间；

确定所述道路单元的其它灯杆，通过所述第一灯杆的传输模块将所述照明趋势按照所述道路单元的道路方向依次发送至所述其它灯杆，以使所述其它灯杆按照所述道路方向依次进行功能调整。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

确定道路单元，并确定所述道路单元上设置的多个灯杆，其中，所述多个灯杆通过所述道路单元的道路方向上的轨道滑槽安装在所述道路单元上；

确定所述多个灯杆的灯杆数量，根据所述灯杆数量对所述轨道滑槽上的灯杆间距进行调整。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

确定所述灯杆的电量趋势，根据所述电量趋势确定所述灯杆的剩余功能时间，将所述剩余功能时间与预先设置的时间阈值进行比较；

若所述剩余功能时间小于所述时间阈值，则调整所述道路单元上的灯杆数量，根据调整后的灯杆数量对所述轨道滑槽上的灯杆间距进行调整。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述道路数据和所述车辆数据进行分析，以得到未来多个预设时间段的拥堵趋势指标；

将所述拥堵趋势指标与预设值进行比较，若所述拥堵趋势指标大于所述预设值，则对所述灯杆的照明时间进行调整。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

根据所述拥堵趋势指标确定拥堵提示信息，通过所述灯杆上的显示装置将所述拥堵提示信息进行显示。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述环境数据进行分析，以得到所述灯杆所在的环境状况，根据所述环境状况确定所述灯杆的所述使用趋势，并根据所述使用趋势对所述灯杆进行功能调整。

9.一种基于灯杆的城市交通管理设备，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述一种基于灯杆的城市交通管理设备能够执行：

通过灯杆上设置的采集模块获取组合数据，所述组合数据包括但不限于道路数据、车辆数据和环境数据，将所述组合数据发送至云端；

确定预先设置的功能类型，通过所述云端对所述组合数据进行拆分，以得到所述功能类型对应的功能数据，所述功能类型包括但不限于照明、信号灯、预警；

对所述功能数据进行分析，以确定所述功能数据对应的灯杆使用趋势，根据所述使用趋势对所述灯杆进行功能调整。

10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：

通过灯杆上设置的采集模块获取组合数据，所述组合数据包括但不限于道路数据、车辆数据和环境数据，将所述组合数据发送至云端；

确定预先设置的功能类型，通过所述云端对所述组合数据进行拆分，以得到所述功能类型对应的功能数据，所述功能类型包括但不限于照明、信号灯、预警；

对所述功能数据进行分析，以确定所述功能数据对应的灯杆使用趋势，根据所述使用趋势对所述灯杆进行功能调整。