本发明涉及路网堵塞程度控制领域，更具体地，涉及一种智慧城市云端智能交通监控方法。
背景技术
城市交通堵塞是影响我国经济发展和居民生活质量的重要问题。实施交通信号控制策略以减少延误；发布实时交通信息以诱导车辆行驶乃保持路网动态均衡和缓解交通堵塞的交通管理措施。这两种交通管理措施均以交通状态，特别是对交通堵塞程度的有效评价为前提。我国公安部和建设部共同制定的《城市道路交通管理评价指标体系》将“交通负荷度”和“交叉路口阻塞率”作为城市道路交通管理科学化的重要指标。采用高峰期道路网交通负荷度来反映城市中心区域交通需求在时间上的集中程度，是一天中最不利状况下的供求矛盾的紧张程度。采用交叉路口阻塞率来衡量整个路网的饱和程度，是检查交通管理效果、制定交通需求管理对策、提出交叉口改造规划建设方案的依据。周期性阻塞交叉路口是指一定时间内经常出现阻塞的交叉口(不是随机或意外原因引起的)。信号灯控制交叉口若3次绿灯显示车辆未通过路口的为严重阻塞。
申请号为cn200810198919.0的中国发明专利申请公开了一种基于数据特征的城市信号控制路口交通状态检测和评价方法。其采用数据传输单元传来的数据构造随着交通密度变化且具有稳定极小值的车辆时距作为饱和交通流特征参量。然而，这种方法忽略了车辆启停过程中司机的主观延迟长短的区别，这种区别使得车辆时距的稳定最小值是不准确的甚至是不存在的，严重影响了交通信号灯的控制时长的有效性。
技术实现要素：
为了提高交通信号灯的控制对路网堵塞的控制或调节的效率，本发明提供了一种智慧城市云端智能交通监控方法，包括：
(10)监测路网中两个路口之间的车辆数目；
(20)根据车辆数目通过云计算的方式获得路网拥堵程度；
(30)根据拥堵程度向智能终端发送拥堵程度预警信息。
进一步地，所述步骤(10)包括：
获得第1到第n时刻从上一个路口将要抵达路口的车辆数目集合{num(n)}；
进一步地，所述步骤(20)包括：
(201)对集合{num(n)}进行修正，预测第n+1时刻从上一个路口将要抵达路口的车辆数目集合{num(n+1)}，并根据预测结果计算在一个信号灯控制周期内的红、绿灯点亮时间长度的比值；
(202)对所述比值进行校正；
(203)对上一个路口和将要抵达路口之间的路网堵塞程度进行估计。
进一步地，所述预警程度信息包括5种，分别用1、2、3、4和5表示预警等级。
进一步地，所述预警程度信息被以广播信号的形式进行传输。
进一步地，所述获得第1到第n时刻从上一个路口将要抵达路口的车辆数目集合{num(n)}包括：检测两个路口之间的某个位置处的车辆数目。
进一步地，所述检测两个路口之间的某个位置处的车辆数目包括利用摄像头并基于车牌识别方式获得单方向地经过该位置处的车辆的数目。
进一步地，所述步骤(201)包括：
设对第1到第n时刻从上一个路口将要抵达路口的车辆数目集合{num(n)}进行修正后得到的第1到第n时刻从上一个路口将要抵达路口的车辆数目为{num’(n)}，其中{num(n)}满足泊松分布的概率分布规律，其中n为自然数且n＝1，2，…；
将{num(n)}与{num’(n)}的联合概率密度函数c(num(n),num’(n))记作c(num,num’)，
c(num,num’)＝pois(αt1λ,αt2λ,…,αtnλ)＝λ[-pois(n)(λ)+αt1pois(n-1)(λ)+…+αtnpois(λ)]，
其中pois(λ)＝e-nλ；n表示第n时刻tn的车辆数目；
λ＝[n,num’(n)]t，[]t在此表示对[]进行转置，λ为随机向量，是根据svr短时交通流预测得到的在第n时刻的{num’(n)}这一集合的一阶项之和的模值；
对{num(n)}进行修正：
再设{num’(n)}在{num(n)}条件下的概率密度：
p(num’|num)＝p(num’,num)/p(num)＝pois(num’,λnum’|num)，其中
pois(num’,λnum’|num)为均值等于λnum’|num、方差矩阵m为
则
进一步地，所述步骤(202)包括：
(2021)获得将要抵达的路口的信号灯的红、绿灯点亮时间长度的比值r[n]；
(2022)获得车辆在上一个路口到所述将要抵达的路口之间的路段的堵塞程度dcrowd；
(2023)对所述将要抵达路口的信号周期时长t[n+1]进行修正：
其中
进一步地，所述步骤(203)包括：
根据t[n+1]的值与预设阈值集合的比较，确定上一个路口和将要抵达路口之间的路网堵塞程度。
本发明的有益效果为：能够根据路网上交通灯之间的路段的车辆数目进行动态地红、绿灯点亮时间长度调整，且对于车辆数目根据申请人的大量试验确定了上述修正的经验公式，从而通过调整红绿灯时间长度的比例，使得由于司机主观原因造成红绿灯转换时起步早、晚造成的堵塞程度能够被尽可能地自动降低。经试验，在北京地区的路网堵塞程度能够被自动降低15％-18％。
具体实施方式
根据本发明的优选实施例，本发明提供了一种智慧城市云端智能交通监控方法，包括：
(10)监测路网中两个路口之间的车辆数目；
(20)根据车辆数目通过云计算的方式获得路网拥堵程度；
(30)根据拥堵程度向智能终端发送拥堵程度预警信息。
优选地，所述步骤(10)包括：
获得第1到第n时刻从上一个路口将要抵达路口的车辆数目集合{num(n)}；
优选地，所述步骤(20)包括：
(201)对集合{num(n)}进行修正，预测第n+1时刻从上一个路口将要抵达路口的车辆数目集合{num(n+1)}，并根据预测结果计算在一个信号灯控制周期内的红、绿灯点亮时间长度的比值；
(202)对所述比值进行校正；
(203)对上一个路口和将要抵达路口之间的路网堵塞程度进行估计。
优选地，所述预警程度信息包括5种，分别用1、2、3、4和5表示预警等级。
优选地，所述预警程度信息被以广播信号的形式进行传输。
优选地，所述获得第1到第n时刻从上一个路口将要抵达路口的车辆数目集合{num(n)}包括：检测两个路口之间的某个位置处的车辆数目。
优选地，所述检测两个路口之间的某个位置处的车辆数目包括利用摄像头并基于车牌识别方式获得单方向地经过该位置处的车辆的数目。
优选地，所述步骤(201)包括：
设对第1到第n时刻从上一个路口将要抵达路口的车辆数目集合{num(n)}进行修正后得到的第1到第n时刻从上一个路口将要抵达路口的车辆数目为{num’(n)}，其中{num(n)}满足泊松分布的概率分布规律，其中n为自然数且n＝1，2，…；
将{num(n)}与{num’(n)}的联合概率密度函数c(num(n),num’(n))记作c(num,num’)，
c(num,num’)＝pois(αt1λ,αt2λ,…,αtnλ)＝λ[-pois(n)(λ)+αt1pois(n-1)(λ)+…+αtnpois(λ)]，
其中pois(λ)＝e-nλ；n表示第n时刻tn的车辆数目；
λ＝[n,num’(n)]t，[]t在此表示对[]进行转置，λ为随机向量，是根据svr短时交通流预测得到的在第n时刻的{num’(n)}这一集合的一阶项之和的模值；
对{num(n)}进行修正：
再设{num’(n)}在{num(n)}条件下的概率密度：
p(num’|num)＝p(num’,num)/p(num)＝pois(num’,λnum’|num)，其中
pois(num’,λnum’|num)为均值等于λnum’|num、方差矩阵m为
则
优选地，所述步骤(202)包括：
(2021)获得将要抵达的路口的信号灯的红、绿灯点亮时间长度的比值r[n]；
(2022)获得车辆在上一个路口到所述将要抵达的路口之间的路段的堵塞程度dcrowd；
(2023)对所述将要抵达路口的信号周期时长t[n+1]进行修正：
其中
优选地，所述步骤(203)包括：
根据t[n+1]的值与预设阈值集合的比较，确定上一个路口和将要抵达路口之间的路网堵塞程度。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。