一种用于十字路口的红绿灯智能调控系统

文档序号:26090640发布日期:2021-07-30 17:59阅读:85来源:国知局
一种用于十字路口的红绿灯智能调控系统

本发明属于交通领域,涉及一种交通设施,具体涉及一种用于十字路口的红绿灯智能调控系统,用于对十字路口的交通实时调整。



背景技术:

随着我国国民经济的高速发展,城镇化逐渐扩大,城市人口相对集中,机动车保有量迅猛增长,进而使道路交通需求急剧增加,城市交通拥堵随之加剧。拥堵状况不仅造成经济损失,也影响了人们的出行效率。

十字路口是道路和车辆的交汇处,也是交通拥堵现象最严重的区域。部署在十字路口处交通信号灯的作用是指挥交通流有序通过交叉路口,因此信号灯的配时方案是影响交通情况的一个重要因素。在信号灯固定时长的情况下,车辆经常会出现频繁的加减速变换和启停行为,从而导致不必要的油耗和污染排放。



技术实现要素:

本发明要解决的技术问题是缓解由于交通信号配时不合理造成的车辆拥堵现象,提供一种用于十字路口的车流量检测与红绿灯智能调控方法及系统,从而解决上述问题。

为了解决上述技术问题,本发明采用的技术方案如下:

一种用于十字路口的红绿灯智能调控系统,其特征在于:包括路口监控网络、路口边缘计算模块、局域网通讯模块、红绿灯控制模块和云端综合调控系统;

所述路口监控网络包括若干安装于十字路口的摄像头,摄像头采集十字路口车辆的视频流信息,并将视频流信息通过数据线传送至路口边缘计算模块;

所述路口边缘计算模块包括带车流量检测神经网络模型和红绿灯配时模型的深度学习gpu处理器,深度学习gpu处理器接收路口监控网络的视频流信息并对视频进行处理,运行车流量检测神经网络模型输出每个车道的车流量信息,并将车流量信息输入红绿灯配时模型后输出最佳的配时方案,同时将车流量信息数据通过局域网通讯模块传输至云端综合调控系统;

所述局域网通讯模块包括局域网交换机和通讯线缆,所述局域网交换机通过网口连接路口边缘计算模块、云端综合调控系统及红绿灯控制模块,利用tcp/ip协议完成信息交互,形成局域网系统;

所述红绿灯控制模块,通过局域网通讯模块接收来自路口边缘计算模块的最佳配时方案,并根据最佳配时方案控制红绿灯运行;

所述云端综合调控系统包括云端调控服务器,云端调控服务器通过局域网通讯模块接收路口边缘计算模块上传的车流量信息,对路口车辆状况进行分析,若判定路口为严重拥堵,则启动紧急干预算法,降低拥堵路况输入。

进一步地,所述路口边缘计算模块中配时方案指交叉口信号灯总周期与四个交通相位的绿灯时长,所述四个交通相位分别为东西直行、东西左转、南北直行及南北左转,所述信号灯总周期为四个交通相位绿灯时长之和。

本发明还提供一种用于十字路口的红绿灯智能调控方法,也即所述路口边缘计算模块中交叉口配时方案算法如下:

s1、逐帧处理将摄像头获取视频流信息中的监控视频转变为图片格式;

s2、通过centernet车辆目标检测模型分析分别获得通过四个交通相位中每个交通相位检测区所有车道上的车辆总数qi,i为交通相位编号;

s3、运行模糊控制算法得到信号灯总周期,算法具体步骤为:

s31、为保证周期合理性,信号灯总周期t范围为t≤tmax;信号周期初值tbi为第i交通相位有效绿灯时间,记k为t的比例变换系数,tmax为信号灯总周期范围上限;

s32、选择三角型函数作为隶属度函数,通过加权平均进行反模糊化,计算出周期反模糊值αi表示第i个交通相位的通行权重,权重由第i交通相位设计通行能力si与路口设计通行能力s0的比值确定,si指在设计的道路、交通和环境条件下,第i交通相位在单位时间内能通过的最大车辆数,单位为辆/h;s0即路口在单位时间内允许通过的最大车辆数,单位为辆/h。qi表示第i个交通相位检测区车辆总数;

s33、按比例计算出十字路口的信号灯总周期t2值,计算公式为t2=20+kt*

s4、将信号灯总周期作为输入,运行麻雀算法计算各交通相位绿灯时长。算法具体步骤为:

s41、初始化信号灯周期与车流量数值。

s42、计算第i个交通相位的有效通行能力qi的值为

上式中si为第i交通相位通行能力,tbi为第i交通相位的有效绿灯时间,即用来为交通流提供服务的时间称为有效绿灯时间,有效绿灯时间为实际绿灯时间与黄灯时间之和;

s43、计算十字口四个交通相位的平均有效通行能力aq,计算公式如下:

