本发明属于交通信号灯控制领域,特别是涉及一种基于交通大数据的红绿灯智能调控方法和系统。
背景技术:
1、随着经济发展以及技术的进步,城市人口以及车辆的数量急剧增加,由此也导致交通拥堵现象频发,对人们的出行造成诸多不便。交通红绿灯作为缓解城市交通压力、提高城市通行效率的重要手段,发挥着越来越重要的作用。但现有的红绿灯控制方案仅能按照固定的算法进行红绿灯控制,当交通路况发生变化时,无法及时根据交通状态调整红绿灯的时间间隔。
技术实现思路
1、本发明的目的是提供一种基于交通大数据的红绿灯智能调控系统和方法,以解决上述现有技术存在的问题。
2、一方面为实现上述目的,本发明提供了一种基于交通大数据的红绿灯智能调控系统,包括交通数据采集子系统、大数据云端、数据处理子系统、智能控制子系统;
3、所述交通数据采集子系统用于采集交通状态数据,将所述交通状态数据传输至所述大数据云端;
4、所述大数据云端用于对所述交通状态数据进行排列与存储;
5、所述数据处理子系统用于调用所述大数据云端中的交通状态数据,对所述交通状态进行分析,获取红绿灯持续时长;
6、所述智能控制子系统用于根据所述红绿灯持续时长,并构建自主调控模型对交通现场红绿灯的持续时长进行智能控制。
7、可选地,所述交通数据采集子系统包括航拍模块以及现场图像采集模块,所述数据采集子系统包括若干组无人机,若干组无人机均搭载航拍装置,通过所述航拍装置对交通道路进行成像,获取交通状态俯视图;所述现场图像采集模块包括高清成像装置,所述高清成像装置与交通红绿灯并排设置,用于获取现场交通状态图像。
8、可选地,所述大数据云端通过构建数据存储框架,对实时获取的所述交通状态数据进行存储;
9、所述数据存储架构为xml架构,在所述xml架构中,按照数据获取时间的递进顺序,并将获取时间作为约束条件,将所述交通状态数据作为时间下的详细描述,同时根据所述约束条件对不同获取时间的交通状态俯视图进行存储,并将对应获取时间的现场交通状态图像同时存储。
10、可选地,所述数据处理子系统对交通状态俯视图以及现场交通状态图像进行特征提取,获取交通路段红灯向绿灯切换时的东西南北方向的车辆总数、行人总数,根据东西南北方向的车辆总数、行人总数计算路段拥堵程度以及通行压力,基于所述路段拥堵程度以及所述通行压力计算绿灯持续时长,并设置黄灯持续时长,根据所述绿灯持续时长与所述黄灯持续时长计算红灯持续时长。
11、可选地,所述智能控制子系统采用深度卷积神经网络构建自主调控模型,并统计所述数据处理子系统计算的绿灯持续时长、黄灯持续时长、红灯持续时长以及对应的车辆总数、行人总数、路段拥堵程度、通行压力,对所述自主调控模型进行训练并更新,根据训练完成后的自主调控模型进行智能控制。
12、另一方面为实现上述目的,本发明提供了一种基于交通大数据的红绿灯智能调控方法,包括以下步骤:
13、基于搭载航拍装置的无人机获取交通状态俯视图,基于高清成像装置获取现场交通状态图像;
14、基于xml架构对所述交通状态俯视图与所述现场交通状态图像进行排列存储;
15、对所述交通状态俯视图与所述现场交通状态图像进行分析,获取红绿灯持续时长;
16、基于深度卷积神经网络构建自主调控模型,并根据所述红绿灯持续时长对交通现场红绿灯的持续时长进行智能控制。
17、可选地,基于xml架构对所述交通状态俯视图与所述现场交通状态图像进行排列存储的过程包括:
18、按照数据获取时间的递进顺序,并将获取时间作为约束条件,将所述交通状态俯视图作为时间下的详细描述,同时根据所述约束条件对不同获取时间的交通状态俯视图进行存储,并将对应获取时间的现场交通状态图像同时存储。
19、可选地,对所述交通状态俯视图与所述现场交通状态图像进行分析的过程包括:
20、对所述交通状态俯视图以及所述现场交通状态图像进行特征提取,获取交通路段红灯向绿灯切换时的东西南北方向的车辆总数、行人总数;
21、基于东西南北方向的车辆总数、行人总数计算路段拥堵程度以及通行压力;
22、基于所述路段拥堵程度以及所述通行压力计算绿灯持续时长,并设置黄灯持续时长,基于所述绿灯持续时长与所述黄灯持续时长计算红灯持续时长。
23、可选地,根据所述红绿灯持续时长对交通现场红绿灯的持续时长进行智能控制的过程包括:
24、统计所述绿灯持续时长、黄灯持续时长、红灯持续时长以及对应的车辆总数、行人总数、路段拥堵程度、通行压力,对所述自主调控模型进行训练并更新,根据训练完成后的自主调控模型进行智能控制。
25、本发明的技术效果为:
26、本发明通过同时获取现场交通图像以及交通俯视图像提高行人及车辆参数提取的准确性,通过数据存储架构进行时间顺序数据存储,节省数据提取时间,增加系统运行效率,通过计算路段拥堵情况以及通行压力调整红绿灯持续时长,并采用深度卷积神经网络完成自动控制调节。
1.一种基于交通大数据的红绿灯智能调控系统,其特征在于,包括交通数据采集子系统、大数据云端、数据处理子系统、智能控制子系统;
2.根据权利要求1所述的基于交通大数据的红绿灯智能调控系统,其特征在于,所述交通数据采集子系统包括航拍模块以及现场图像采集模块,所述数据采集子系统包括若干组无人机,若干组无人机均搭载航拍装置,通过所述航拍装置对交通道路进行成像,获取交通状态俯视图;所述现场图像采集模块包括高清成像装置,所述高清成像装置与交通红绿灯并排设置,用于获取现场交通状态图像。
3.根据权利要求1所述的基于交通大数据的红绿灯智能调控系统,其特征在于,所述大数据云端通过构建数据存储框架,对实时获取的所述交通状态数据进行存储;
4.根据权利要求1所述的基于交通大数据的红绿灯智能调控系统,其特征在于,所述数据处理子系统对交通状态俯视图以及现场交通状态图像进行特征提取,获取交通路段红灯向绿灯切换时的东西南北方向的车辆总数、行人总数,根据东西南北方向的车辆总数、行人总数计算路段拥堵程度以及通行压力,基于所述路段拥堵程度以及所述通行压力计算绿灯持续时长,并设置黄灯持续时长,根据所述绿灯持续时长与所述黄灯持续时长计算红灯持续时长。
5.根据权利要求1所述的基于交通大数据的红绿灯智能调控系统,其特征在于,所述智能控制子系统采用深度卷积神经网络构建自主调控模型,并统计所述数据处理子系统计算的绿灯持续时长、黄灯持续时长、红灯持续时长以及对应的车辆总数、行人总数、路段拥堵程度、通行压力,对所述自主调控模型进行训练并更新,根据训练完成后的自主调控模型进行智能控制。
6.一种基于交通大数据的红绿灯智能调控方法,其特征在于,包括以下步骤:
7.根据权利要求1所述的基于交通大数据的红绿灯智能调控方法,其特征在于,基于xml架构对所述交通状态俯视图与所述现场交通状态图像进行排列存储的过程包括:
8.根据权利要求1所述的基于交通大数据的红绿灯智能调控方法,其特征在于,对所述交通状态俯视图与所述现场交通状态图像进行分析的过程包括:
9.根据权利要求1所述的基于交通大数据的红绿灯智能调控方法,其特征在于,根据所述红绿灯持续时长对交通现场红绿灯的持续时长进行智能控制的过程包括: