TWI797468B

TWI797468B - 交通號誌燈的控制系統及方法

Info

Publication number: TWI797468B
Application number: TW109126191A
Authority: TW
Inventors: 卓訓榮; 陳泓勳; 吳易蓉
Original assignee: 義碩智能股份有限公司
Priority date: 2020-04-22
Filing date: 2020-08-03
Publication date: 2023-04-01
Also published as: TW202141444A

Abstract

一種交通號誌燈的控制方法包括：在紅燈結束前的一預設時間點，獲取一影像，其中該影像包含停等該紅燈的至少一車輛；根據該影像決定一時間長度，其中該時間長度是透過一人工智慧演算法來產生；以及根據該時間長度控制一綠燈。

Description

交通號誌燈的控制系統及方法

本發明是有關一種交通號誌燈的控制系統及方法，特別是關於一種利用人工智慧控制交通號誌燈的控制系統及方法。

大部分的路口都會設置交通號誌燈來控制車輛行進或停止。傳統交通號誌燈的紅綠燈時間是按經驗設定的，紅綠燈時間不會根據車流量(traffic flow)即時調整。因此，在車流量增加時，可能出現綠燈時間長度不足，無法有效地紓解車流量，導致交通壅塞。為了解決交通壅塞問題，傳統的方式是由交通警察在現場進行指揮，或是讓監視人員透過設置在路口的攝影機所拍攝的影像遠端控制交通號誌燈。

然而，透過人力來控制交通號誌燈，需要非常大量的人員，而且人員也難以進行長時間不間斷的指揮或監視。

本發明的目的之一，在於提出一種交通號誌燈的控制系統及方法。

本發明的目的之一，在於提出一種可依據車流量即時控制綠燈的控制系統及方法。

根據本發明，一種交通號誌燈的控制方法，包括下列步驟：在該交通號誌燈的紅燈結束前的一預設時間點，獲取一影像，其中該影像包含停等該紅燈的至少一車輛；根據該影像決定一時間長度，其中該時間長度是透過一人工智慧演算法來產生；以及根據該時間長度控制該交通號誌燈的綠燈。

根據本發明，一種交通號誌燈的控制系統包括一攝影機及一人工智慧裝置．該攝影機在該交通號誌燈的紅燈結束前的一預設時間點，拍攝一影像，其中該影像包含停等該紅燈的至少一車輛。該人工智慧裝置以有線或無線方式連接該攝影機，該人工智慧裝置包含一人工智慧演算法用以根據該影像決定一時間長度用於控制該交通號誌燈的綠燈。

本發明的控制系統及方法可以根據當前的車流量即時調整綠燈的時間，故可以有效的紓解車流量，解決交通壅塞問題。

圖1顯示本發明之交通號誌之控制的應用的示意圖。本發明的控制系統10利用人工智慧(artificial intelligence; AI)控制設置在一路口的交通號誌燈12。交通號誌燈12包括一紅燈122、一黃燈124及一綠燈126。在一實施例中，交通號誌燈12也可以有兩個以上的綠燈，例如增加一指示左轉的綠燈或一指示右轉的綠燈。參照圖1，控制系統10內的各個元件可以與交通號誌燈12設置在同一支架上，但並不以此為限。控制系統10包含一攝影機102以及一人工智慧裝置104。攝影機102是用以拍攝該路口，以獲得該路口的影片，該影片是由多張連續影像(image)構成。在一實施例中，該攝影機102為魚眼攝影機。攝影機102所拍攝的範圍至少包括該交通號誌燈12之前的一段道路，該道路可能包括一個或多個車道。在交通號誌燈12的紅燈122點亮時，各式的車輛會在路口的停止線14前停下。此時攝影機102可以拍攝到停等紅燈122的至少一車輛(vehicle)的影片。在此所述的車輛包括各種交通工具，例如汽車及機車。攝影機102在紅燈122結束前的一個預設時間點t，例如在紅燈122結束前3秒，拍攝一影像A。攝影機102將影像A(如圖2所示)以有線或無線方式傳送給人工智慧裝置104。在另一實施例中，攝影機102可將影片傳送至人工智慧裝置104，而人工智慧裝置104從多張連續影像中獲取在預設時間點t所拍攝的影像A。人工智慧裝置104以有線或無線方式連接交通號誌燈12。人工智慧裝置104根據影像A決定一時間長度T，該時間長度T被用於控制綠燈126的點亮時間。時間長度T是一預估值。在圖1的實施例中，時間長度T代表的是人工智慧裝置104預估在紅燈122轉換為綠燈126後，影像A中至少一車道上的所有車輛全部通過停止線14所需要的時間，但本發明的時間長度T並不限於所有車輛通過停止線14的時間。在一實施例中，該人工智慧裝置104根據該時間長度T控制該綠燈126。該另一實施例中，該人工智慧控制裝置104將該時間長度T傳送至遠端的伺服器，該伺服器根據該時間長度T產生時制計畫以控制綠燈126。

從以上說明可以了解，本發明提出一種交通號誌燈的控制方法係如圖3所示。參照圖1及圖3，本發明的控制方法是在紅燈122結束前的一預設時間點t，獲取一影像A，如步驟S10所示，影像A包含至少一車道上停等紅燈122的至少一車輛。在一實施例中，可以利用攝影機102在該預設時間點t進行拍攝以獲取該影像A，攝影機102再將該影像A以有線或無線方式傳送給人工智慧裝置104。在另一實施例中，攝影機102拍攝多張連續影像以產生一影片，攝影機102將該影片傳送至人工智慧裝置104，再由人工智慧裝置104從多張連續影像中獲取在預設時間點t所拍攝的該影像A。在獲得影像A後接著進行步驟S12，本發明將根據影像A決定一時間長度T，其中該時間長度T是透過人工智慧裝置104中的人工智慧演算法來產生。在一實施例中，時間長度T代表的是人工智慧裝置104預估在紅燈122轉換為綠燈126後，影像A中至少一車道上的所有車輛全部通過停止線14所需要的時間。最後，本發明根據該時間長度T控制該綠燈126，如步驟S14所示。在一實施例中，人工智慧裝置104根據該時間長度T控制該綠燈126。該另一實施例中，該人工智慧控制裝置104將該時間長度T傳送至遠端的伺服器，該伺服器根據該時間長度T產生時制計畫以控制綠燈126。

圖4顯示圖1中人工智慧裝置104的第一實施例，其包括一人工智慧(AI)演算法1042及一控制器1044，其中AI演算法1042可以用硬體電路或軟體來實現。圖5顯示圖4的人工智慧裝置104的操作實施例，圖5中的步驟S121及S141分別對應圖3中的步驟S12及S14。參照圖4及圖5，人工智慧裝置104獲得影像A後，人工智慧裝置104內的AI演算法1042可以根據影像A產生時間長度T，如步驟S121所示。AI演算法1042可以是但不限於卷積神經網路(Convolutional Neural Network; CNN)，CNN包括特徵萃取(feature extraction)部分及回歸(regression)部分，該特徵萃取部分用以從影像中萃取出特徵產生一特徵資訊，該回歸部分根據該特徵資訊產生一時間長度T。控制器1044控制綠燈126點亮的時間長度。在圖4的實施例中，控制器1044接收該時間長度T，並且根據時間長度T產生一控制信號Sc給交通號誌燈12，以控制綠燈126點亮的時間長度，如圖5的步驟S141所示。

圖6顯示圖1中人工智慧裝置104的第二實施例，其除了AI演算法1042及控制器1044之外，還包括一影像處理電路1046在攝影機102及AI演算法1042之間。圖7顯示圖6的人工智慧裝置104的第一操作實施例。圖7的步驟S122及S123的組合可以被理解為是圖3的步驟S12的一個實施例，圖7的步驟S141是對應圖3中的步驟S14。參照圖6及圖7，人工智慧裝置104獲得影像A後先進行步驟S122。在步驟S122中，影像處理電路1046先對影像A進行預處理，該預處理包括將影像A中的所有車輛進行分類及標示(label)產生一第一標示影像B(如圖2所示)。影像處理電路1046可以使用但不限於電腦視覺(computer vision)演算法或人工智慧視覺偵測(AI vision detection)演算法來對影像A中的至少一車輛進行分類及標示。在一實施例中，對車輛進行分類的方式包括以車輛種類進行分類，例如分成大客車、轎車、機車及貨車等。在一實施例中，可以將影像A中的車輛以不同顏色的標示框來標示，例如，如圖2所示，轎車以綠色標示框16來標示，機車以藍色標示框18來標示，大客車及貨車以紅色標示框20來標示。接著執行步驟S123利用AI演算法1042對第一標示影像B進行分析產生時間長度T。不同種類的車輛從綠燈126點亮到開始移動的反應時間不同，一般而言，機車的反應時間較快，而大客車及貨車的反應時間較慢，故在大客車或貨車後方的車輛可能需要更多時間才能通過停止線14或路口。本發明的AI演算法1042根據標示影像B中不同種類的車輛之間的位置關係預估所有車輛通過停止線14所需的時間長度T。最後控制器1044再根據時間長度T產生一控制信號Sc給交通號誌燈12，以控制綠燈126點亮的時間長度，如步驟S141所示。

圖8顯示圖6的人工智慧裝置104的第二操作實施例，圖8的步驟S122、S124及S125的組合可以被理解為圖3的步驟S12的另一實施例，圖8的步驟S141是對應圖3中的步驟S14。參照圖6及圖8，人工智慧裝置104獲得影像A後，影像處理裝置1046先對影像A進行預處理，如步驟S121及S124所示。具體而言，影像處理裝置1046先將影像A中的所有車輛進行分類及標示產生一第一標示影像B，如步驟S122所示。之後，為了防止車輛以外的物件(例如圖1所示的路標22、路燈24、路樹26及建築物28等)影響判斷，影像處理電路1046忽略第一標示影像B中車輛以外的物件以產生一第二標示影像C，如步驟S124所示。在圖2的實施例中，第二標示影像C具有黑色背景，並以不同顏色的色塊表示不同種類的車輛，例如轎車以綠色色塊30來標示，機車以藍色色塊32來標示，大客車及貨車以紅色色塊34來標示。本發明的第二標示影像C並不限於圖2所示的實施例。接著執行步驟S125使用AI演算法1042對第二標示影像C進行分析產生時間長度T。同樣的，本發明的AI演算法1042可以根據第二標示影像C中不同種類的車輛之間的位置關係預估一時間長度T。最後控制器1044再根據時間長度T產生控制信號Sc給交通號誌燈12，以控制綠燈126點亮的時間長度，如步驟S141所示。

圖4及圖6中的人工智慧裝置104的AI演算法1042需要預先進行訓練以獲得預估一時間長度T的能力。在訓練的方法包括準備許多不同的影像I，這些影像I可以是在例如圖1所示的路口拍攝。這些影像I是在不同時間點拍攝，並且每一張影像I都是在紅燈122結束前的預設時間點t拍攝。另一方面，還需要計算每一個影像I中所有車輛通過靜止線14所需的實際時間Tr。這些影像I以及其分別對應的實際時間Tr被提供給一訓練程式Pt。該訓練程式Pt具有與AI演算法1042相同的模型架構，例如CNN架構。訓練程式Pt根據這些影像I及其對應的實際時間Tr，獲得一組係數用於預估時間長度T。AI演算法1042利用該組係數進行運作以解析影像A，並預估影像A中所有車輛通過所需的時間長度T。上述訓練的過程，可以被理解為讓訓練程式Pt學習根據影像預估需要多少時間讓影像中的車輛通過靜止線14。而經由上述的訓練過程，AI演算法1042便具有能力能根據影像A預估一時間長度T。

在不同的實施例中，交通號誌燈12可能還包括右轉燈號126”及左轉燈號126’，並且交通號誌燈12所在的道路除了直行車道40外，還包括左轉車道42及右轉車道44，如圖9所示。根據本發明，可以將攝影機12拍攝的影像A區分成直行車道40的影像Ad、左轉車道42的影像Al以及右轉車道44的影像Ar，即本發明可從影像A中取得直行車道的影像Ad、左轉車道的影像Al及/或右轉車道的影像Ar。在一實施例中，人工智慧裝置104係藉由偵測影像A中道路上的箭頭402、422及442而識別出不同行進方向的車道。一般來說，左轉車道42會標示有代表左轉的箭頭422，右轉車道44會標示有代表右轉的箭頭442，直行車道40則會標示有代表直行的箭頭402。AI演算法1042根據影像Ad產生時間長度T1以控制綠燈，根據影像Al產生時間長度T2以控制左轉燈，以及根據影像Ar產生時間長度T3以控制右轉燈。針對這種情況，要訓練AI演算法1042預估時間T1，就需要提供多個直行車道的影像給訓練程式Pt。要訓練AI演算法1042預估時間T2，就需要提供多個左轉車道的影像給訓練程式Pt。要訓練AI演算法1042預估時間T3，就需要提供多個右轉轉車道的影像給訓練程式Pt。其餘的細節與前述訓練過程近似，在此不贅述。

在圖4及圖6的實施例中，控制器1044是設置在人工智慧裝置104中，控制器1044可以是一台電腦，也可以是一硬體電路用於控制交通號誌燈12。在不同的實施例中，控制器1044也可以設置在控制系統10的外部，例如控制器1044可以一遠端的交通控制中心（Traffic Control Center）(圖中未示)中。在此情況下，控制系統10將時間長度T以有線或無線方式傳送至遠端行控中心的控制器1044，再由控制器1044根據時間長度T產生控制信號Sc經由有線或無線網路控制綠燈126的點亮時間。

以上對於本發明之較佳實施例所作的敘述係為闡明之目的，而無意限定本發明精確地為所揭露的形式，基於以上的教導或從本發明的實施例學習而作修改或變化是可能的，實施例係為解說本發明的原理以及讓熟習該項技術者以各種實施例利用本發明在實際應用上而選擇及敘述，本發明的技術思想企圖由之後的申請專利範圍及其均等來決定。

10:人工智慧控制裝置 102:攝影機 104:人工智慧裝置 1042:人工智慧演算法 1044:控制器 1046:影像處理電路 12:交通號誌燈 122:紅燈 124:黃燈 126:綠燈 126’:左轉燈號 126”:右轉燈號 14:停止線 16:綠色標示框 18:藍色標示框 20:紅色標示框 22:路標 24:路燈 26:路樹 28:建築物 30:綠色色塊 32:藍色色塊 34:紅色色塊 40:直行車道 402:箭頭 42:左轉車道 422:箭頭 44:右轉車道 442:箭頭 A:影像 B:第一標示影像 C:第二標示影像

圖1顯示本發明之控制系統的應用的示意圖。圖2顯示本發明對影像進行處理的實施例。圖3顯示本發明的控制方法的實施例。圖4顯示圖1中人工智慧裝置的第一實施例。圖5顯示圖4的人工智慧裝置的操作步驟。圖6顯示圖1中人工智慧裝置的第二實施例。圖7顯示圖6的人工智慧裝置的第一操作實施例。圖8顯示圖6的人工智慧裝置的第二操作實施例。圖9顯示本發明之控制系統應用在具有多個車道的道路的示意圖。

10:人工智慧控制裝置

102:攝影機

104:人工智慧裝置

12:交通號誌燈

122:紅燈

124:黃燈

126:綠燈

14:停止線

16:綠色標示框

18:藍色標示框

20:紅色標示框

22:路標

24:路燈

26:路樹

28:建築物

Claims

一種交通號誌燈的控制方法，該交通號誌燈包含一紅燈及一綠燈，該方法包括下列步驟：A.在該紅燈結束前的一預設時間點，獲取一影像，其中該影像包含停等該紅燈的至少一車輛；B.根據該影像中不同種類的車輛之間的位置關係決定一時間長度，其中該時間長度是透過一人工智慧演算法來產生；以及C.根據該時間長度控制該綠燈。
如請求項1的控制方法，其中該人工智慧演算法係以卷積神經網路來實現。
如請求項1的控制方法，其中該步驟B更包括對該影像進行預處理，該預處理包括將該影像中的該至少一車輛進行分類及標示。
如請求項3的控制方法，其中預處理更包括以不同顏色的色塊表示被標示的不同類型的車輛。
如請求項3或4的控制方法，其中該將該影像中的該至少一車輛進行分類及標示的步驟包括使用電腦視覺演算法或人工智慧視覺偵測演算法來實現。
如請求項1的控制方法，其中該步驟A包括：獲取一路口的一影片；以及根據該影片中的多張連續影像獲取在該預設時間點時所拍攝的該影像。
如請求項1的控制方法，其中該影像包括直行車道、左轉車道及/或右轉車道的影像。
如請求項7的控制方法，更包括偵測該影像中道路上的箭頭從該影像中取得該直行車道的影像、該右轉車道的影像或該左轉車道的影像。
如請求項8的控制方法，其中該步驟B更包括根據該直行車道的影像、該右轉車道的影像或該左轉車道的影像決定該時間長度。
一種交通號誌燈的控制系統，該交通號誌燈包含一紅燈及一綠燈，該控制系統包括：一攝影機，在該紅燈結束前的一預設時間點，拍攝一影像，其中該影像包含停等該紅燈的至少一車輛；以及一人工智慧裝置，以有線或無線方式連接該攝影機，該人工智慧裝置包含一人工智慧演算法用以根據該影像中不同種類的車輛之間的位置關係決定一時間長度用於控制該綠燈。
如請求項10的控制系統，其中該人工智慧演算法是以卷積神經網路來實現。
如請求項10的控制系統，其中該人工智慧裝置更包括一影像處理電路連接該攝影機用以對該影像進行預處理，該預處理包括對該影像中的該至少一車輛進行分類及標示。
如請求項12的控制系統，其中該影像處理電路更以不同顏色的色塊表示被標示的不同類型的車輛。
如請求項12或13的控制系統，其中該影像處理電路包括一電腦視覺演算法或一人工智慧視覺偵測演算法用以對該至少一車輛進行分類及標示。
如請求項10的控制系統，其中該攝影機獲取一路口的一影片，該人工智慧裝置由該影片獲得在該預設時間點的該影像。
如請求項10的控制系統，其中該影像包括直行車道、左轉車道及 /或右轉車道。
如請求項16的控制系統，其中該人工智慧裝置偵測該影像中道路上的箭頭從該影像中取得該直行車道的影像、該右轉車道的影像或該左轉車道的影像。
如請求項17的控制系統，其中該人工智慧演算法根據該直行車道的影像、該右轉車道的影像或該左轉車道的影像決定該時間長度。