自动优化路口车辆通行速度的方法和系统与流程

本发明涉及智能交通
技术领域：
，具体涉及一种自动优化路口车辆通行速度的方法。
背景技术：
：近年来随着经济的高速发展，城市规模的不断扩大，人口、车辆的不断增多，导致城市重要道路、重要道口交通堵塞情况及其严重。且因很多路口红绿灯时间设置不合理，各个方向车流量分流不河流，出现车辆通行时间大大加长的情况。早晚高峰甚至出现东西与南北方向的车辆互不想让，相互“顶牛”的现象，造成道路“肠梗阻”，道路通行彻底瘫痪。针对这种情况，目前的应对措施主要是依赖大量的人力来协调，早晚高峰都需要出动大量警力，布置于各个重要道口。目前道路路口的红绿灯时间设置大多仍采用固定的红绿灯时间设置，或者仅仅区分高峰时段与平常时段，部分路段仍需人为调节干预。国内外已有的根据车流量自动调节红绿灯时间的方法，主要是通过在路口埋设感应线圈的方式。通过感应线圈来自动“感知”车流量，再传递给信号灯，控制系统则会按照收到的信息合理调整红绿信号灯的变换。但感应线圈的缺点是施工量大，尤其车辆流量大的地方，几乎年年都得重埋线圈。另外，高纬度开冻期和低纬度夏季路面以及路面质量不好的地方对线圈的维护工作量都是巨大的。技术实现要素：针对现有技术的上述缺陷，本发明提供一种自动优化路口车辆通行速度的方法，解决了因为红绿灯设置时间不合理导致的交通堵塞及车辆长时间占据路口，从而导致各个方向的车辆通行时间大大加长的技术问题。本发明采用的技术方案是：一种自动优化路口车辆通行速度的方法，其特征在于，包括以下步骤：汽车上装载高精度定位装置，并将汽车位置信息上传到云端服务器；路口的信号灯控制系统接收云端服务器下发的配置信息，并根据云端服务器下发的配置信息调节信号灯时间，同时将信号灯的配置信息上传到云端服务器。进一步地，所述云端服务器包括云端大数据处理平台和云端数据库，云端大数据处理平台采集汽车上传的位置信息及信号灯上传的配置信息，并存储在云端数据库中；云端大数据处理平台分析信号灯的配置信息是否合理，并制定信号灯的调整方案。进一步地，云端大数据处理平台将采集到的信号灯的配置信息作为数据样本，通过深度学习算法对数据样本进行训练，并对训练得出的深度学习模型进行测试，根据测试结果对深度学习模型进行调整，从而制定信号灯的调整方案，信号灯的调整方案作为云端服务器下发的配置信息下发给信号灯控制系统。进一步地，所述信号灯的配置信息包括信号灯信息、信号灯调整策略和信号灯调整后的交通流量。进一步地，所述高精度定位装置采用rtk设备。进一步地，高精度定位装置工作流程包括以下步骤：通过卫星获取和解算出汽车位置信息；通过地图匹配算法对解算出来的汽车位置信息与离线地图的位置信息做匹配；如果汽车即将靠近路口，高精度定位装置实时上传汽车位置信息到云端服务器；如果汽车远离路口，高精度定位装置停止上传汽车位置信息。进一步地，所述信号灯控制系统使用plc作为主控设备，并通过继电器驱动信号灯的开闭。进一步地，信号灯控制系统工作流程包括以下步骤：信号灯控制系统根据存储的信号灯的配置信息进行路口信号灯的切换；如果接收到云端服务器下发的配置信息，更新信号灯的配置信息；如果到达定时时间，信号灯控制系统将信号灯的配置信息上传到云端服务器。一种自动优化路口车辆通行速度的系统，包括高精度定位装置、信号灯控制系统和云端服务器；高精度定位装置装载在汽车上，高精度定位装置将汽车位置信息上传到云端服务器；信号灯控制系统接收云端服务器下发的配置信息，并根据云端服务器下发的配置信息调节信号灯时间，同时将信号灯的配置信息上传到云端服务器。进一步地，所述云端服务器包括云端大数据处理平台和云端数据库，云端大数据处理平台采集汽车上传的位置信息及信号灯上传的配置信息，并存储在云端数据库中。本发明利用高精度卫星定位方法，对车辆进行车道级定位，并实时将车辆的位置信息上传至云服务器，云服务根据车辆的具体信息，建立数学模型，对路口的信号灯控制系统进行远程控制，达到动态调整红绿灯时间，提高路口通行速度的有益效果。同时本发明衍生的一个有益效果在于，当路口堵塞时，可以实时监控车辆是否长时间占据交叉路口，可以结合当地交警的相关处罚规定，对长时间占据交叉路口的车辆发送电子违章罚单等。附图说明图1是本发明系统框图。图2是高精度定位装置工作流程图。图3是信号灯控制系统工作流程图。具体实施方式本发明依靠车辆的高精度定位，结合地图车道匹配算法，当车辆距离路口在一定距离内时，将车辆的id号、经纬度、定位标志位、速度、车道信息等实时上传到云端服务器。云端服务器根据车辆经过路口时的信息，对当前道路各个方向的车流量进行实时计算，结合数学模型，通过远程控制的方式对路口信号灯控制系统进行配置信息调整，形成一个闭环控制系统。当安装有高精度定位装置的车辆越多，云端服务器收集的数据样本越多时，动态调整信号灯(红绿灯)时间的效果会越好。下文中，结合附图和实施例对本发明作进一步阐述。