CN107730890B - 一种基于实时场景下车流车速预测的智能交通方法 - Google Patents
一种基于实时场景下车流车速预测的智能交通方法 Download PDFInfo
- Publication number
- CN107730890B CN107730890B CN201711095733.8A CN201711095733A CN107730890B CN 107730890 B CN107730890 B CN 107730890B CN 201711095733 A CN201711095733 A CN 201711095733A CN 107730890 B CN107730890 B CN 107730890B
- Authority
- CN
- China
- Prior art keywords
- traffic
- light control
- comprehensive information
- information
- traffic light
- 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.)
- Active
Links
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
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
- G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于实施场景下车流车速预测的智能交通方法,包括:采集交通道口的视频信息;根据采集的视频信息,分析出交通综合信息,将交通综合信息载入历史交通综合信息;根据历史交通综合信息构建交通模型,预测出交通道口在未来预定时间节点的预测交通综合信息;根据预测交通综合信息,生成该交通道口的交通灯控制信号;根据交通灯控制信号,控制交通道***通灯的执行。本发明通过现有监控***,获取交通数据,通过建模,制定未来时间点的交通灯控制方案,再及时修正,保证了以简单结构对交通灯进行控制,及时性高,交通控制效果好,实时匹配度高,可有效避免交通道口的拥堵情况。
Description
技术领域
本发明涉及交通控制领域,尤其是一种基于实时场景下车流车速预测的智能交通方法。
背景技术
随着国民经济的高速发展和城市化进程的加快,我国机动车拥有量及道路交通量急剧增加。尤其是在大城市,交通拥挤阻塞以及由此导致的交通事故增加和环境污染的加剧,是我国城市面临的极其严重的问题之一,而且它们现已成为国民经济进一步发展的瓶颈问题。基于此,智能交通***应运而生,它的本质就是通过信息技术的有效应用,最大限度地发挥已有交通基础设施和潜力,并引导合理的交通行为。而车流车速的检测,实时交通场景的检测是智能交通***的基础和核心。目前就有多种方法检测车流车速,例如:电磁感应装置法、声学检测***法、激光雷达检测法和车流信息的超声波检测法。它们都具有高性能、精度高、体积小、操作方便等特点。但实际上,或者是因为前进中的车辆速度、种类始终变化,所以普遍存在反射信号不稳定,测量误差大的问题;或者是因为成本高昂,需要组织施工,破坏路面等问题。
随着计算机技术,图像处理技术,人工智能和模式识别,自动控制技术,以及电子传感器技术等技术的发展,对实时场景下车流车速有效检测和预测的智能交通成为可能。采用图像检测方法具有很多优点:比如其检测的覆盖范围大,检测的参数多;安装简单,维护方便,不破坏路面,工程造价低;适用面广,可以适用于路段,交叉路口等;而且能够实现全天候检测。
目前,现有的图像检测技术在智能交通对车流车速进行检测方面的方法主要有两种,要么是基于图像序列中时间信息的,要么是基于图像序列中空间信息的,比如:
1)光流法,当目标运动时,图像上对应目标的亮度信息(光流)也相应的运动。这样,根据时间上相邻的几帧图像可以计算出各像素点运动的大小和方向,从而利用运动场来区分背景和运动目标。由于要依赖光流估计的准确程度,大多数计算方法相当复杂并且计算量特别大,所以除非有特殊的硬件支持,否则很难实现实时检测。
2)背景减法,将实时视频流中的图像像素点灰度值与事先已存储或实时得到的视频背景模型中的相应值比较,不符合要求的像素点被认为是运动像素,这是视频监控中最常用的运动检测方法。这种方法对光照和外部条件造成的环境变化过于敏感,常常会将运动目标的阴影错误的检测为其自身的一部分。
专利号为:CN201520661277.9(公开日期:2016.01.06)的专利公开了一种基于监控图像分析的车流量检测***,包括图像采集端、客户端、服务器端和交通处理***,采集端悬置于路面交通网上的交通道和交通路口,采集路车辆图片信息并发送至客户端;客户端接收车辆图片信息,分析出车辆综合信息并发送至服务器端和交通处理***,车辆综合信息综包括车型、车号、车流、车速。服务器端根据车辆综合信息生成控制交通信号灯的控制信号,将控制信号发送至交通处理***;交通处理***根据控制信号控制交通信号灯,以疏导路面交通;且交通处理***根据车辆综合信息,判断交通阻塞时向服务器端发出警报。该***公开了通过监控视频数据控制交通灯的方案,但其需要实时对交通数据进行计算,计算量庞大,相应计算设备的功耗高;同时,该专利未具体公开交通灯控制方案,在高效控制交通信号灯方面,存在明显不足。
