基于V2X的红绿灯控制方法、装置、设备及存储介质与流程

基于v2x的红绿灯控制方法、装置、设备及存储介质
技术领域
1.本发明涉及技术领域，尤其涉及一种基于v2x的红绿灯控制方法、装置、设备及存储介质。


背景技术：

2.随着经济与科技的发展，人们的生活水平不断提高，汽车作为最主要的交通工具步入了千家万户，在城市交通运输中，在道路交叉口区域交通拥堵、交通事故频发，交通信号灯是加强城市道路交通运输管理，减少交通事故的发生，提高道路交通效率，改善交通状况的一种重要工具，交通信号灯由道路交通信号控制机控制，指导机动车、非机动车和行人安全有序地通行。
3.近年来，5g、车联网、大数据、云计算以及道路电子技术飞速发展，车路协同技术发展迅猛，该技术采用无线通信和新一代互联网等技术，全方位实施车车、车路动态实时信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。
4.目前交通信号灯各个方向的通行时间是固定的，在某些场景下不仅不会提高道路使用效率反而会降低道路使用效率，或者存在同一个行驶方向的多辆车同时在道路交叉口等待时，由于启动和加速时间不一致，同样会导致降低道路使用率。


技术实现要素：

5.针对现有技术的以上缺陷或改进需求，本发明的目的在于提供一种基于v2x的红绿灯控制方法、装置、设备及存储介质。
6.为达此目的，本发明采用以下技术方案：
7.第一方面，一种基于v2x的红绿灯控制方法，应用于同一道路交叉口处多个相位的红绿灯组，每个所述相位设有至少一对互为相反的方向，所述方法包括以下步骤：
8.根据所述道路交叉口的历史路况，确定红绿灯的自学习时段；
9.获取本次所述自学习时段内每个所述相位中每个方向上的实际行车流量，并确定各所述相位的相位最大流量比；
10.根据各所述相位的相位最大流量比、各所述相位的标定过的起动损失时间和红灯时间，确定每个所述相位的有效绿灯时长并作为所述相位在下一次同一所述自学习时段的绿灯时长。
11.在一个实施例中，所述根据所述道路交叉口的历史路况，确定红绿灯的自学习时段的步骤包括：
12.根据所述道路交叉口的历史交通指数，确定目标交通指数及对应的常见发生时段；
13.根据所述常见发生时段，确定所述红绿灯的自学习时段。
14.在一个实施例中，所述自学习时段设置在一个自然日内的0点至24点之间。
15.在一个实施例中，所述获取本次所述自学习时段内每个所述相位中每个方向上的实际行车流量，并确定各所述相位的相位最大流量比的步骤包括：
16.根据所述相位中每个方向的实际行车流量与理论饱和流量，确定所述相位中每个方向上实际行车流量与理论饱和流量的比值；
17.将所述相位中各方向对应的所述比值中的最大值，确定为所述相位的相位最大流量比。
18.在一个实施例中，所述根据所述相位中每个方向的实际行车流量的步骤包括：
19.接收进入所述道路交叉口的路侧设备通信范围内所有车辆的车辆位置信息和运动信息；
20.根据所述车辆位置信息和运动信息，对所述车辆状态信息进行插值处理。
21.在一个实施例中，所述根据各所述相位的相位最大流量比，确定每个所述相位的有效绿灯时长的步骤包括：
22.将各所述相位的相位最大流量比求和，获得所述道路交叉口的总相位最大流量比；
23.根据各所述相位的标定过的起动损失时间和红灯时间，确定总相位信号损失时间；
24.根据各所述相位的相位最大流量比、所述总相位信号损失时间和所述总相位最大流量比，确定各所述相位的有效绿灯时长。
25.在一个实施例中，各所述相位的有效绿灯时长根据以下公式确定：
[0026][0027]
其中，tgi表示第i个相位的有效绿灯时长，f表示总相位最大流量比，fi表示第i个相位的相位最大流量比，ts表示总相位信号损失时间，k和b均为标定系数。
[0028]
第二方面，一种基于v2x的红绿灯控制装置，应用于同一道路交叉口处多个相位的红绿灯组，每个所述相位设有至少一对互为相反的方向，所述装置包括：
[0029]
第一模块，用于根据所述道路交叉口的历史路况，确定红绿灯的自学习时段；
[0030]
第二模块，用于获取本次所述自学习时段内每个所述相位中每个方向上的实际行车流量，并确定当前所述相位的相位最大流量比；
[0031]
第三模块，用于根据各所述相位的相位最大流量比、各所述相位的标定过的起动损失时间和红灯时间，确定每个所述相位的有效绿灯时长并作为所述相位在下一次同一所述自学习时段的绿灯时长。
[0032]
第四方面，一种电子设备，包括处理器和存储器，所述处理器和存储器相互连接；
[0033]
所述存储器用于存储计算机程序；
[0034]
所述处理器被配置用于在调用所述计算机程序时，执行上述的基于v2x的红绿灯控制方法。
[0035]
第五方面，一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现上述的基于v2x的红绿灯控制方法。
[0036]
本发明的有益效果：
[0037]
对于基于v2x的红绿灯控制方法，根据道路交叉口的历史路况，确定红绿灯的自学习时段；获取本次自学习时段内每个相位中每个方向上的实际行车流量，并确定各相位的相位最大流量比；根据各相位的相位最大流量比、各相位的标定过的起动损失时间和红灯时间，确定每个相位的有效绿灯时长并作为相位在下一次同一自学习时段的绿灯时长，能够在特定时间段自学习，控制绿灯时长，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。
[0038]
对于基于v2x的红绿灯控制装置，根据道路交叉口的历史路况，确定红绿灯的自学习时段；获取本次自学习时段内每个相位中每个方向上的实际行车流量，并确定各相位的相位最大流量比；根据各相位的相位最大流量比、各相位的标定过的起动损失时间和红灯时间，确定每个相位的有效绿灯时长并作为相位在下一次同一自学习时段的绿灯时长，能够在特定时间段自学习，控制绿灯时长，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。
[0039]
对于电子设备，根据道路交叉口的历史路况，确定红绿灯的自学习时段；获取本次自学习时段内每个相位中每个方向上的实际行车流量，并确定各相位的相位最大流量比；根据各相位的相位最大流量比、各相位的标定过的起动损失时间和红灯时间，确定每个相位的有效绿灯时长并作为相位在下一次同一自学习时段的绿灯时长，能够在特定时间段自学习，控制绿灯时长，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。
[0040]
对于计算机存储介质，根据道路交叉口的历史路况，确定红绿灯的自学习时段；获取本次自学习时段内每个相位中每个方向上的实际行车流量，并确定各相位的相位最大流量比；根据各相位的相位最大流量比、各相位的标定过的起动损失时间和红灯时间，确定每个相位的有效绿灯时长并作为相位在下一次同一自学习时段的绿灯时长，能够在特定时间段自学习，控制绿灯时长，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。
[0041]
本技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
[0042]
本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0043]
图1是本实施例提供的基于v2x的红绿灯控制方法的一种具体应用场景的示意图；
[0044]
图2是图1中第一相位的车流示意图；
[0045]
图3是图1中第二相位的车流示意图；
[0046]
图4是图1中第三相位的车流示意图；
[0047]
图5是图1中第四相位的车流示意图；
[0048]
图6是本技术实施例提供的基于v2x的红绿灯控制方法的流程图；
[0049]
图7是本技术实施例提供的基于v2x的红绿灯控制方装置的结构示意图；
[0050]
图8是本技术实施例提供的电子设备的结构示意图。
具体实施方式
[0051]
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
[0052]
在本发明的描述中，除非另有明确的规定和限定，术语“相连”、“连接”、“固定”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0053]
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本技术的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组合。
[0054]
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本技术所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像本技术实施例中一样被特定定义，否则不会用理想化或过于正式的含义来解释。
[0055]
本发明提供基于v2x的红绿灯控制方法，可应用于地图、导航、自动驾驶、智能车辆控制、车联网、智能交通以及云计算等领域。
[0056]
其中，智能交通系统又称智能运输系统(intelligent transportation system)，是将先进的科学技术(信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等)有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。基于本技术实施例提供的行驶轨迹确定方法，可准确确定车辆的实际行驶轨迹，从而为交通运输、服务控制等方面提供有力保障。
[0057]
其中，智能车路协同系统简称车路协同系统，是智能交通系统(its)的一个发展方向。车路协同系统是采用先进的无线通信和新一代互联网等技术，全方位实施车车、车路动态实时信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。基于本技术实施例提供的行驶轨迹确定方法，可为交通安全、车路协同提供技术支持。
[0058]
本技术实施例提供的基于v2x的红绿灯控制方法可由服务器执行，也可以由终端执行。其中，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。终端可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表、车载终端、智能电视等，具体可基于实际应用场景需求确定，在此不做限制。
[0059]
图1是本实施例提供的基于v2x的红绿灯控制方法的一种具体应用场景的示意图，该场景包括一个道路交叉口，该交叉口连接东南西北四条道路，共有四个相位，由于右转无
需交通灯，因此每个相位可设有一个左转灯和一个直行灯，每个相位设有至少一对互为相反的方向。
[0060]
第一相位、第二相位、第三相位和第四相位的车流示意图依次如图2-图5所示。
[0061]
第一相位：东
→
西、西
→
东。
[0062]
第二相位：东
→
南、南
→
东、西
→
北、北
→
西。
[0063]
第三相位：北
→
南、南
→
北。
[0064]
第四相位：西
→
南、南
→
西、北
→
东、东
→
北。
[0065]
图6是本技术实施例提供的基于v2x的红绿灯控制方法的流程图，如图6所示，基于v2x的红绿灯控制方法包括以下步骤s10-s30。
[0066]
s10、根据道路交叉口的历史路况，确定红绿灯的自学习时段。
[0067]
不同的道路交叉口，车流量可能不同，同一个道路交叉口，不同时间段，车流量也可能不同，例如学校门口早上7点-8点的道路交叉口，由于很多家长接送小孩上学，导致道路交叉口容易发生拥堵，而到了8点以后，接送孩子的这部分车流消散后，道路交叉口又恢复正常。因此，根据道路交叉口的历史路况，确定红绿灯的自学习时段，既可以适应实际需求，也减少了学习、运算成本。
[0068]
具体地，步骤s10包括s101-s102。
[0069]
s101、根据道路交叉口的历史交通指数，确定目标交通指数及对应的常见发生时段。
[0070]
s102、根据常见发生时段，确定红绿灯的自学习时段。
[0071]
交通指数是集交通拥堵空间范围、持续时间、严重程度的为一体的综合性数值，交通管理者及交通参与者可以通过交通指数，得到全路网或者区域路网的交通状态，以便及时采取有效措施，减少拥堵的发生。交通指数能够帮助居民判断出行时间消耗。
[0072]
交通指数通常可分为以下几个等级：
[0073]
0～2，畅通：可顺畅到达目的地。
[0074]
2～4，基本畅通：平均需要比畅通时多花费0.2-0.5倍时间。
[0075]
4～6，轻度拥堵：平均需要比畅通时多花费0.5-0.8倍时间。
[0076]
6～8，中度拥堵：平均需要比畅通时多花费0.8-1.1倍时间。
[0077]
8～10，严重拥堵：平均需要比畅通时多花费1.1倍以上时间。
[0078]
本实施例中，定义以预定限速无障碍车辆经过该路口时的时间定义为0级的下限值，在该时间基础上增加少量车辆，重新实验获得的时间定义为0级的上限值。之后，按照此方式，逐渐定义出交通指数0-10级各级对应的时间。
[0079]
本实施例中，定义交通指数7-10为目标交通指数。根据目标交通指数确定对应的常见发生时段。
[0080]
需要说明的是，目标交通指数的个数不限，例如，可以设置两个目标交通指数，一个目标交通指数为7-8，另一个目标交通指数9-10。例如，前一个目标交通指数对应的常见发生时段是工作日的晚上5点-6点，后一个目标交通指数对应的常见发生时段是工作日的早上7点半到8点半。
[0081]
通过分成不同的目标交通指数，可以更科学、精准地针对不同车况、不同时间段进行自学习。
[0082]
进一步，自学习时段设置在一个自然日内的0点至24点之间。即在每次学习时能准确对应时间。例如，可以设置每周一至周五中每天的7点半到8点半进行自学习，即每个工作日进行自学习。又或者每周六至每周日的下午6点至晚上8点进行自学习，即每个周末进行两次自学习。通过这种设定，可以更好的适应社会习惯。
[0083]
步骤s10后进行步骤s20、获取本次自学习时段内每个相位中每个方向上的实际行车流量，并确定各相位的相位最大流量比。
[0084]
具体地，步骤s20包括s201-s202。
[0085]
s201、根据相位i中每个方向j的实际行车流量f
ij1