图1为本发明系统框图，包括车载高精度定位装置、路口的信号灯控制系统和云端服务器，所述云端服务器包括云端大数据处理平台和云端数据库。系统中所有的设备通过网络连接，实时收发位置信息以及相应的调整措施，组成路口交通一张网。高精度定位装置：每台汽车上装有高精度定位装置，并根据相应的上传策略，实时上传汽车高精度位置信息；路口信号灯控制系统：使用可编程逻辑控制器(plc)为主控设备，并通过继电器驱动路口led信号灯的开闭。根据云端服务器下发的配置信息，调节信号灯时间，并通过网络连接定时上传信号灯的配置信息以及接收云端服务器的配置信息。云端大数据处理平台：采集来自各个汽车上传的位置信息及各个重要路口的信号灯配置信息，并结合地图匹配算法，机器学习算法，分析各个重要路口的信号灯调度是否合理，以制定相应的调整方案，同时兼顾相邻几个路口间的联动策略。云端数据库：存储车辆信息、高精度定位装置、城市重要路口信号灯信息等。车载高精度定位装置采用rtk(realtimekinematic，载波相位差分技术)设备，通过卫星获取和解算出高精度定位信息，并辅助以地基增强差分定位去除大气层、电离层等共性干扰(精度最高达到厘米级)。车载高精度定位装置与云端服务器的通讯协议如下：表1高精度定位装置与云端服务器的通讯协议牛辆id当前时间经度纬度定位标志速度信息车道信息路口的信号灯控制系统根据云端服务器的配置信息定时上传信号灯相关时间参数，并接收来自云端服务器的配置信息，与云端服务器的交互数据及通讯协议包括上行协议和下行协议，分别如表2和表3所示：表2上行协议字段1信号灯控制器id字段2当前时间戳记字段3当前东西方向直行红灯时间字段4当前东西方向直行黄灯时间字段5当前东西方向直行绿灯时间字段6当前东西方向左转红灯时间字段7当前东西方向左转黄灯时间字段8当前东西方向左转绿灯时间字段9当前南北方向直行红灯时间字段10当前南北方向直行黄灯时间字段11当前南北方向直行绿灯时间字段12当前南北方向左转红灯时间字段13当前南北方向左转黄灯时间字段14当前南北方向左转绿灯时间字段15当前其它方向直行红灯时间字段16当前其它方向直行黄灯时间字段17当前其它方向直行绿灯时间字段18当前其它方向左转红灯时间字段19当前其它方向左转黄灯时间字段20当前其它方向左转绿灯时间预留字段1～6表3下行协议字段1信号灯控制器id字段2当前服务器时间字段3信号灯控制器上传信息间隔时间字段4当前东西方向直行红灯时间改正值字段5当前东西方向直行黄灯时间改正值字段6当前东西方向直行绿灯时间改正值字段7当前东西方向左转红灯时间改正值字段8当前东西方向左转黄灯时间改正值字段9当前东西方向左转绿灯时间改正值字段10当前南北方向直行红灯时间改正值字段11当前南北方向直行黄灯时间改正值字段12当前南北方向直行绿灯时间改正值字段13当前南北方向左转红灯时间改正值字段14当前南北方向左转黄灯时间改正值字段15当前南北方向左转绿灯时间改正值字段16当前其它方向直行红灯时间改正值字段17当前其它方向直行黄灯时间改正值字段18当前其它方向直行绿灯时间改正值字段19当前其它方向左转红灯时间改正值字段20当前其它方向左转黄灯时间改正值字段21当前其它方向左转绿灯时间改正值预留字段1～6构建云端大数据处理平台需要结合分布式并行处理技术与实时数据流处理技术，并采用深度学习技术对足够的数据样本进行训练。深度学习的主要过程是预处理、特征提取、特征选择、再到推理预测或者识别。首先，需要采集大量的重要交通路口的信号灯的配置信息作为数据样本对深度学习模型进行训练，配置信息包括信号灯信息、调整策略数据样本、调整后交通流量情况等，数据样本越多，拟合度越好。其次，要对训练得出的深度学习模型进行测试，测试也需要大量的数据，防止过拟合与欠拟合，根据测试得出的结果对深度学习模型进行调整。最后，是在实践中学习训练深度学习模型。实施例一，高精度定位装置工作流程，如图2所示，高精度定位装置采用高性价比的rtk设备，即使用载波相位差分技术消除卫星定位中的一些共性误差，包括大气层误差、电离层误差等，工作流程包括以下步骤：通过卫星获取和解算出汽车位置信息；从节省用户移动网路流量的目的出发，通过地图匹配算法对解算出来的高精度位置信息与离线地图的路口位置信息做匹配；如果汽车即将靠近路口，高精度定位装置实时上传汽车位置信息到云端服务器；如果汽车离开路口一段距离后，高精度定位装置停止上传汽车位置信息。实施例二，信号灯控制系统工作流程，如图3所示，包括以下步骤：信号灯控制系统根据本机存储的参数信息进行路口信号灯的切换；如果接收到云端服务器下发的配置信息，更新信号灯的配置信息；如果到达定时时间，信号灯控制系统将信号灯的配置信息上传到云端服务器。本发明针对云端服务器优选使用java、c++进行开发，对车载终端高精度定位装置优选使用c语言进行开发。本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。当前第1页12