发明内容
本发明的发明目的在于:针对上述存在的问题,提供一种基于实时场景下车流车速预测的智能交通方法,通过较小的计算量,解决基于视频图像的,对各路交通灯的合理控制问题。
为解决上述全部或部分问题,本发明采用的技术方案如下:
一种基于实施场景下车流车速预测的智能交通方法,包括:
S100:采集交通道口的视频信息;
S200:根据采集的所述视频信息,分析出交通综合信息,所述交通综合信息包括车流和车速;优选的,还可包括车型;
S300:将所述交通综合信息载入历史交通综合信息;
S400:根据所述历史交通综合信息构建交通模型,预测出所述交通道口在未来预定时间节点的预测交通综合信息;
S500:根据所述预测交通综合信息,生成该交通道口的交通灯控制信号;
S600:根据所述交通灯控制信号,控制所述交通道***通灯的执行。
上述方案,通过视频采集及进一步处理得到交通综合信息,实现了通过简单结构获取交通综合信息的方案,避免了利用地感线圈或其它感应器需破坏/改造路面/道路周围环境的情况。通过对历史交通数据的建模,实现了对未来时间节点该交通道***通综合信息的预测,从而制定未来时间节点适用的交通灯控制方案。该方案通过历史交通数据,实现对交通道***通灯的合理控制,解决了需人工控制的人力成本和人工无法完成的多道口联合控制的问题。
进一步的,上述S400具体为:
S4001:接收所述历史交通综合信息,根据所述历史交通综合信息构建交通模型;还判断当前时间点是否为预设时间节点,若是,则执行S4002,否则,执行S4004;
S4002:根据S100-S200的方法,获取实时交通综合信息;
S4003:根据所述实时交通综合信息对所述交通模型进行修正;
S4004:根据所述交通模型,预测出所述交通道口在未来预定时间节点的预测交通综合信息。
上述方案中,在预定时间节点获取实时交通综合信息,进一步对交通模型进行修正,保证了交通灯控制规则与实时环境的匹配度。同时,采用实时修正而非重新建模的方式,减少了预测的计算量,极大地提高了预测的及时性。
作为优选,上述S4001中,通过回归分析法构建所述交通模型。
基于该方案的交通模型构建过程,无需庞大的数据计算量,从而保证了预测的及时性;同时,保证了交通模型与实际场景的吻合度,从而提高预测准确性。
作为优选,上述S300中,以循环存储模式将所述交通综合信息载入历史交通综合信息。即在存储历史交通综合信息的空间已满时,将载入的新的交通综合信息自动覆盖原历史交通综合信息中,最先存入的交通综合信息,空间仍不足的,继续覆盖次先存入的交通综合信息,以此类推。
上述方案,一方面,可保证建模数据为最接近实时情况的数据,另一方面,实现了无需配置庞大的数据存储空间来满***通综合信息的存储,从而精简结构,提高***的稳定性。
作为优选,上述预设时间节点为:以预定时间间隔设置的时间点。
通过上述方案,在每隔预定时间间隔则对交通模型进行一次修正,一方面,避免了实时修正带来的庞大计算量,从而提高了预测的及时性;另一方面,也满***通模型与实时交通路况的匹配程度,满足智能交通控制的需求。
上述预定时间间隔可根据具体使用场景适当设定,或参考设置的硬件处理速度设定。
进一步的,在上述S100前,还包括:
S001:实时等待接收场景选择信号;若接收到场景选择信号,则执行S101,否则,执行所述S100;
S101:根据所述场景选择信号,选择预设的交通灯控制信号,执行S600。
上述场景选择信号为:针对预设的若干特殊场景所对应的信号,还针对该若干特殊场景,预设了相应的交通灯控制信号;即选定某一特殊场景,发出选择该特殊场景的场景选择信号,则选择对应于该特殊场景的交通灯控制信号。
本方案综合考虑了道路在特殊使用场景下的应用,通过预设相应的交通灯控制规则,生成与特殊场景相应的交通灯控制信号,完成对相应交通灯的控制。本方案通过提前制定相应规则,且在执行中,以高优先级执行,从而可靠地解决相应场景的临时调用问题。
进一步的,在上述S101在执行S600后,还包括:实时等待接收场景取消信号;若接收到场景取消信号,则执行S100。
上述方案,实现对特殊场景环境消除后,与正常场景交通灯控制规则之间的及时转换,以保证交通控制的连续性和实时适配性。
进一步的,上述S500具体为:
S5001:根据所述预测交通综合信息中包含的相对方向的车流量信息,生成所述相对方向的交通灯控制分信号;和并行的
S5002:根据所述预测交通综合信息中包含的左转方向的车流量信息,生成所述左转方向的交通灯控制分信号;
S5003:将所述相对方向的交通灯控制分信号和所述左转方向的交通灯控制分信号进行组合,生成交通灯控制信号。