其中i为交通相位编号,α为第i个交通相位的权重。

s44、计算十字路口的车辆平均延误时间td,其值为为平均绿信比,即x为平均饱和度,即tbi为第i交通相位有效绿灯时间,q为十字口的车辆总数,s0为路口设计通行能力。

s45、以每个交通相位的绿灯时长为单只麻雀,计算麻雀种群适应度函数的适应度值f,适应度值f=2(1-v)t2+1.1(1-v)td+2vaq,其中,td指延误时间,aq指平均通行能力,v指车辆平均行驶速度,其计算方法为检测区长度除以车辆通过检测区所用时间。

s46、循环迭代麻雀算法,直至适应度值达到极大值或迭代次数达到最大次数,按东西直行、东西左转、南北直行、南北左转的顺序输出此时四个交通相位有效绿灯时长tbi,即为红绿灯的最佳配时。

进一步地,步骤s2中具体算法如下:

s21、将步骤s1中的图片输入resnet-50残差网络进行特征提取,输出图像的特征图;

s22、使用级联角点池化模块处理特征图,提取图像的角点热力图,并得到角点热力图的嵌入向量与偏置,根据偏置对左上角点与右下角点的位置进行更加精细的微调,根据嵌入向量将同一目标车辆的左上角和右下角进行匹配,得到最终的目标框;

s23、使用中心点池化模块提取特征图的中心点热力图,从而得到所有的物体中心点;

s24、使用物体中心点对步骤s22中提取到的目标框进行进一步过滤,如果边界框的中间区域没有中心点存在,则认为此目标框不可靠,删除不可靠目标框,以可靠目标框作为车辆识别结果;

s25、对经过车辆进行模板匹配统计,若模板匹配为有车经过,则车流量值+1,最终得到通过检测区的车辆数目。

进一步地,所述步骤s2中提到的检测区指停止线向后延伸40-80m距离的区域。

进一步地,所述步骤s25中的模板匹配是指路口的检测区内,有某辆车记为1,没有某辆车则记为0,若判断信息显示为0-1-0,则证明此路口有一辆车经过,即车流量值+1。

进一步地,所述红绿灯控制模块由有线电源与信号灯主控板组成,路口边缘计算模块或云端调控服务器输出的最佳配时方案通过局域网通讯模块传输至信号灯主控板,信号灯主控板通过定时器设置实现对三色红绿灯的时长控制,连接并调控对应的红绿灯。

进一步地,所述深度学习gpu处理器型号为nividajetsonagxxavier,所述信号灯主控板型号为stm32f4zgt6。

进一步地,所述云端调控服务器接收路口边缘计算模块上传的车流量信息,并对各个路口车辆数据进行拥堵程度判断,若某路口车辆数目超过设定的拥堵阈值,则启动云端的紧急干预算法,判断占该拥堵路口输入百分比高于40%的车道,按比例降低这些车道的绿灯时间,从而降低拥堵路口的车流量输入。

进一步地,所述紧急干预算法降低车道绿灯时间所遵循的比例关系为其中t为被干预车道的绿灯时长,s'为该车道输入占拥堵路口总输入的百分比。

进一步地,所述摄像头为cmos摄像头,总有有4个cmos摄像头监控单元,每个cmos摄像头监控单元监控道路上一个方向的车辆信息。

进一步地,所述局域网交换机利用tcp/ip传输协议将每条车道的车流量数据上传至云端调控服务器,同时接收云端服务器输出的信号灯配时方案,利用传输协议将时长传送至信号灯主控板,完成信号灯智能配时算法的部署。

本发明有益效果如下:

本发明利用centernet车辆目标检测模型分析摄像头拍摄视频信息获取每个车道的车流量信息,利用路口边缘计算模块中的算法自动分析拥堵情况并分配当前最佳红绿灯配时,通过当前最佳红绿灯配时控制红绿灯运行,实时调整红绿灯的运行时间,适应多变的实际交通情况,大大提高了十字路口的交通通行能力,降低道路拥堵状况。

本发明通过路口监控网络检测路口交通状况;根据路口车流量情况动态配置交通灯配时方案,同时云端有效监控路口拥堵状况,在严重拥堵情况下进行紧急干预。本系统能有效解决路口拥堵。

附图说明

为了更清楚地说明本发明的技术方案,下面将对本发明技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。

图1为本发明红绿灯智能调控系统在十字路口安装分布示意图。

图2为本发明实施例路口边缘计算模块算法总流程图。

图3为本发明实施例一种十字路口的红绿灯智能调控系统系统结构图。

附图1标记:1-路口边缘计算模块;2-红绿灯控制器;3-局域网交换机;4-云端综合调控系统;5-路口监控网络。

具体实施方式

下面结合附图和实施例对本发明的实施方式作进一步详细描述。以下实施例用于说明本发明,但不能用来限制本发明的范围。

为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。

如图1和图3所示,本发明提供了一种用于十字路口的红绿灯智能调控系统,其特征在于:包括路口监控网络5、路口边缘计算模块1、局域网通讯模块、红绿灯控制模块和云端综合调控系统4;

所述路口监控网络5包括若干安装于十字路口的摄像头,摄像头采集十字路口车辆的视频流信息,并将视频流信息通过数据线传送至路口边缘计算模块1;

所述路口边缘计算模块1包括带车流量检测神经网络模型和红绿灯配时模型的深度学习gpu处理器,深度学习gpu处理器接收路口监控网络5的视频流信息并对视频进行处理,运行车流量检测神经网络模型输出每个车道的车流量信息,并将车流量信息输入红绿灯配时模型后输出最佳配时方案,同时将车流量信息数据通过局域网通讯模块传输至云端综合调控系统4;

所述局域网通讯模块包括局域网交换机3和通讯线缆,所述局域网交换机3通过网口连接路口边缘计算模块1、云端综合调控系统4及红绿灯控制模块,利用tcp/ip协议完成信息交互,形成局域网系统;

所述红绿灯控制模块,通过局域网通讯模块接收来自路口边缘计算模块1的最佳配时方案,并根据最佳配时方案控制红绿灯运行;

所述云端综合调控系统4包括云端调控服务器,云端调控服务器通过局域网通讯模块接收路口边缘计算模块1上传的车流量信息,对路口车辆状况进行分析,若判定路口为严重拥堵,则启动紧急干预算法,降低拥堵路况输入。

所述路口边缘计算模块1中配时方案指交叉口信号灯总周期与四个交通相位的绿灯时长,以图1为例,按照图中方向分为上北、下南、左西、右东四个方向,所述四个交通相位分别为东西直行、东西左转、南北直行及南北左转四个相位,所述信号灯总周期为四个交通相位绿灯时长之和;所述路口边缘计算模块中交叉口配时方案算法如图2所示,具体如下:

s1、逐帧处理将摄像头获取视频流信息中的监控视频转变为图片格式;

s2、通过centernet车辆目标检测模型分析分别获得通过四个交通相位中每个交通相位检测区所有车道上的车辆总数qi,i为交通相位编号;比如i=1表示东西直行相位,比如东西直行相位,那么q1等于从左往右的所有直行车道和从右往左的所有直行车道上检测区车辆总和;本发明检测区域指停止线向后延伸40-80m距离的区域,本实施例取较忧的50m。

以每个摄像头拍摄一个车道内车辆为例,、通过centernet车辆目标检测模型获取该车道上检测区的车辆数目的方法如下:

s21、将步骤s1中的图片输入resnet-50残差网络进行特征提取,输出图像的特征图;

s22、使用级联角点池化模块处理特征图,提取图像的角点热力图,并得到角点热力图的嵌入向量与偏置,根据偏置对左上角点与右下角点的位置进行更加精细的微调,根据嵌入向量将同一目标车辆的左上角和右下角进行匹配,得到最终的目标框;

s23、使用中心点池化模块提取特征图的中心点热力图,从而得到所有的物体中心点;

s24、使用物体中心点对步骤s22中提取到的目标框进行进一步过滤,如果边界框的中间区域没有中心点存在,则认为此目标框不可靠,删除不可靠目标框,以可靠目标框作为车辆识别结果;

