技术特征：
1.一种基于微控制器设备和微型机器学习的自适用交通调度的系统，其特征在于：包括传感器放置模块、传感器数据收集模块、车辆检测模型、车辆分类模块和预测信号灯模块；在传感器放置模块上放置两个压电条，采集车辆通过压电条铲车的电压峰值；传感器数据收集模块用于收集数据，计算汽车的轴距识别车辆类型；车辆检测模块用于车辆的检测和分类；车辆分类模块用于根据车辆的轴距和速度，进行车辆的分类；预测信号灯模块用于预测在红色信号期间累积的车辆的信号持续时间。2.根据权利要求1所述的基于微控制器设备和微型机器学习的自适用交通调度的系统，其特征在于：传感器数据收集模块利用计算的车辆通过速度进行车辆类型的分组，其中利用两点时间比计算轴距，对车辆进行分类。3.根据权利要求2所述的基于微控制器设备和微型机器学习的自适用交通调度的系统，其特征在于：分类的车辆用作同一微控制器汇总预训练随机森林回归模型的输入，再利用训练结果预测信号灯。4.根据权利要求3所述的基于微控制器设备和微型机器学习的自适用交通调度的系统，其特征在于：车辆检测模块中，每条车道装有两对压电条。5.根据权利要求4所述的基于微控制器设备和微型机器学习的自适用交通调度的系统，其特征在于：车辆分类模块中，每种车辆的轴距和速度均为固定的，用于车辆的分类。6.根据权利要求5所述的基于微控制器设备和微型机器学习的自适用交通调度的系统，其特征在于：预测信号灯模块将每个类别的车辆计数作为输入，并预测车辆通过交叉路口所需的绿色信号的持续时间。7.一种基于微控制器设备和微型机器学习的自适用交通调度的方法，其特征在于：该方法基于权利要求1-6任意一项所述基于微控制器设备和微型机器学习的自适用交通调度的系统来实现，基于微控制器设备和微型机器学习，利用不同车辆的轴距和速度进行类别的划分，利用压电条收集的数据进行车辆的分类，利用随机森林根据车辆的情况进行预测。8.根据权利要求7所述的基于微控制器设备和微型机器学习的自适用交通调度的方法，其特征在于：传感器数据收集模块利用计算的车辆通过速度进行车辆类型的分组，其中利用两点时间比计算轴距，对车辆进行分类。9.根据权利要求8所述的基于微控制器设备和微型机器学习的自适用交通调度的方法，其特征在于：分类的车辆用作同一微控制器汇总预训练随机森林回归模型的输入，再利用训练结果预测信号灯。10.根据权利要求9所述的基于微控制器设备和微型机器学习的自适用交通调度的方法，其特征在于：车辆检测模块中，每条车道装有两对压电条。
技术总结
本发明公开了一种基于微控制器设备和微型机器学习的自适用交通调度的系统及方法，属于交通调度技术领域。本发明的基于微控制器设备和微型机器学习的自适用交通调度的系统包括传感器放置模块、传感器数据收集模块、车辆检测模型、车辆分类模块和预测信号灯模块；在传感器放置模块上放置两个压电条，采集车辆通过压电条铲车的电压峰值；传感器数据收集模块用于收集数据，计算汽车的轴距识别车辆类型；车辆检测模块用于车辆的检测和分类；车辆分类模块用于根据车辆的轴距和速度，进行车辆的分类。该发明的基于微控制器设备和微型机器学习的自适用交通调度的系统能够利用压条收集的数据进行车辆分类，以达到更高效的交通，具有很好的推广应用价值。很好的推广应用价值。很好的推广应用价值。
技术研发人员：朱翔宇 李锐 张晖
受保护的技术使用者：浪潮集团有限公司
技术研发日：2021.11.30
技术公布日：2022/6/28