WO2021190176A1 - 审核交通灯的控制方案的方法和装置 - Google Patents
审核交通灯的控制方案的方法和装置 Download PDFInfo
- Publication number
- WO2021190176A1 WO2021190176A1 PCT/CN2021/075302 CN2021075302W WO2021190176A1 WO 2021190176 A1 WO2021190176 A1 WO 2021190176A1 CN 2021075302 W CN2021075302 W CN 2021075302W WO 2021190176 A1 WO2021190176 A1 WO 2021190176A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- intersection
- traffic
- target
- information
- control scheme
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000012550 audit Methods 0.000 claims description 52
- 238000012549 training Methods 0.000 claims description 42
- 238000012552 review Methods 0.000 claims description 27
- 230000015654 memory Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 15
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000003247 decreasing effect Effects 0.000 abstract 1
- 238000005457 optimization Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
Images
Classifications
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G06Q50/40—
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及人工智能领域，提供了一种审核交通灯控制方案的方法，包括：获取第一路口的信息和所述交通灯的目标控制方案；将所述第一路口的信息和所述目标控制方案输入目标审核模型，获得第一通行效率，所述第一通行效率表示所述目标控制方案应用于所述第一路口的预测的通行效率，所述第一通行效率用于审核所述目标控制方案对所述第一路口的适用性。根据本申请提供的方法，在控制方案部署到交通灯上之前通过目标审核模型对控制方案的通行效率进行审核，在通行效率满足要求时再在交通灯上部署控制方案，相比于控制方案部署在交通灯上之后再进行调试，上述方法可以避免路口的通行效率下降。
Description
本申请要求于2020年03月27日提交中国知识产权局、申请号为202010230719.X、申请名称为“审核交通灯的控制方案的方法和装置”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
本申请涉及人工智能领域，尤其涉及一种审核交通灯的控制方案的方法和装置。
交通灯是指挥交通的信号灯，用于指示路口的通行规则和通行时间，其中，交通灯的控制方案用于控制交通灯所在路口的各个方向的通行顺序和通行时间，一个合理的控制方案对于减小拥堵有着重要作用。
当前有很多交通灯控制方案，如传统的人工设置的控制方案、感应式自动控制方案、基于强化学习算法的智能体控制方案等等。这些控制方案各有所长，然而，不同路口的交通情况具有不同的特点，事先制定的控制方案往往需要在交通灯上部署之后才能确定能否提高通行效率，若事先制定的控制方案与路口的实际交通情况不匹配，则可能导致路口通行效率下降。
发明内容
本申请提供了一种审核交通灯的控制方案的方法和装置，能够避免交通灯的控制方案部署后路口通行效率下降的问题。
第一方面，提供了一种审核交通灯的控制方案的方法，该方法包括：获取第一路口的信息和交通灯的目标控制方案；将所述第一路口的信息和所述目标控制方案输入目标审核模型，获得第一通行效率，所述第一通行效率表示所述目标控制方案应用于所述第一路口的预测的通行效率，所述第一通行效率用于审核所述目标控制方案对所述第一路口的适用性。
根据本申请提供的方法，在控制方案部署到交通灯上之前通过目标审核模型对控制方案的通行效率进行审核，在通行效率满足要求时再在交通灯上部署控制方案，相比于控制方案部署在交通灯上之后再进行调试，上述方法可以避免路口的通行效率下降。