与理论饱和流量f
ij0
，确定该相位i中每个方向j上实际行车流量f
ij1
与理论饱和流量f
ij0
的比值
[0086]
s202、将该相位i中各方向j对应的比值中的最大值，确定为该相位的相位最大流量比fi。
[0087]
以第一相位为例进行说明，第一相位具有两个方向：东
→
西和西
→
东。
[0088]
首先确定本次自学习时段(周六早上7点至8点的这一个小时)第一相位中东
→
西方向上实际行车流量f
111
与该方向(东
→
西)的理论饱和流量f
110
，之后将两个值做除法：f
111
/f
110
。
[0089]
再确定本次自学习时段(周六早上7点至8点的这一个小时)第一相位中西
→
东方向上实际行车流量f
121
与该方向(西
→
东)的理论饱和流量f
120
，之后将两个值做除法：f
121
/f
120
。
[0090]
比较f
111
/f
110
和f
121
/f
120
中的最大值，作为第一相位的相位最大流量比f1。
[0091]
以第二相位为例继续说明，第二相位具有四个方向：东
→
南、南
→
东、北
→
西、西
→
北。
[0092]
首先确定本次自学习时段(周六早上7点至8点的这一个小时)第二相位中东
→
南方向上实际行车流量f
211
与该方向(东
→
南)的理论饱和流量f
210
，之后将两个值做除法：f
211
/f
210
。
[0093]
再确定本次自学习时段(周六早上7点至8点的这一个小时)第二相位中南
→
东方向上实际行车流量f
221
与该方向(南
→
东)的理论饱和流量f
220
，之后将两个值做除法：f
221
/f
220
。
[0094]
再确定本次自学习时段(周六早上7点至8点的这一个小时)第二相位中北
→
西方向上实际行车流量f
231
与该方向(北
→
西)的理论饱和流量f
230
，之后将两个值做除法：f
231
/f
230
。
[0095]
最后确定本次自学习时段(周六早上7点至8点的这一个小时)第二相位中西
→
北方向上实际行车流量f
241
与该方向(西
→
北)的理论饱和流量f
240
，之后将两个值做除法：f
241
/f
240
。
[0096]
比较f
211
/f
210
、f
221
/f
220
、f
231
/f
230
和f
241
/f
240
中的最大值，作为第二相位的相位最大流量比f2。
[0097]
根据上述方法，确定第三相位的相位最大流量比f3和第四相位的相位最大流量比f4。
[0098]
需要说明的是，根据相位中每个方向的实际行车流量是基于v2x系统。v2x系统包括车辆、路侧设备(road side unit,rsu)和中心服务单元(central service unit，csu)。
[0099]
车辆包括定位模块、车载网联通信终端(on board unit,简称obu，也可称为车载单元)和人机交互系统(human
–
machine interaction，简称hmi)，定位模块用于获取本车位置信息和行驶姿态信息并发送给obu，obu用于汽车和其他车辆、rsu以及csu进行数据交互，且能通过车辆网关将rsu下发的提醒信息传送给hmi，hmi用于通过触觉、听觉或视觉的方式将提醒信息呈现给驾驶员。rsu用于感知该rsu一定范围内的道路交通环境信息融合计算处理并对与其相连接的交通信号灯相位进行控制。csu包括信息存储模块、信息处理模块和通信模块，信息存储模块用于记录obu和rsu上传的数据信息，信息处理模块用于验证obu是否合法，通信模块用于和obu和rsu进行数据交互。
[0100]
车辆即将通过路口时且进入路口处rsu的通信覆盖范围内时，车辆通过搭载的惯性导航、gps等定位装置得到自身的位置信息，然后通过无线通信技术将自身基本状态信息(包括但不限于车辆长、宽、高以及车辆唯一标志等信息)和行驶状态信息(包括但不限于位置、速度、灯光信号以及加速度等信息)上传给rsu。
[0101]
由于v2x车载设备单元的数据发送取决于自身定位系统，当定位失效时，v2x车载网联终端不向外广播消息，其发送频率和定位数据更新频率相同,可以根据需要对惯性导航及gps定位装置所采集的车辆状态信息参数进行插值处理，提高v2x车载网联终端的发送频率。
[0102]
假设插值前gps定位装置采集的经纬度坐标分别为l0和b0，插值后的经纬度坐标为l和b，则有以下插值公式：
[0103][0104]
其中δl与δb分别表示经纬度坐标的插值偏移量，计算公式为：
[0105][0106]
其中，vh表示车辆行驶速度，δt表示插值时间间隔，表示车辆航向角，l表示同一经度下纬度增加一度的距离。
[0107]
同理，惯性导航及gps定位装置采集的其余参数以相同的计算原理来进行插值处理，最终确保所有传感器上的数据采集时间上的同步，从而达到各模型的输入要求。
[0108]
进一步，选择合适的坐标系能够有效增加对于车辆运动状态预测的精度。通过gps定位装置采集的在wgs-84坐标系下表示的车辆位置信息，转换为空间大地直角坐标系下来表示。即将wgs-84坐标系下的位置参数(l,b,h)，转换为空间直角坐标系下的位置参数(x,y,z)，具体计算公式如下：
[0109]
[0110]
其中，为卯酉圈的半径，a为地球椭圆长半轴，b为地球椭圆短半轴。
[0111]
步骤s20后进行步骤s30、根据各相位i的相位最大流量比fi、各相位i的标定过的起动损失时间和红灯时间，确定每个相位i的有效绿灯时长tgi并作为为该相位在下一次同一自学习时段的绿灯时长。
[0112]
具体地，确定每个相位i的有效绿灯时长tgi包括步骤s301-s303。
[0113]
s301、将各相位的相位最大流量比求和，获得道路交叉口的总相位最大流量比。本实施例中，总相位最大流量比f＝f1+f2+f3+f4。
[0114]
s302、根据各相位的标定过的起动损失时间和红灯时间，确定总相位信号损失时间。
[0115]
具体地，每个相位i的信号损失时间tsi等于该相位标定的起动损失时间与红灯时间之和，总相位信号损失时间ts＝ts1+ts2+ts3+ts4。
[0116]
本实施例中，标定各相位的启动损失时间均为3秒，红灯时间均为2秒，则信号损失时间ts为4
·
(3+2)＝20秒。
[0117]
s303、根据各相位的相位最大流量比、总相位信号损失时间和总相位最大流量比，确定各相位的有效绿灯时长。具体地，根据下列公式进行计算：
[0118][0119]
其中，tgi表示第i个相位的有效绿灯时长，f表示总相位最大流量比，fi表示第i个相位的相位最大流量比，ts表示总相位信号损失时间，k和b均为标定系数，需要说明的是，k和b可根据模拟实验测算标定，本实施例中k取1.5，b取5。
[0120]
计算出每个相位的有效绿灯时长后，将有效绿灯时长确定为该相位在下一次同一自学习时段的绿灯时长。可以理解的是，本次自学习时段：周六早上7点至8点的这一个小时的各个相位的有效绿灯时长将作为明天早上7点至8点的这一个小时的各个相位的红绿灯控制策略。
[0121]
本实施例提供的基于v2x的红绿灯控制方法根据道路交叉口的历史路况，确定红绿灯的自学习时段；获取本次自学习时段内每个相位中每个方向上的实际行车流量，并确定各相位的相位最大流量比；根据各相位的相位最大流量比、各相位的标定过的起动损失时间和红灯时间，确定每个相位的有效绿灯时长并作为相位在下一次同一自学习时段的绿灯时长，能够在特定时间段自学习，控制绿灯时长，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。
[0122]
本技术实施例还提供一种基于v2x的红绿灯控制装置，该装置应用于同一道路交叉口处多个相位的红绿灯组，每个相位设有至少一对互为相反的方向。
[0123]
图7是本实施例提供的基于v2x的红绿灯控制装置的结构示意图，如图7所示，该装置包括第一模块71、第二模块72和第三模块73。
[0124]
第一模块71用于根据所述道路交叉口的历史路况，确定红绿灯的自学习时段；
[0125]
第二模块72用于获取本次自学习时段内每个相位中每个方向上的实际行车流量，并确定各相位的相位最大流量比；
[0126]
第三模块73用于根据各相位的相位最大流量比、各相位的标定过的起动损失时间和红灯时间，确定每个相位的有效绿灯时长并作为相位在下一次同一自学习时段的绿灯时长。
[0127]
需要说明的是，本实施例提供的基于v2x的红绿灯控制装置还可以是运行于计算机设备中的一个计算机程序(包括程序代码)，例如基于v2x的红绿灯控制装置为一个应用程序，可以用于执行本技术实施例提供的上述方法中的相应步骤。
[0128]
在一些可行的实施方式中，本实施例提供的基于v2x的红绿灯控制装置可以采用软硬件结合的方式实现，作为示例，本技术实施例提供基于v2x的红绿灯控制装置可以是采用硬件译码处理器形式的处理器，其被编程以执行本技术实施例提供的基于v2x的自动驾驶的控制方法，例如，硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路(asic，applicationspecific integrated circuit)、数字信号处理器(digital signal processor，dsp)、可编程逻辑器件(pld，programmable logic device)、复杂可编程逻辑器件(cpld，complexprogrammable logic device)、现场可编程门阵列(fpga，field-programmable gatearray)或其他电子元件。
[0129]
在一些可行的实施方式中，本实施例提供的基于v2x的红绿灯控制装置可以采用软件方式实现，其可以是程序和插件等形式的软件，并包括一系列的模块，例如让行策略模块和巡航策略模块，以实现本发明实施例提供的v2x的红绿灯控制方法。
[0130]
本实施例提供的基于v2x的红绿灯控制装置，根据道路交叉口的历史路况，确定红绿灯的自学习时段；获取本次自学习时段内每个相位中每个方向上的实际行车流量，并确定各相位的相位最大流量比；根据各相位的相位最大流量比、各相位的标定过的起动损失时间和红灯时间，确定每个相位的有效绿灯时长并作为相位在下一次同一自学习时段的绿灯时长，能够在特定时间段自学习，控制绿灯时长，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。
[0131]
本技术实施例还提供一种电子设备，图8是本实施例的电子设备的结构示意图，如图8所示，本实施例中的电子设备1000可以包括：处理器1001，网络接口1004和存储器1005，此外，上述电子设备1000还可以包括：用户接口1003，和至少一个通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。其中，用户接口1003可以包括显示屏(display)、键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1004可以是高速ram存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图8所示，作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及设备控制应用程序。
[0132]
如图8所示的电子设备1000中，网络接口1004可提供网络通讯功能；而用户接口1003主要用于为用户提供输入的接口；而处理器1001可以用于调用存储器1005中存储的设备控制应用程序，以实现：
[0133]
根据所述道路交叉口的历史路况，确定红绿灯的自学习时段；
[0134]
获取本次所述自学习时段内每个所述相位中每个方向上的实际行车流量，并确定各所述相位的相位最大流量比；
[0135]
根据各所述相位的相位最大流量比、各所述相位的标定过的起动损失时间和红灯时间，确定每个所述相位的有效绿灯时长并作为所述相位在下一次同一所述自学习时段的绿灯时长。
[0136]
应当理解，在一些可行的实施方式中，上述处理器1001可以是中央处理单元(central processing unit，cpu)，该处理器还可以是其他通用处理器、dsp、asic、fpga或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。该存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如，存储器还可以存储设备类型的信息。
[0137]
具体实现中，上述电子设备1000可通过其内置的各个功能模块执行如上述图6所示的各个步骤所提供的实现方式，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。
[0138]
本实施例提供的电子设备根据道路交叉口的历史路况，确定红绿灯的自学习时段；获取本次自学习时段内每个相位中每个方向上的实际行车流量，并确定各相位的相位最大流量比；根据各相位的相位最大流量比、各相位的标定过的起动损失时间和红灯时间，确定每个相位的有效绿灯时长并作为相位在下一次同一自学习时段的绿灯时长，能够在特定时间段自学习，控制绿灯时长，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。
[0139]
本技术实施例还提供一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，被处理器执行以实现图6中各个步骤所提供的方法，具体可参见上述各个步骤所提供的实现方式，在此不再赘述。
[0140]
该计算机存储介质根据道路交叉口的历史路况，确定红绿灯的自学习时段；获取本次自学习时段内每个相位中每个方向上的实际行车流量，并确定各相位的相位最大流量比；根据各相位的相位最大流量比、各相位的标定过的起动损失时间和红灯时间，确定每个相位的有效绿灯时长并作为相位在下一次同一自学习时段的绿灯时长，能够在特定时间段自学习，控制绿灯时长，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。
[0141]
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0142]
以上所述仅是本技术的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。