上述相对方向为由西向东与由东向西,或者由南向北与由北向南,或者前相应水平上的转向。上述左转向为由东向南、由南向西、由西向北或由北向东,或相应水平上的转向。
上述方案通过分别对直线行驶和转向行驶的车流进行相应交通控制规则的制定,一方面,整体地解决了通用***通道口的交通灯控制规则的制定,另一方面,各向的分别计算,可有效减轻综合计算的复杂度,提高计算结果的准确性和及时性。
作为优选,上述相对方向的车流量信息包括:所述相对方向的车流量和所述相对方向的车流量比例。
考虑进相对方向的车流量比例,可提高交通灯控制的合理性。例如由东向西方向车流量为N,由西向东方向车流量为M,则在生成东西方向的交通灯控制分信号时,向西放行时间与向东放行时间比值优选为1~M:N。因此,在合理范围内,可有效保证相向车流在道口的堆积程度。
进一步的,上述各交通灯控制分信号(即相对方向的交通灯控制分信号和左转方向的交通灯控制分信号)设有初始值,所述各交通灯控制分信号的生成规则为:在所述初始值基础上按预定规则进行调整。
采用上述方案,通过在初始值上进行相应调整,在保证不启用调整方案的同时,交通灯也能正常运转;同时,通过预定规则的调整,严肃了交通灯控制规则的制度,便于从整体上进行管理,避免了根据车流量进行调整的过程中,各路交通灯控制分信号的不规则性。
作为优选,上述预定规则为:以预定时长的倍数进行调整。
通过在初始值基础上进行预定时长的整数倍增/减,便于交通灯控制的管理,同时,增加在初始值基础上调整的有效性。如初始值为K秒,规定以5秒为基础做整数倍调整,如(K-5)秒、(K+10)秒等,避免了根据实时量计算出现分数或无实际意义调整量的情况。
进一步的,上述各交通灯控制分信号设有预定阈值,所述生成的各交通灯控制分信号处于所述预定阈值中。
上述方案,通过设定阈值,保证各路车辆都在预定时长内才可同行,在尽可能保障车流量较多方向的通行量时,避免了因某一方向车流量较多,而影响到其它路车辆的通行,从而造成其它路车辆的堆积的情况。
为解决上述全部或部分问题,本发明提供了一种基于实时场景下车流车速预测的智能交通***,包括:
图像采集模块,用于采集交通道口的视频信息;
车辆检测模块,用于根据所述图像采集模块采集的所述视频信息,分析出交通综合信息,所述交通综合信息包括车流和车速;
数据存储模块,用于存储所述车辆检索模块输出的所述交通综合信息,生成历史交通综合信息;
模型构建模块,用于根据所述数据存储模块生成的所述历史交通综合信息,构建交通模型,并根据所述交通模型,输出对所述交通道口在未来预定时间节点的预测交通综合信息;
交通策略模块,用于根据所述模型预测模块输出的所述预测交通综合信息,生成所述交通道口的交通灯控制信号;
交通控制模块,用于根据所述交通策略模块生成的所述交通灯控制信号,控制相应交通灯的执行。
进一步的,上述***还包括:模型修正模块,用于控制所述图像采集模块在预设时间点采集所述交通道口的视频数据,控制所述车辆检测模块根据所述图像采集模块采集的所述视频数据,分析出实时交通综合信息;并根据所述实时交通综合信息,对所述模型构建模块所构建的所述交通模型进行修正;
所述模型构建模块还用于,根据所述模型修正模块对所述交通模型的修正,对所述预测交通综合信息进行修正,从而实现对交通灯控制信号的修正。
进一步的,上述预设时间节点为:以预定时间间隔设置的时间点。
进一步的,所述***还包括:场景确认模块,用于接收场景选择信号,并根据所述场景选择信号,选择预设的交通灯控制信号,设定所述选择的预设的交通灯控制信号为最高优先级,并将所述选择的预设的交通灯控制信号发送给所述交通控制模块,以便于所述交通控制模块以所述选择的预设的交通灯控制信号控制交通灯的执行。
进一步的,上述场景确认模块还用于:接收场景取消信号,撤回向所述交通控制模块发送的所述交通灯控制信号,以使所述交通控制模块接收所述交通策略模块发送的交通灯控制信号。
进一步的,上述交通策略模块包括:
相向交通策略单元,用于根据所述模型构建模块输出的:所述预测交通综合信息中包含的相对方向的车流量信息,生成所述相对方向的交通灯控制分信号;
转向交通策略单元,用于根据所述模型构建模块输出的:所述预测交通综合信息中包含的左转方向的车流量信息,生成所述左转方向的交通灯控制分信号;
策略组合单元,用于将所述相向交通策略单元生成的:所述相对方向的交通灯控制分信号,和所述转向交通策略单元生成的:所述左转方向的交通灯控制分信号进行组合,生成交通灯控制信号。
进一步的,上述相对方向的车流量和所述相对方向的车流量比例。
进一步的,上述各交通灯控制分信号设有初始值,所述相向交通策略单元和所述转向交通策略单元生成相应交通灯控制分信号(即相向交通策略单元生成相对方向的交通灯控制分信号,转向交通策略单元生成左转方向的交通灯控制分信号)的生成规则为:在所述初始值基础上按预定规则进行调整。
进一步的,上述预定规则为:以预定时长的倍数进行调整。
进一步的,上述相向交通策略单元和转向交通策略单元设有预定阈值,两策略单元在所述预定阈值内,对相应的交通灯控制分信号进行调整。
进一步的,上述模型构建模块通过回归分析法构建所述交通模型。
作为优选,上述数据存储模块以循环存储模式存储所述交通综合信息。即在存储历史交通综合信息的空间已满时,将存入的新的交通综合信息自动覆盖原历史交通综合信息中,最先存入的交通综合信息,空间仍不足的,继续覆盖次先存入的交通综合信息,以此类推。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
通过本发明的提供的方案,可避免因采用地感线圈统计车流车速,在安装和维护时需破坏路面的情况,本方案无需额外安装数据采集设备,可直接利用现有监控网络;同时,通过一次建模,及时修正的方案,即保证了预测数据与实时交通的匹配度,又明显减小了建模所需数据计算量,及时性高,准确性好;预设特殊场景模式,以应对各种特殊环境所需,及时性高;以各方向车流为主要交通控制参考,再根据预设规则进行交通控制,可有效增加各方向的交通通行量,避免各方向的交通拥堵。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1是基于实时场景下车流车速预测的智能交通方法的流程图。
图2是预测交通综合信息预测方法流程图。
图3是交通灯控制信号生成流程图。
图4是基于实时场景下车流车速预测的智能交通***结构图。
图5是交通策略模块结构树图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要)中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
如图1所示,本实施例公开了一种基于实时场景下车流车速预测的智能交通方法,包括:
S001:实时等待接收场景选择信号;若接收到场景选择信号,则执行S101,否则,执行所述S100;
S101:根据所述场景选择信号,选择预设的交通灯控制信号,执行S600;实时等待接收场景取消信号;若接收到场景取消信号,则执行S100;
S100:采集交通道口的视频信息;为节省建设成本,该步骤可通过现有交通监控网络采集视频信息,优选的,监控点设于交通道口处,朝进入交通道口方向设置;
S200:根据采集的所述视频信息,分析出交通综合信息,所述交通综合信息包括车流和车速;优选的,还可包括车型;
S300:以循环存储模式,将所述交通综合信息载入历史交通综合信息;
S400:根据所述历史交通综合信息构建交通模型,预测出所述交通道口在未来预定时间节点的预测交通综合信息;
S500:根据所述预测交通综合信息,生成该交通道口的交通灯控制信号;
S600:根据所述交通灯控制信号,控制所述交通道***通灯的执行。
参照附图2,本实施例具体公开了预测未来时间点的预测交通综合信息方法,即上述实施例中的S400:
S4001:接收所述历史交通综合信息,根据所述历史交通综合信息,通过回归分析法构建交通模型;还判断当前时间点是否为预定时间间隔设置的时间点,若是,则执行S4002,否则,执行S4004;
S4002:根据S100-S200的方法,获取实时交通综合信息;
S4003:根据所述实时交通综合信息对所述交通模型进行修正;
S4004:根据所述交通模型,预测出所述交通道口在未来预定时间节点的预测交通综合信息。
参照附图3,本实施例具体公开了生成交通灯控制信号的过程,即上述实施例中的S500:
S5001:根据所述预测交通综合信息中包含的相对方向的车流量信息,生成所述相对方向的交通灯控制分信号;和并行的
S5002:根据所述预测交通综合信息中包含的左转方向的车流量信息,生成所述左转方向的交通灯控制分信号;
S5003:将所述相对方向的交通灯控制分信号和所述左转方向的交通灯控制分信号进行组合,生成交通灯控制信号。
上述各交通灯控制分信号(即相对方向的交通灯控制分信号和左转方向的交通灯控制分信号)设有初始值,所述各交通灯控制分信号的生成规则为:在所述初始值基础上按以预定时长的倍数进行调整,且上述各交通灯控制分信号设有预定阈值,所述生成的各交通灯控制分信号处于所述预定阈值中。上述相对方向的车流量信息包括:所述相对方向的车流量和所述相对方向的车流量比例。
举例说明:由东向西方向车流量为X,由西向东方向车流量为Y,规定初始值为40秒,对应车流量为N,规定以5秒为单位时间进行调整,规定阈值范围为30-50秒;规定车流量每增/减Z,则相应时间增/减一个单位时间,则有:0<X-N<Z,由东向西方向时间调整为40+5*(-1)=35秒,处于阈值范围内,为有效调整数据,2Z<Y-N<3Z,则由西向东方向时间调整为40+5*3=55秒,55秒超出阈值范围,则由西向东方向的调整时间为50秒。同时,再综合考虑东西方向车流量比,则向西放行时间与向东放行时间比值优选为1到Y:X之间的一个合理值,如上述Y:X=1.5,则向西放行时间与向东放行时间比值可取1到1.5之间的值,上述调整时间(1<50:35<1.5)处于该比值中,为可取调整方案。
参照附图4和5,本实施例公开了一种基于实时场景下车流车速预测的智能交通***,包括:
图像采集模块101,用于采集交通道口的视频信息;为节省建设成本,该图像采集模块101可为现有交通监控网络,优选的,采集点设于交通道口处,朝进入交通道口方向设置;
车辆检测模块102,用于根据所述图像采集模块101采集的所述视频信息,分析出交通综合信息,所述交通综合信息包括车流和车速;
数据存储模块103,用于以循环存储模式,存储所述车辆检索模块输出的所述交通综合信息,生成历史交通综合信息;
模型构建模块104,用于根据所述数据存储模块103生成的所述历史交通综合信息,通过回归分析法构建交通模型,并根据所述交通模型,输出对所述交通道口在未来预定时间节点的预测交通综合信息;还根据模型修正模块107对所述交通模型的修正,对预测交通综合信息进行修正;
模型修正模块107,用于控制所述图像采集模块101在以预定时间间隔设置的时间点采集所述交通道口的视频数据,控制所述车辆检测模块102根据所述图像采集模块101采集的所述视频数据,分析出实时交通综合信息;并根据所述实时交通综合信息,对所述模型构建模块104所构建的所述交通模型进行修正;
交通策略模块105,用于根据所述模型预测模块输出的所述预测交通综合信息,生成所述交通道口的交通灯控制信号;
场景确认模块108,用于接收场景选择信号,并根据所述场景选择信号,选择预设的交通灯控制信号,设定所述选择的预设的交通灯控制信号为最高优先级,并将所述选择的预设的交通灯控制信号发送给交通控制模块106,以便于交通控制模块106以选择的预设的交通灯控制信号控制交通灯的执行;还接收场景取消信号,撤回向交通控制模块106发送的所述交通灯控制信号,以使交通控制模块106接收所述交通策略模块105发送的交通灯控制信号;
交通控制模块106,用于根据所述交通策略模块105生成的所述交通灯控制信号,控制相应交通灯的执行。
进一步的,上述交通策略模块105包括:
相向交通策略单元105a,用于根据所述模型构建模块104输出的:所述预测交通综合信息中包含的相对方向的车流量信息,生成所述相对方向的交通灯控制分信号;该相对方向的车流量和所述相对方向的车流量比例
转向交通策略单元105b,用于根据所述模型构建模块104输出的:所述预测交通综合信息中包含的左转方向的车流量信息,生成所述左转方向的交通灯控制分信号;
策略组合单元105c,用于将所述相向交通策略单元105a生成的:所述相对方向的交通灯控制分信号,和所述转向交通策略单元105b生成的:所述左转方向的交通灯控制分信号进行组合,生成交通灯控制信号。
进一步的,上述各交通灯控制分信号设有初始值,所述相向交通策略单元105a和所述转向交通策略单元105b生成相应交通灯控制分信号(即相向交通策略单元105a生成相对方向的交通灯控制分信号,转向交通策略单元105b生成左转方向的交通灯控制分信号)的生成规则为:在所述初始值基础上以预定时长的倍数进行调整。同时,上述相向交通策略单元105a和转向交通策略单元105b设有预定阈值,两策略单元在所述预定阈值内,对相应的交通灯控制分信号进行调整。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (7)
1.一种基于实时场景下车流车速预测的智能交通方法,其特征在于,包括:
S100:采集交通道口的视频信息;
S200:根据采集的所述视频信息,分析出交通综合信息,所述交通综合信息包括车流和车速;
S300:将所述交通综合信息载入历史交通综合信息;
S400:根据所述历史交通综合信息构建交通模型,预测出所述交通道口在未来预定时间节点的预测交通综合信息;
S500:根据所述预测交通综合信息,生成该交通道口的交通灯控制信号;
S600:根据所述交通灯控制信号,控制所述交通道***通灯的执行;
所述S400具体为:
S4001:接收所述历史交通综合信息,根据所述历史交通综合信息通过回归分析法构建交通模型;还判断当前时间点是否为以预定时间间隔设置的时间点,若是,则执行S4002,否则,执行S4004;
S4002:根据S100-S200的方法,获取实时交通综合信息;
S4003:根据所述实时交通综合信息对所述交通模型进行修正;
S4004:根据所述交通模型,预测出所述交通道口在未来预定时间节点的预测交通综合信息。
2.如权利要求1所述的方法,其特征在于,在所述S100前,还包括:
S001:实时等待接收场景选择信号;若接收到场景选择信号,则执行S101,否则,执行所述S100;
S101:根据所述场景选择信号,选择预设的交通灯控制信号,执行S600。
3.如权利要求2所述的方法,其特征在于,所述S500具体为:
S5001:根据所述预测交通综合信息中包含的相对方向的车流量信息,生成所述相对方向的交通灯控制分信号;和并行的
S5002:根据所述预测交通综合信息中包含的左转方向的车流量信息,生成所述左转方向的交通灯控制分信号;
S5003:将所述相对方向的交通灯控制分信号和所述左转方向的交通灯控制分信号进行组合,生成交通灯控制信号。
4.如权利要求3所述的方法,其特征在于,所述相对方向的车流量信息包括:所述相对方向的车流量和所述相对方向的车流量比例。
5.如权利要求4所述的方法,其特征在于,各交通灯控制分信号设有初始值,所述各交通灯控制分信号的生成规则为:在所述初始值基础上按预定规则进行调整。
6.如权利要求5所述的方法,其特征在于,所述预定规则为:以预定时长的倍数进行调整。
7.如权利要求6所述的方法,其特征在于,所述各交通灯控制分信号设有预定阈值,所述生成的各交通灯控制分信号处于所述预定阈值中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711095733.8A CN107730890B (zh) | 2017-11-09 | 2017-11-09 | 一种基于实时场景下车流车速预测的智能交通方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711095733.8A CN107730890B (zh) | 2017-11-09 | 2017-11-09 | 一种基于实时场景下车流车速预测的智能交通方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107730890A CN107730890A (zh) | 2018-02-23 |
CN107730890B true CN107730890B (zh) | 2021-04-20 |
Family
ID=61214269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711095733.8A Active CN107730890B (zh) | 2017-11-09 | 2017-11-09 | 一种基于实时场景下车流车速预测的智能交通方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107730890B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109637135A (zh) * | 2018-12-29 | 2019-04-16 | 江苏工程职业技术学院 | 一种基于计算机网络的环境视频监控预警*** |
CN112614443A (zh) * | 2020-12-24 | 2021-04-06 | 玺美车众数字传媒科技(上海)有限公司 | 可进行车流统计与车主人群画像抓取并分析的智能灯箱 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6662141B2 (en) * | 1995-01-13 | 2003-12-09 | Alan R. Kaub | Traffic safety prediction model |
CN101038700A (zh) * | 2007-04-20 | 2007-09-19 | 东南大学 | 单点信号控制交叉口的混合控制方法 |
CN101783075A (zh) * | 2010-02-05 | 2010-07-21 | 北京科技大学 | 一种城市环形道路交通流预测*** |
CN102737513A (zh) * | 2011-04-07 | 2012-10-17 | 张谞博 | 新型信号交叉口延误模型计算方法 |
CN103050016A (zh) * | 2012-12-24 | 2013-04-17 | 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 |
CN103247177A (zh) * | 2013-05-21 | 2013-08-14 | 清华大学 | 大规模路网交通流实时动态预测*** |
CN103383816A (zh) * | 2013-07-01 | 2013-11-06 | 青岛海信网络科技股份有限公司 | 复用电子警察混合交通流检测的交通信号控制方法及装置 |
EP2478508B1 (en) * | 2009-09-16 | 2014-12-17 | Road Safety Management Ltd | Traffic signal control system and method |
CN106530762A (zh) * | 2016-12-26 | 2017-03-22 | 东软集团股份有限公司 | 交通信号控制方法和装置 |
CN106600993A (zh) * | 2017-02-17 | 2017-04-26 | 重庆邮电大学 | 一种基于rfid数据的路口车辆分流量预测方法 |
CN106663373A (zh) * | 2014-08-19 | 2017-05-10 | 高通股份有限公司 | 用于交通效率和流控制的***和方法 |
CN106875702A (zh) * | 2017-04-11 | 2017-06-20 | 冀嘉澍 | 一种基于物联网的十字路***通灯控制方法 |