可选地，所述目标审核模型是根据训练数据训练后的神经网络模型，所述训练数据包括：多个训练控制方案，以及所述多个训练控制方案应用于第二路口后的实际通行效率。
上述可选的实施例可以由训练装置执行，通过训练装置的处理，审核装置能够获得可用的目标审核模型，提高审核结果的准确性。
可选地，所述方法还包括：获取所述目标控制方案应用于所述第一路口的实际通行效率；根据所述第一路口的实时信息、所述目标控制方案、以及所述目标控制方案应用于所述第一路口的实际通行效率，优化所述目标审核模型。
该实施例可以由优化装置执行，由于优化装置优化目标审核模型所使用的数据均为 实时数据和实时通行效率，实时数据和实时通行效率相比于训练装置使用的训练数据更加贴合实际交通场景，通过优化装置的处理，审核装置能够实时获得性能更加完善的目标审核模型，提高审核结果的准确性。
可选地，所述第一路口的预测的通行效率包括以下参数中的至少一个：车辆平均通行时间、车辆平均等待时间、车辆队列长度、二次排队次数、车辆平均延误时间。
可选地，所述第一路口的信息包括以下信息中的至少一个：车流量、车辆队列长度、突发事件信息、天气信息、高峰时段信息。
可选地，所述方法还包括：通过所述目标审核模型确定所述目标控制方案应用在所述第一路口的安全性。
第二方面，本申请提供了一种审核交通灯的控制方案的装置，包括用于执行第一方面所述的方法的单元。该装置可以是终端设备或服务器，也可以是终端设备或服务器内的芯片。该装置可以包括获取单元、推理单元和审核单元。
当该装置是终端设备或服务器时，该推理单元和该审核单元可以是处理器，该获取单元可以是收发器；该终端设备还可以包括存储单元，该存储单元可以是存储器；该存储单元用于存储指令，该处理单元执行该存储单元所存储的指令，以使该终端设备执行第一方面所述的方法。
当该装置是终端设备或服务器内的芯片时，该推理单元和该审核单元可以是处理单元，该获取单元可以是输入/输出接口、管脚或电路等；该处理单元执行存储单元所存储的指令，以使该芯片执行第一方面所述的方法，该存储单元可以是该芯片内的存储单元(例如，寄存器、缓存等)，也可以是位于该芯片外部的存储单元(例如，只读存储器、随机存取存储器等)。
第三方面，本申请提供了一种计算机可读存储介质，该计算机可读存储介质中存储了计算机程序，该计算机程序被处理器执行时，使得处理器执行第一方面所述的方法。
第四方面，本申请提供了一种计算机程序产品，该计算机程序产品包括：计算机程序代码，当该计算机程序代码被处理器运行时，使得处理器执行第一方面所述的方法。
为了更清楚地说明本申请实施例的技术方法，下面将对实施例中所需使用的附图作以简单地介绍。
图1是一种适用于本申请的交通灯控制方案的示意图；
图2是本申请提供的一种系统架构的示意图；
图3是本申请提供的一种审核交通灯控制方案的方法的示意图；
图4是本申请提供的一种审核交通灯控制方案的装置的示意图；
图5是本申请提供的一种训练初始审核模型的方法的示意图；
图6是本申请提供的一种优化目标审核模型的方法的示意图；
图7是本申请提供的一种用于审核交通灯控制方案的设备的示意图。
下面将结合本申请中的附图，对本申请提供的实施例中的方案进行描述。
图1示出了一种示例性的交通灯控制方案。
交通灯控制方案可以简称为控制方案，控制方案用于控制交通灯所在路口的各个方向的通行顺序和通行时间，一个合理的控制方案对于减小拥堵有着重要作用。在图1所示的控制方案中，东西左转相位的通行时间为25秒(s)，东西直行相位的通行时间为35s，南北左转相位的通行时间为24s，南北直行相位的通行时间为32s。
交通灯120部署该控制方案后，首先放行东西左转相位的车辆，该相位对应的绿灯时间为25s；随后放行东西直行相位的车辆，该相位对应的绿灯时间为35s；接下来放行南北左转相位的车辆，该相位对应的绿灯时间为24s；最后放行南北直行相位的车辆，该相位对应的绿灯时间为32s。后续可以循环上述过程。
为避免控制方案与路口的实际交通情况不匹配可能导致的路口通行效率下降，本申请提出一种在控制方案部署之前对控制方案的通行效率进行审核的方案。下面介绍本申请提供的审核交通灯的控制方案的方法。
首先介绍本申请提供的一种系统架构的示意图。如图2所示，该系统包括生成装置210、审核装置220和信号机230。
生成装置210可以是服务器，用于生成交通灯控制方案。
审核装置220也可以是服务器，用于从生成装置210获取交通灯控制方案，并对该控制方案进行审核，确定通行效率；若该控制方案的通行效率满足要求，则向信号机230下发该控制方案；若该控制方案的通行效率不满足要求，则不向信号机230下发该控制方案。可选地，审核装置220还可以审核上述控制方案的安全性，并在安全性满足要求时向信号机230下发上述控制方案。
生成装置210与审核装置220可以集成在一起，也可以独立设置。在一些实施例中，生成装置210与审核装置220可以是不同提供商提供的装置。
信号机230例如是路边单元(road side unit，RSU)，用于控制交通灯，其可以与交通灯集成在一起，也可以独立于交通灯。信号机230可以通过有线方式或无线方式从审核装置230获取审核后的控制方案，上述有线方式例如是光纤通信，上述无线方式例如是蜂窝通信。获取审核后的控制方案后，信号机230根据该控制方案控制交通灯的通行规则和通行时间。
图2所示的系统是本申请提供的一个示例，适用于本申请的系统不限于此。
下面介绍本申请提供的审核控制方案的方法，该方法的执行设备例如是审核装置120。如图3所示，方法300包括以下内容。
S310，获取第一路口的信息和交通灯的目标控制方案。
第一路口的信息可以是实时信息，也可以是历史信息。第一路口的信息例如是下列与第一路口相关的信息中的一个或多个：车流量、车辆队列长度、突发事件信息、天气信息、高峰时段信息。第一路口的信息还可以包含其它内容，如第一路口周边是否举办大型活动的信息，本申请对第一路口的信息的具体内容不作限定。
目标控制方案可以是人工设定的，也可以是由设备(如生成装置110)生成的。
获取目标控制方案和第一路口的信息后，审核装置120可以执行下列步骤。
S320，将所述第一路口的信息和所述目标控制方案输入目标审核模型，获得第一通行效率，所述第一通行效率为所述目标控制方案应用于所述第一路口的通行效率，所述第一通行效率用于审核所述目标控制方案对所述第一路口的适用性。
目标审核模型是一个数学模型，该数学模型可以是神经网络，也可以是除神经网络 以外的其它数学模型。
可以将第一路口的信息和目标控制方案输入目标审核模型，输出的结果即第一通行效率。第一通行效率可以用下列参数中的一个或多个表示：车辆平均通行时间、车辆平均等待时间、车辆队列长度、二次排队次数、车辆平均延误时间。本申请对第一通行效率的具体表示方式不做限定。
第一通行效率用于确定是否部署目标控制方案，即，审核装置120可以根据所述第一通行效率确定是否在交通灯上部署目标控制方案。
若第一通行效率满足通行效率要求，则确定可以部署目标控制方案；若第一通行效率不满足通行效率要求，则确定不部署目标控制方案。
可以根据预设规则对第一通行效率打分确定其是否满足通行效率要求。例如，按照队列长度0为满分以及队列长度20米以上为0分的规则确定目标控制方案部署后的队列长度的得分。可以综合其它参数的得分确定第一通行效率的最终得分，最终得分可以是各个参数的得分的加权和。若最终得分达到及格分数线，则确定第一通行效率满足通行效率要求；若最终得分未达到及格分数线，则确定第一通行效率不满足通行效率要求。
本申请对确定第一通行效率是否满足通行效率要求的具体方式不做限定。
方法300在控制方案部署到交通灯上之前通过目标审核模型对控制方案的通行效率进行审核，以便于在通行效率满足要求时再在交通灯上部署控制方案，相比于在交通灯上部署控制方案后再进行调试，方法300可以避免因控制方案与路口的实际交通情况不匹配导致路口的通行效率下降。
上文介绍了本申请提供的审核交通灯控制方案的方法，可选地，在审核交通灯控制方案之前，可以通过训练初始审核模型生成目标审核模型；在交通灯控制方案审核完成之后，还可以对出目标审核模型进行优化。下面结合图4介绍本申请提供的训练初始审核模型以及对目标审核模型进行优化的方案。
如图4所示，审核装置220包括获取单元221、推理单元222和审核单元223。其中，获取单元221用于获取数据，如第一路口的信息。推理单元222用于将第一路口的信息和目标控制方案输入目标审核模型，从而获得第一通行效率，第一通行效率用于审核所述目标控制方案对所述第一路口的适用性；审核单元223用于根据第一通行效率确定是否在交通灯上部署目标控制方案。
可选地，推理单元222还用于通过目标审核模型确定目标控制方案应用在第一路口的安全性；审核单元223还用于根据安全性确定是否在交通灯上部署目标控制方案。例如，若安全性和第一通行效率均满足要求，则确定在交通灯上部署目标控制方案；若安全性和第一通行效率中的任意一个不满足要求，则确定不在交通灯上部署目标控制方案。
训练装置240包括获取单元241和训练单元242。
获取单元241用于获取训练数据，训练数据包括：多个训练控制方案，以及所述多个训练控制方案应用于第二路口后的实际通行效率。获取单元241还可以获取第二路口的信息，该信息用于确定第二路口的预测通行效率。第二路口与第一路口可以相同，也可以不同。
训练单元242用于通过初始审核模型确定训练控制方案应用于第二路口预测通行效率；根据第二路口的预测通行效率和实际通行效率训练初始审核模型。
上述第二路口的信息可以是真实的路口信息，如历史路口信息；该第二路口信息也 可以是模拟的路口信息，如仿真软件SUMO或VISSIM生成的路口信息。
第二路口的信息例如是下列与第二路口相关的信息中的一个或多个：车流量、队列长度、突发事件信息、天气信息、高峰时段信息。第二路口的信息还可以包含其它内容，如第二路口周边是否举办大型活动的信息，本申请对第二路口的信息的具体内容不作限定。
训练控制方案是用于训练初始审核模型的控制方案，其应用于第二路口的实际通行效率是已知的，其中，该实际通行效率可以用下列参数中的一个或多个表示：车辆平均通行时间、车辆平均等待时间、车辆队列长度、二次排队次数、车辆平均延误时间。本申请对第二通行效率的具体表示方式不做限定。
训练初始审核模型的过程如图5所示。训练单元242可以包括推理单元2421和反馈单元2422。
推理单元2421从获取单元241获取第二路口的信息和训练控制方案，将第二路口的信息和训练控制方案输入初始审核模型进行推理，得到预测通行效率。
反馈单元2422获取预测通行效率预测值和实际通行效率，并计算这两个通行效率的差距，随后向推理单元2421反馈该差距。
若预测通行效率和实际通行效率的差距满足要求，说明初始审核模型能够正确推导出训练控制方案的通行效率，推理单元2421确定初始审核模型已完成训练，可以向审核装置220输出训练完成的初始审核模型(即，目标审核模型)；若预测通行效率和实际通行效率的差距不满足要求，说明初始审核模型不能正确推导出训练控制方案的通行效率，推理单元2421可以继续训练初始审核模型，直到反馈单元2422反馈的差距满足要求。
上述初始审核模型可以是神经网络，也可以是除神经网络之外的其它数学模型，本申请对初始审核模型的具体内容以及训练方法不做限定。
通过训练装置240的处理，审核装置220能够获得可用的审核模型(即，目标审核模型)，提高审核结果的准确性。
上文介绍了审核装置220审核交通灯的控制方案前的处理过程，下面介绍审核装置220审核交通灯的控制方案后的处理过程。
审核装置220输出审核结果后的处理过程由优化装置250执行。优化装置250包括获取单元251和优化单元252。
获取单元251用于获取第一路口的实时信息和目标控制方案应用于第一路口的实际通行效率。
优化单元252用于通过目标审核模型和第一路口的实时信息确定目标控制方案应用于所述第一路口的预测通行效率；优化单元252还用于根据第一路口的预测通行效率和第一路口的实际通行效率优化目标审核模型。
优化目标审核模型的过程如图6所示。优化单元252可以包括推理单元2521和反馈单元2522。
推理单元2521从获取单元251获取第一路口的实时信息和目标控制方案，将第一路口的实时信息和目标控制方案输入目标审核模型进行推理，得到第一路口的预测通行效率。
反馈单元2522获取第一路口的预测通行效率和第一路口的实际通行效率，并计算这 两个通行效率的差距，随后向推理单元2521反馈该差距。
若第一路口的预测通行效率和第一路口的实际通行效率的差距满足要求，说明目标审核模型能够正确推导出目标控制方案的通行效率，推理单元2521确定目标审核模型已完成优化，可以向审核装置220输出更新的目标审核模型(即，经过优化的目标审核模型)；若第一路口的预测通行效率和第一路口的实际通行效率的差距不满足要求，说明目标审核模型不能正确推导出目标控制方案的通行效率，推理单元2521可以继续优化目标审核模型，直到反馈单元2522反馈的差距满足要求。
由于优化装置250优化目标审核模型所使用的数据均为实时数据和实时通行效率，实时数据和实时通行效率相比于训练装置240使用的训练数据更加贴合实际交通场景，通过优化装置250的处理，审核装置220能够实时获得性能更加完善的目标审核模型，提高审核结果的准确性。
应理解，审核装置220、训练装置240和优化装置250可以独立设置，也可以集成设置，例如，可以将审核装置220、训练装置240和优化装置250中的任意两个装置集成在一起，也可以将该三个装置集成在一起。在一些实施例中，训练装置240可以部署在云数据中心，审核装置220和优化装置250可以部署在边缘数据中心。
上文详细介绍了本申请提供的审核交通灯控制方案的方法和装置的示例。可以理解的是，相应的装置为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
例如，可以将不同的功能划分为不同的功能单元，也可以将两个或两个以上的功能集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本申请中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
下面介绍本申请提供的一种用于审核交通灯控制方案的设备的结构示意图。如图7所示，图7中的虚线表示该单元或该模块为可选的。设备700可用于实现上述方法实施例中描述的方法。设备700可以是终端设备或服务器或芯片。
设备700包括一个或多个处理器701，该一个或多个处理器701可支持设备700实现方法实施例中的方法。处理器701可以是通用处理器或者专用处理器。例如，处理器701可以是中央处理器(central processing unit，CPU)。CPU可以用于对设备700进行控制，执行软件程序，处理软件程序的数据。设备700还可以包括通信单元705，用以实现信号的输入(接收)和输出(发送)。
例如，设备700可以是芯片，通信单元705可以是该芯片的输入和/或输出电路，或者，通信单元705可以是该芯片的通信接口，该芯片可以作为终端设备或网络设备或其它设备的组成部分。
又例如，设备700可以是终端设备或服务器，通信单元705可以是该终端设备或该服务器的收发器，或者，通信单元705可以是该终端设备或该服务器的收发电路。
设备700中可以包括一个或多个存储器702，其上存有程序704，程序704可被处理 器701运行，生成指令703，使得处理器701根据指令703执行上述方法实施例中描述的方法。可选地，存储器702中还可以存储有数据(如目标审核模型)。可选地，处理器701还可以读取存储器702中存储的数据，该数据可以与程序704存储在相同的存储地址，该数据也可以与程序704存储在不同的存储地址。
处理器701和存储器702可以单独设置，也可以集成在一起，例如，集成在终端设备的系统级芯片(system on chip，SOC)上。
处理器701执行方法实施例(训练VAE的方法或压缩图像的方法或解压图像的方法)的具体方式可以参见方法实施例中的相关描述。
应理解，上述方法实施例的各步骤可以通过处理器701中的硬件形式的逻辑电路或者软件形式的指令完成。处理器701可以是CPU、数字信号处理器(digital signal processor，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field programmable gate array，FPGA)或者其它可编程逻辑器件，例如，分立门、晶体管逻辑器件或分立硬件组件。
本申请还提供了一种计算机程序产品，该计算机程序产品被处理器701执行时实现本申请中任一方法实施例所述的方法。
该计算机程序产品可以存储在存储器702中，例如是程序704，程序704经过预处理、编译、汇编和链接等处理过程最终被转换为能够被处理器701执行的可执行目标文件。
本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机执行时实现本申请中任一方法实施例所述的方法。该计算机程序可以是高级语言程序，也可以是可执行目标程序。
该计算机可读存储介质例如是存储器702。存储器702可以是易失性存储器或非易失性存储器，或者，存储器702可以同时包括易失性存储器和非易失性存储器。其中，非易失性存储器可以是只读存储器(read-only memory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(direct rambus RAM，DR RAM)。
本领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和设备的具体工作过程以及产生的技术效果，可以参考前述方法实施例中对应的过程和技术效果，在此不再赘述。
在本申请所提供的几个实施例中，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的方法实施例的一些特征可以忽略，或不执行。以上所描述的装置实施例仅仅是示意性的，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，多个单元或组件可以结合或者可以集成到另一个系统。另外，各单元之间的耦合或各个组件之间的耦合可以是直接耦合，也可以是间接耦合，上述耦合 包括电的、机械的或其它形式的连接。
应理解，在本申请的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请的实施例的实施过程构成任何限定。
另外，本文中术语“系统”和“网络”在本文中常被可互换使用。本文中的术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
总之，以上所述仅为本申请技术方案的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (14)
- 一种审核交通灯的控制方案的方法，其特征在于，所述方法包括：获取第一路口的信息和所述交通灯的目标控制方案；将所述第一路口的信息和所述目标控制方案输入至目标审核模型，获得第一通行效率，所述第一通行效率表示所述目标控制方案应用于所述第一路口的预测的通行效率，所述第一通行效率用于审核所述目标控制方案对所述第一路口的适用性。
- 根据权利要求1所述的方法，其特征在于，所述目标审核模型是根据训练数据训练后的神经网络模型，所述训练数据包括：多个训练控制方案，以及所述多个训练控制方案应用于第二路口后的实际通行效率。
- 根据权利要求1或2所述的方法，其特征在于，所述方法还包括：获取所述目标控制方案应用于所述第一路口的实际通行效率；根据所述第一路口的实时信息、所述目标控制方案、以及所述目标控制方案应用于所述第一路口的实际通行效率，优化所述目标审核模型。
- 根据权利要求1至3中任一项所述的方法，其特征在于，所述预测的通行效率包括以下参数中的至少一个：车辆平均通行时间、车辆平均等待时间、车辆队列长度、二次排队次数、车辆平均延误时间。
- 根据权利要求1至4中任一项所述的方法，其特征在于，所述第一路口的信息包括以下信息中的至少一个：车流量、车辆队列长度、突发事件信息、天气信息、高峰时段信息。
- 根据权利要求1至5中任一项所述的方法，其特征在于，所述方法还包括：通过所述目标审核模型确定所述目标控制方案应用在所述第一路口的安全性。
- 一种审核交通灯的控制方案的装置，其特征在于，所述装置包括获取单元和推理单元，所述获取单元用于：获取第一路口的信息和所述交通灯的目标控制方案；所述推理单元用于：将所述第一路口的信息和所述目标控制方案输入至目标审核模型，获得第一通行效率，所述第一通行效率表示所述目标控制方案应用于所述第一路口的预测的通行效率，所述第一通行效率用于审核所述目标控制方案对所述第一路口的适用性。
- 根据权利要求7所述的装置，其特征在于，所述目标审核模型是根据训练数据训练后的神经网络模型，所述训练数据包括：多个训练控制方案，以及所述多个训练控制方案应用于第二路口后的实际通行效率。
- 根据权利要求7或8所述的装置，其特征在于，所述获取单元还用于：获取所述目标控制方案应用于所述第一路口的实际通行效率；所述推理单元还用于：根据所述第一路口的实时信息、所述目标控制方案、以及所述目标控制方案应用于所述第一路口的实际通行效率，优化所述目标审核模型。
- 根据权利要求7至9中任一项所述的装置，其特征在于，所述预测的通行效率包括以下参数中的至少一个：车辆平均通行时间、车辆平均等待时间、车辆队列长度、二次排队次数、车辆平均延误时间。
- 根据权利要求7至10中任一项所述的装置，其特征在于，所述第一路口的信息包括以下信息中的至少一个：车流量、车辆队列长度、突发事件信息、天气信息、高峰时段信息。
- 根据权利要求7至11中任一项所述的装置，其特征在于，所述推理单元还用于：通过所述目标审核模型确定所述目标控制方案应用在所述第一路口的安全性。
- 一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储了计算机程序，当所述计算机程序被处理器执行时，使得处理器执行权利要求1至6中任一项所述的方法。
- 一种审核交通灯的控制方案的设备，其特征在于，所述设备包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于从所述存储器中调用并运行所述计算机程序，使得所述设备执行权利要求1至6中任一项所述的方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010230719.XA CN113450559B (zh) | 2020-03-27 | 2020-03-27 | 审核交通灯的控制方案的方法和装置 |
| CN202010230719.X | 2020-03-27 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2021190176A1 true WO2021190176A1 (zh) | 2021-09-30 |
Family
ID=77807920
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2021/075302 WO2021190176A1 (zh) | 2020-03-27 | 2021-02-04 | 审核交通灯的控制方案的方法和装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN113450559B (zh) |
| WO (1) | WO2021190176A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115440063A (zh) * | 2022-09-01 | 2022-12-06 | 的卢技术有限公司 | 交通信号灯的控制方法、装置、计算机设备和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102915636A (zh) * | 2012-10-19 | 2013-02-06 | 北京工业大学 | 交通信号机控制策略综合性能有效性测试系统及方法 |
| US20150073687A1 (en) * | 2013-09-09 | 2015-03-12 | International Business Machines Corporation | Traffic control agency deployment and signal optimization for event planning |
