用于确定红绿灯配时方案的方法、装置及系统与流程

本公开涉及智能交通领域，具体地，涉及一种用于确定红绿灯配时方案的方法、装置及系统。

背景技术：

道路交叉路口的红绿灯，又称交通信号灯，对于解决交通拥堵、减少事故等方面具有重要意义，近年来迅速发展的智能交通、无人驾驶等技术对于红绿灯状态识别提出了更高需求。对于红绿灯状态识别的方法，常见有两种方式，一种方法是使用图像识别方法，识别出当前路口行驶方向上各个转向的红绿灯状态，第二种方法是当地交管局合作，由交管局提供准确的红绿灯配时方案。

第一种方法因为使用图像识别，由于各个城市红绿灯布设的位置、红绿灯样式和其他物体遮挡、光线干扰、雨雪等特殊天气，以及图像识别算法本身误差问题，会造成识别率不高，或者识别有误差出现。

第二种方法是与政府交管局合作，而红绿灯配时方案存在于交管局内网中，该内网与互联网是物理隔离的，而且出于安全等原因考虑，很难获取红绿灯配时方案；另外交管局可能根据实时交通状态调整配置方案，对于这种临时性调整方案，如果不与交管局的内网建立直接联系，不可能实时获取配时方案。

技术实现要素：

本公开的目的是提供一种用于确定红绿灯配时方案的方法、装置及系统，能够实时动态地得到各个路口的红绿灯状态，进而确定出红绿灯配时方案。

根据本公开的第一方面，提供一种用于确定红绿灯配时方案的方法，该方法包括：获取多台车辆经过路口时的各自行驶数据；利用所述各自行驶数据计算所述路口的多组红绿灯状态数据；以及根据所述多组红绿灯状态数据确定红绿灯配时方案。

在第一方面的一些可选的实施方式中，所述行驶数据包括车辆定位数据和车身状态数据，所述红绿灯状态数据包括绿灯开始时间、绿灯结束时间、红灯开始时间和红灯结束时间。

在第一方面的一些可选的实施方式中，所述利用所述行驶数据计算所述路口的红绿灯状态数据包括：利用所述车辆定位数据得到车辆经过路口的轨迹数据；以及根据所述轨迹数据和所述车身状态数据计算所述红绿灯状态数据。

在第一方面的一些可选的实施方式中，所述根据所述多组红绿灯状态数据确定红绿灯配时方案包括：对所述多组红绿灯状态数据进行融合，得到所述红绿灯配时方案；以及校验所得到的红绿灯配时方案。

在第一方面的一些可选的实施方式中，所述方法还包括：存储和/或发布校验后的红绿灯配时方案。

根据本公开的第二方面，提供一种用于确定红绿灯配时方案的装置，该装置包括：数据获取模块，用于获取多台车辆经过路口时的各自行驶数据；计算模块，用于利用所述各自行驶数据计算所述路口的多组红绿灯状态数据；以及配时方案确定模块，用于根据所述多组红绿灯状态数据确定红绿灯配时方案。

在第二方面的一些可选的实施方式中，所述行驶数据包括车辆定位数据和车身状态数据，所述红绿灯状态数据包括绿灯开始时间、绿灯结束时间、红灯开始时间和红灯结束时间。

在第二方面的一些可选的实施方式中，所述计算模块包括：轨迹数据获取子模块，用于利用所述车辆定位数据得到车辆经过路口的轨迹数据；以及计算子模块，用于根据所述轨迹数据和所述车身状态数据计算所述红绿灯状态数据。

在第二方面的一些可选的实施方式中，所述配时方案确定模块包括：融合子模块，用于对所述多组红绿灯状态数据进行融合，得到所述红绿灯配时方案；以及校验子模块，用于校验所得到的红绿灯配时方案。

在第二方面的一些可选的实施方式中，所述装置还包括用于存储和/或发布校验后的红绿灯配时方案的模块。

根据本公开的第三方面，提供一种用于确定红绿灯配时方案的系统，该系统包括车载终端设备，该车载终端设备包括数据采集单元、数据处理单元和数据上报单元，所述数据采集单元用于采集车辆的行驶数据，所述数据处理单元用于处理所采集的行驶数据，所述数据上报单元用于将处理后的行驶数据上传到云平台；以及云平台，该云平台包括如上所述的装置。

在第三方面的一些可选的实施方式中，所述行驶数据包括车辆定位数据和车身状态数据，所述数据采集单元包括用于采集所述车辆定位数据的定位数据采集单元和用于采集所述车身状态数据的控制局域网总线采集单元。

本公开提供的用于确定红绿灯配时方案的方法、装置及系统，由于采用每辆车的行驶数据来分析得到红绿灯状态数据，进而得到红绿灯配时方案，不受天气环境、图像识别算法、法律法规等多方面的限制，能实时动态地确定各个路口的红绿灯状态、预计距离变灯还剩余的时间等，从而给智能交通、无人驾驶、高级驾驶辅助系统(ADAS)等提供重要参考。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：

图1是本公开提供的用于确定红绿灯配时方案的方法的示例流程图；

图2是车辆通过路口的两种情况的示意图；

图3是本公开提供的用于确定红绿灯配时方案的系统示意图；以及

图4是本公开提供的用于确定红绿灯配时方案的系统框图。

具体实施方式

以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。

如图1所示，本公开提供了一种用于确定红绿灯配时方案的方法，该方法包括：S1，获取多台车辆经过路口时的各自行驶数据；S2，利用所述各自行驶数据计算所述路口的多组红绿灯状态数据；以及S3，根据所述多组红绿灯状态数据确定红绿灯配时方案。

获取车辆的行驶数据为数据收集过程，可以从诸如T-Box之类的车载终端设备获取，所述行驶数据可以包括车辆定位数据和车身状态数据，车载终端设备可以将行驶数据通过无线网络上传到云平台等设备以便由云平台完成步骤S1至S3的数据处理。车辆定位数据可以包括经度、纬度、速度、方向、高度、时间等，定位精度可以是亚米级。车身状态数据可以包括停止、启动、刹车状态、车身速度、转向等。

所述云平台在从车载终端设备获取车辆行驶数据之后，对各个车辆的行驶数据分别进行步骤S1至S2的分析处理以得到相应的红绿灯状态数据，并然后对多辆车获得的每一路口的多组红绿灯状态数据进行融合处理以确定红绿灯配时方案。所述红绿灯状态数据可以包括绿灯开始时间、绿灯结束时间、红灯开始时间和红灯结束时间。

所述利用所述行驶数据计算所述路口的红绿灯状态数据包括：利用所述车辆定位数据得到车辆经过路口的轨迹数据；以及根据所述轨迹数据和所述车身状态数据计算所述红绿灯状态数据。以下将详细描述，对于单台车，利用经过某一路口的行驶数据计算该路口的红绿灯状态数据的具体过程。这一过程是根据车辆经过某个路口时的车辆定位数据，得到车辆经过路口的轨迹数据，并根据轨迹数据和车身状态数据(如停止、启动、踩刹车等)来计算该路口的红绿灯状态数据。车辆经过的路口中有的配置了红绿灯，有的没有配置，结合电子地图数据，可以过滤掉没有红绿灯路口的数据，仅针对有红绿灯的路口的车辆行驶数据进行处理。

对车辆定位数据进行梳理，形成一条经过路口的轨迹数据，该轨迹数据是随时间变化的，位置沿着行车方向变化的，即轨迹数据按时间排序。使用电子地图，判断出当前车辆所经过的是哪个路口。然后以该路口为中心，从轨迹数据中取出车辆行驶方向进入路口的预定距离以内的矩形区域内的所有轨迹数据，所述预定距离可以例如为100m。本领域技术人员应当理解的是，这里的100m仅是示例。

每辆车通过路口的方式主要有两种情况：一种是直接通过。由于该车行进方向的信号灯是绿灯，所以直接通过路口。第二种是停车后，然后再通过。因为该车行进方向的信号灯是红灯，该车在路口前某个位置停下来，等信号灯变绿后再通过路口。可以计算出该路口车辆行进方向，在两种情况下红绿灯分项配时的数值。

图2为车辆通过路口的两种情况的示意图。在图2中第一行为示意的真实的红灯、绿灯、红灯的交替顺序，为简化起见，黄灯的时间统一归入绿灯考虑；T1为真实的绿灯开始时间点，也是上一个红灯结束时间；T2为真实的绿灯结束时间点，也是下一个红灯开始时间点；C1和C2为通过本发明的方法计算出来的绿灯开始时间和绿灯结束时间。

图2中第一种情况下，S11和E12时间点是在绿灯时间段内的，可以用于校验绿灯配时的正确值。

图2中第二种情况下的第一行，用于说明计算绿灯开始时间的方法，在时间点S21车辆停止，表示该时间点是红灯，当车辆再次启动时，通过车与路口的距离和速度，算出通过时间dt1，那么该路口绿灯开始时间C1＝车辆启动时间点减去dt1，其也是上一红灯结束时间。图2中第二种情况第一行中的E21为车辆通过时间，该时间一定在绿灯时间段内。

图2中第二种情况的第二行，用于说明计算绿灯结束时间的方法。绿灯结束时间有两种可能，一种是车辆通过过程中看到绿灯变红灯，而以其当前速度不能通过路口，所以踩刹车，缓慢停止到车道停止线最前方，就是下一轮绿灯时，会第一个通过路口的车辆。所以这种情况下，S22是车辆踩下刹车的时刻，设P1为车辆停止位置和路口距离的差除以当前速度得出的时间差，从而计算出来绿灯结束时间C2＝S22-P1，也是下一红灯开始时间。另外一种是车辆行驶过程中，看到绿灯变红灯，车辆会有刹车减速动作，如从某个E22的时刻，直到缓慢停止到该车道最后一辆车的后面，同样可以计算出刹车减速后，以及用路口距离差和它当前速度的商得出时间差，但是这个时间差不能用于计算绿灯结束/红灯开始时间，只能用于校验前一种可能中计算的时间是否正确。

通过以上处理，可以得出基于单台车计算的该路口的红绿灯状态数据。由于单台车的计算数据不可靠性，该计算值不能作为最终结果，所以需要使用该路口行驶方向的大量车辆行驶数据，进行相同的计算，再将计算出的多组红绿灯状态数据进行融合，并校验融合后的结果，得出该路口的最终可信任的配时方案值。因此，根据所述红绿灯状态数据确定红绿灯配时方案包括对所述多组红绿灯状态数据进行融合，得到所述红绿灯配时方案；以及校验所得到的红绿灯配时方案。

融合可以采用平均值方案进行处理。比如已经计算出多个绿灯开始时间S1、S2、S3、…、Gn，则SA＝AVG(S1+S2+…+Sn)，将SA作为绿灯开始时间，同时也是上一个红灯结束时间。同理利用平均值计算出绿灯结束时间EA，同时也是下一个红灯开始时间。然后使用校验方法校验计算得到上述数值的有效性，可以利用行驶数据对配时方案进行校验，例如可以采用图2中第一种情况下得到的S11和E12，这两个时间点应该在计算出来的SA和EA之间，即应当满足SA<S11，同时满足E12<EA，否则数据有问题。

本发明是基于大量车辆通行数据基础上进行的。车辆通行可以覆盖城市的所有主要有红绿灯的路口。使用上面描述的方法，可以依次求出每个路口的红绿灯配时方案，在得到城市中所有路口红绿灯配时方案之后，存储和/或发布所述红绿灯配时方案。例如，可以利用MySQL写入数据库中，作为配时方案发布的基础数据。配时方案数据可以采用数据表结构存储。配时方案数据表结构如表1所示：

表1：红绿灯配时方案数据结构表

本发明还提供一种用于确定红绿灯配时方案的装置，该装置包括：数据获取模块，用于获取多台车辆经过路口时的各自行驶数据；计算模块，用于利用所述各自行驶数据计算所述路口的多组红绿灯状态数据；以及配时方案确定模块，用于根据所述多组红绿灯状态数据确定红绿灯配时方案。所述行驶数据可以包括车辆定位数据和车身状态数据，所述红绿灯状态数据可以包括绿灯开始时间、绿灯结束时间、红灯开始时间和红灯结束时间。

优选地，所述计算模块包括：轨迹数据获取子模块，用于利用所述车辆定位数据得到车辆经过路口的轨迹数据；以及计算子模块，用于根据所述轨迹数据和所述车身状态数据计算所述红绿灯状态数据。红绿灯状态数据的具体计算示例在以上参考图2的描述中已经进行了详细说明，在此不再赘述。

优选地，所述配时方案确定模块包括：融合子模块，用于对所述多组红绿灯状态数据进行融合，得到所述红绿灯配时方案；以及校验子模块，用于校验所得到的红绿灯配时方案。优选地，所述装置还包括用于存储和/或发布校验后的红绿灯配时方案的模块。

如图3和图4所示，本发明提供的用于确定红绿灯配时方案的系统包括车载终端设备1和云平台2两大部分。车载终端设备1可以包括数据采集单元10、数据处理单元20和数据上报单元30。所述数据采集单元10用于采集车辆的行驶数据，所述行驶数据包括车辆定位数据和车身状态数据，数据采集单元10可以包括用于采集车辆定位数据的定位采集子单元和用于采集车身状态数据的控制局域网(CAN)总线采集子单元。车辆定位数据可以包括经度、纬度、速度、方向、高度、时间等，定位精度可以是亚米级。车身状态数据可以包括停止、启动、刹车状态、车身速度、转向等。所述数据处理单元20用于处理所采集的行驶数据，如进行清洗、加密、打包等等处理工作。所述数据上报单元30用于将处理后的行驶数据上传到云平台2。如图3所示，车载终端设备1可由T-Box 1实现，并可以通过CAN总线3来获取车身状态数据。

云平台2可以包括如上描述的根据本公开的用于确定红绿灯配时方案的装置数据。云平台2在从所述车载终端设备1接收到所述行驶数据之后，还可以进行解压、解密、拆包等处理工作，然后根据所述行驶数据确定红绿灯配时方案，以上已经结合根据本公开的方法对此进行了详细描述，此处不再赘述。云平台2还可以用于发布所确定的红绿灯配时方案，例如可以提供Http/Json方式访问接口，供其他使用者获取所有路口的配时方案数据。

本发明提供的用于确定红绿灯配时方案的方法、装置及系统，利用车辆实际行驶数据分析得到红绿灯状态数据，进而得到红绿灯配时方案，能够实时准确动态地确定实际路口红绿灯配时，为智能驾驶等场合提供重要参考。

以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。

此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。