CN106971567A (zh) * | 2017-05-18 | 2017-07-21 | 上海博历机械科技有限公司 | 一种交通路段车辆排队视频检测*** |
CN106971545A (zh) * | 2017-05-16 | 2017-07-21 | 青岛大学 | 一种公交车到站时间预测方法 |
CN106997670A (zh) * | 2017-06-02 | 2017-08-01 | 攀枝花学院 | 基于视频的交通信息实时采集*** |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101206801B (zh) * | 2007-12-17 | 2011-04-13 | 青岛海信网络科技股份有限公司 | 一种自适应交通控制方法 |
TW201115518A (en) * | 2009-10-27 | 2011-05-01 | hui-de Cai | Symmetric chain control method for regional traffic signal to improve city traffic jam |
CN102087794B (zh) * | 2009-12-02 | 2014-04-16 | 丁靖宇 | 智能型交通信号灯及网络形成技术 |
WO2011126215A2 (ko) * | 2010-04-09 | 2011-10-13 | 고려대학교 산학협력단 | 양방향 통신 기능을 결합한 차량용 네비게이터 기반 실시간 교통망 구조 제어와 연계한 교통 흐름 제어 및 동적 경로 제공 시스템 및 그 방법 |
CN101976510A (zh) * | 2010-10-26 | 2011-02-16 | 隋亚刚 | 高清视频检测条件下的交叉口机动车信号优化控制方法 |
CN102074117B (zh) * | 2010-12-28 | 2013-07-17 | 同济大学 | 道路分区域短程同步控制方法 |
CN102063794B (zh) * | 2011-01-14 | 2012-09-26 | 隋亚刚 | 基于占有率数据的城市快速路自动事件检测和协同指挥调度*** |
CN102142197B (zh) * | 2011-03-31 | 2013-11-20 | 汤一平 | 基于全方位计算机视觉的智能交通信号灯控制装置 |
US10121370B2 (en) * | 2014-09-20 | 2018-11-06 | Mohamed Roshdy Elsheemy | Comprehensive traffic control system |
CN104637317B (zh) * | 2015-01-23 | 2017-01-04 | 同济大学 | 一种基于实时车辆轨迹的交叉口感应信号控制方法 |
CN204440651U (zh) * | 2015-02-15 | 2015-07-01 | 南京信息工程大学 | 一种基于车流量的智能红绿灯控制*** |
-
2017
- 2017-11-09 CN CN201711095733.8A patent/CN107730890B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6662141B2 (en) * | 1995-01-13 | 2003-12-09 | Alan R. Kaub | Traffic safety prediction model |
CN101038700A (zh) * | 2007-04-20 | 2007-09-19 | 东南大学 | 单点信号控制交叉口的混合控制方法 |
EP2478508B1 (en) * | 2009-09-16 | 2014-12-17 | Road Safety Management Ltd | Traffic signal control system and method |
CN101783075A (zh) * | 2010-02-05 | 2010-07-21 | 北京科技大学 | 一种城市环形道路交通流预测*** |
CN102737513A (zh) * | 2011-04-07 | 2012-10-17 | 张谞博 | 新型信号交叉口延误模型计算方法 |
CN103050016A (zh) * | 2012-12-24 | 2013-04-17 | 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 |
CN103247177A (zh) * | 2013-05-21 | 2013-08-14 | 清华大学 | 大规模路网交通流实时动态预测*** |
CN103383816A (zh) * | 2013-07-01 | 2013-11-06 | 青岛海信网络科技股份有限公司 | 复用电子警察混合交通流检测的交通信号控制方法及装置 |