| CN108805348A (zh) * | 2018-06-05 | 2018-11-13 | 北京京东金融科技控股有限公司 | 一种交叉口信号配时控制优化的方法和装置 |
| CN109360429A (zh) * | 2018-12-13 | 2019-02-19 | 武汉摩尔数据技术有限公司 | 一种基于模拟优化的城市道路交通调度方法及系统 |
| CN109800908A (zh) * | 2018-12-27 | 2019-05-24 | 北京交通大学 | 基于lstm模型的信号交叉口运行状态预测方法和系统 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008077560A (ja) * | 2006-09-25 | 2008-04-03 | Fujitsu Ten Ltd | 制御装置の試験システム |
| CN103050016B (zh) * | 2012-12-24 | 2015-03-25 | 中国科学院自动化研究所 | 一种基于混合推荐的交通信号控制方案实时选取方法 |
| CN105844926B (zh) * | 2016-05-20 | 2018-05-22 | 深圳市喜悦智慧数据有限公司 | 一种交通灯控制方法、装置及系统 |
| CN107134156A (zh) * | 2017-06-16 | 2017-09-05 | 上海集成电路研发中心有限公司 | 一种基于深度学习的智能交通灯系统及其控制交通灯的方法 |
| CN108091137B (zh) * | 2017-12-19 | 2020-05-05 | 迈锐数据（北京）有限公司 | 一种信号灯控制方案的评价方法及装置 |
| CN109191875B (zh) * | 2018-09-17 | 2020-12-29 | 杭州中奥科技有限公司 | 信号控制方案生成方法及装置 |
| CN109598940B (zh) * | 2018-09-27 | 2023-02-28 | 浙江宇视科技有限公司 | 路口信号灯配时方法及装置 |
| CN110164148B (zh) * | 2019-05-28 | 2021-12-28 | 成都信息工程大学 | 一种城市路口交通灯智能配时控制方法及控制系统 |
-
2020
- 2020-03-27 CN CN202010230719.XA patent/CN113450559B/zh active Active
-
2021
- 2021-02-04 WO PCT/CN2021/075302 patent/WO2021190176A1/zh active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102915636A (zh) * | 2012-10-19 | 2013-02-06 | 北京工业大学 | 交通信号机控制策略综合性能有效性测试系统及方法 |
| US20150073687A1 (en) * | 2013-09-09 | 2015-03-12 | International Business Machines Corporation | Traffic control agency deployment and signal optimization for event planning |
| CN108805348A (zh) * | 2018-06-05 | 2018-11-13 | 北京京东金融科技控股有限公司 | 一种交叉口信号配时控制优化的方法和装置 |
| CN109360429A (zh) * | 2018-12-13 | 2019-02-19 | 武汉摩尔数据技术有限公司 | 一种基于模拟优化的城市道路交通调度方法及系统 |
| CN109800908A (zh) * | 2018-12-27 | 2019-05-24 | 北京交通大学 | 基于lstm模型的信号交叉口运行状态预测方法和系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115440063A (zh) * | 2022-09-01 | 2022-12-06 | 的卢技术有限公司 | 交通信号灯的控制方法、装置、计算机设备和存储介质 |
| CN115440063B (zh) * | 2022-09-01 | 2023-12-05 | 的卢技术有限公司 | 交通信号灯的控制方法、装置、计算机设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113450559B (zh) | 2023-02-03 |
| CN113450559A (zh) | 2021-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022121510A1 (zh) | 基于随机策略梯度的交通信号控制方法、系统及电子设备 | |
| WO2021238262A1 (zh) | 一种车辆识别方法、装置、设备及存储介质 | |
| DE112017002604T5 (de) | Systeme und Verfahren für das maschinelle Lernen unter Verwendung eines vertrauenswürdigen Modells | |
| US10109196B2 (en) | Real-time monitoring and diagnostic processing of traffic control data | |
| DE102018006015A1 (de) | Globale und lokale Zeitschrittbestimmungsschemata für neuronale Netzwerke | |
| KR102161902B1 (ko) | 신경망 모델에 대한 훈련 방법, 장치 및 전자 장치 | |
| WO2021180245A1 (zh) | 一种服务器、数据处理方法、装置及可读存储介质 | |
| WO2021190176A1 (zh) | 审核交通灯的控制方案的方法和装置 | |
| US11614941B2 (en) | System and method for decoupling operations to accelerate processing of loop structures | |
| EP2983117A1 (en) | Event processing method in stream processing system and stream processing system | |
| EP4145345A1 (en) | Data annotation method and device, and fine granularity identification method and device | |
| CN109359732A (zh) | 一种芯片及基于其的数据处理方法 | |
| DE10333087A1 (de) | Verfahren zum automatischen Zerlegen von dynamischen Systemmodellen in Teilmodelle | |
| WO2020253038A1 (zh) | 一种模型构建方法及装置 | |
| CN112818025A (zh) | 试题生成方法、装置和系统、计算机存储介质和程序产品 | |
| CN114444718B (zh) | 机器学习模型的训练方法、信号控制方法和装置 | |
| Gora et al. | Training neural networks to approximate traffic simulation outcomes | |
| WO2022178971A1 (zh) | 一种数据处理方法、装置、设备以及可读介质 | |
| Igarashi et al. | Formal Verification of the Lim-Jeong-Park-Lee Autonomous Vehicle Control Protocol using the OTS/CafeOBJ Method. | |
| CN112434817B (zh) | 构建通信算法数据库的方法、装置和计算机存储介质 | |
| Cabanes et al. | A complete multi-CPU/FPGA-based design and prototyping methodology for autonomous vehicles: Multiple object detection and recognition case study | |
| US9483332B2 (en) | Event processing method in stream processing system and stream processing system | |
| CN110866538B (zh) | 车辆轨迹数据获取方法、装置、计算机设备和存储介质 | |
| CN110991643B (zh) | 一种模型部署方法、装置、电子设备及存储介质 | |
| US20220412771A1 (en) | Method for Optimizing Map Data, Device and Storage Medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 21776433 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 21776433 Country of ref document: EP Kind code of ref document: A1 |