s25、对经过车辆进行进行模板匹配统计,若模板匹配为有车经过,则车流量值+1,最终得到该车道上通过检测区的车辆数目q'。

所述步骤s25中的模板匹配是指路口的检测区内,有某辆车记为1,没有某辆车则记为0,若判断信息显示为0-1-0,则证明此路口有一辆车经过,即车流量值+1。

将一个交通相位内所以车道上的车辆数目q'相加,即得到该交通相位检测区所有车道上的车辆总数qi。

s3、运行模糊控制算法得到信号灯总周期,算法具体步骤为:

s31、为保证周期合理性,信号灯总周期t范围为t≤tmax;信号周期初值tbi为第i交通相位有效绿灯时间,记k为t的比例变换系数,tmax为信号灯总周期范围上限;

s32、选择三角型函数作为隶属度函数,通过加权平均进行反模糊化,计算出周期反模糊值αi表示第i个交通相位的通行权重,权重由第i交通相位设计通行能力si与路口设计通行能力s0的比值确定,si指在设计的道路、交通和环境条件下,第i交通相位在单位时间内能通过的最大车辆数,单位为辆/h;s0即路口在单位时间内允许通过的最大车辆数,单位为辆/h。qi表示第i个交通相位检测区车辆总数;

s33、按比例计算出十字路口的信号灯总周期t2值,计算公式为t2=20+kt*

s4、将信号灯总周期作为输入,运行麻雀算法计算各交通相位绿灯时长。算法具体步骤为:

s41、初始化信号灯周期与车流量数值。

s42、计算第i个交通相位的有效通行能力qi的值为

上式中si为第i交通相位通行能力,tbi为第i交通相位的有效绿灯时间,即用来为交通流提供服务的时间称为有效绿灯时间,有效绿灯时间为实际绿灯时间与黄灯时间之和;

s43、计算十字口四个交通相位的平均有效通行能力aq,计算公式如下:

其中i为交通相位编号,α为第i个交通相位的权重。

s44、计算十字路口的车辆平均延误时间td,其值为为平均绿信比,即x为平均饱和度,即tbi为第i交通相位有效绿灯时间,q为十字口的车辆总数,s0为路口设计通行能力。

s45、以每个交通相位的绿灯时长为单只麻雀,计算麻雀种群适应度函数的适应度值f,适应度值f=2(1-v)t2+1.1(1-v)td+2vaq,其中t2指步骤s3得到的十字路口的信号灯总周期,td指延误时间,aq指平均通行能力,v指车辆平均行驶速度,其计算方法为检测区长度除以车辆通过检测区所用时间。

s46、循环迭代麻雀算法,直至适应度值达到极大值或迭代次数达到最大次数,按东西直行、东西左转、南北直行、南北左转的顺序输出此时四个交通相位有效绿灯时长tbi,即为红绿灯的最佳配时。

具体地,可在一个十字路口的各个方向分别放置cmos摄像机,拍摄路口车道上车辆通行视频,并将视频通过导线传输至路口边缘计算模块1;路口边缘计算模块1对各路视频分别调用centernet车辆目标检测算法,得到各车道的排队车辆数,并通过局域网交换机3传输给云端综合调控系统4;同时车流量数据输入模糊控制算法与麻雀算法,输出路口各交通相位最佳信号周期与配时方案;配时方案通过局域网传送至红绿灯控制器2,实现路口红绿灯智能配时。

本实施例中,所述深度学习gpu处理器型号为nividajetsonagxxavier,所述信号灯主控板型号为stm32f4zgt6。

所述云端调控服务器接收路口边缘计算模块上传的车流量信息,并对各个路口车辆数据进行拥堵程度判断,若某路口车辆数目超过设定的拥堵阈值,则启动云端的紧急干预算法,判断占该拥堵路口输入百分比高于40%的车道,按比例降低这些车道的绿灯时间,从而降低拥堵路口的车流量输入。

所述紧急干预算法降低车道绿灯时间所遵循的比例关系为其中t为被干预车道的绿灯时长,s'为该车道输入占拥堵路口总输入的百分比。

所述摄像头为cmos摄像头,总有有4个cmos摄像头监控单元,每个cmos摄像头监控单元监控十字口一个道路方向的车辆信息,每个cmos摄像头监控单元可以采用一个摄像头监控该方向所有车道的车辆视频信息,也可以设置多个cmos摄像头,每个车道对应一个摄像头。

通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如rom/ram、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1