CN106663373A (zh) * | 2014-08-19 | 2017-05-10 | 高通股份有限公司 | 用于交通效率和流控制的***和方法 |
CN106530762A (zh) * | 2016-12-26 | 2017-03-22 | 东软集团股份有限公司 | 交通信号控制方法和装置 |
CN106600993A (zh) * | 2017-02-17 | 2017-04-26 | 重庆邮电大学 | 一种基于rfid数据的路口车辆分流量预测方法 |
CN106875702A (zh) * | 2017-04-11 | 2017-06-20 | 冀嘉澍 | 一种基于物联网的十字路***通灯控制方法 |
CN106971545A (zh) * | 2017-05-16 | 2017-07-21 | 青岛大学 | 一种公交车到站时间预测方法 |
CN106971567A (zh) * | 2017-05-18 | 2017-07-21 | 上海博历机械科技有限公司 | 一种交通路段车辆排队视频检测*** |
CN106997670A (zh) * | 2017-06-02 | 2017-08-01 | 攀枝花学院 | 基于视频的交通信息实时采集*** |
Also Published As
Publication number | Publication date |
---|---|
CN107730890A (zh) | 2018-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110376594B (zh) | 一种基于拓扑图的智能导航的方法和*** | |
WO2018217806A1 (en) | Road traffic control system, method, and electronic device | |
CN111613070B (zh) | 交通信号灯控制方法、装置、电子设备和计算机存储介质 | |
CN108932470B (zh) | 图像处理***、图像处理方法、信息处理装置和记录介质 | |
CN111968370B (zh) | 一种微波雷达智能可变车道感知***及方法 | |
CN113807270A (zh) | 道路拥堵检测方法、装置及电子设备 | |
US11798408B2 (en) | Green wave speed determination method, electronic device and storage medium | |
CN112462774A (zh) | 一种基于无人机航行跟随的城市道路监管方法、***及可读存储介质 | |
CN105046954A (zh) | 基于视频智能分析的路口通行状态动态检测***及方法 | |
CN107730890B (zh) | 一种基于实时场景下车流车速预测的智能交通方法 | |
Gloudemans et al. | Interstate-24 motion: Closing the loop on smart mobility | |
KR20090090049A (ko) | 실시간 교통정보 서비스 장치 및 그 방법 | |
CN109767339A (zh) | 一种事故车辆的理赔数据确定方法、装置及*** | |
CN111429723B (zh) | 一种基于路侧设备的通信与感知数据融合方法 | |
CN113593221A (zh) | 信息价值评估式驾驶***、网联车辆***和数据传输方法 | |
CN117238145A (zh) | 一种基于大数据的智慧交通管理方法及*** | |
US20230394694A1 (en) | Methods and apparatus for depth estimation using stereo cameras in a vehicle system | |
KR20180068462A (ko) | 신호등 제어 시스템 및 방법 | |
CN116935631A (zh) | 基于雷视融合的异常交通态势检测方法、装置及*** | |
CN116071399A (zh) | 轨迹预测方法及装置、模型训练方法及装置、电子设备 | |
CN114024997B (zh) | 基于自动驾驶的智能设备和aiot物联网平台方法 | |
CN115359671A (zh) | 一种路口车辆协同控制方法及相关设备 | |
CN110556000A (zh) | 人工智慧交通检测*** | |
KR100999416B1 (ko) | 씨씨티비의 촬영 정보를 통한 시뮬레이션 방식의 주행정보 제공시스템 | |
CN112526477B (zh) | 用于处理信息的方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |