[發(fā)明專利]一種基于深度學習的交通控制方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201910078907.2
• 申請日: 2019-01-28
• 公開（公告）號: CN109697867B
• 公開（公告）日: 2020-10-20
• 發(fā)明（設計）人: 常宇飛;李蘭芳
• 申請（專利權）人: 深圳市歐德克科技有限公司
• 主分類號: G08G1/08
• 分類號: G08G1/08
• 代理公司: 深圳市六加知識產(chǎn)權代理有限公司 44372
• 代理人: 宋建平

1.一種基于深度學習的交通控制方法，其特征在于，應用于基于深度學習的交通控制系統(tǒng)，所述交通控制系統(tǒng)包括：高清攝像頭、信號燈、局部處理器以及城市交通中央服務器，所述高清攝像頭和信號燈分別連接所述局部處理器，所述局部處理器連接所述城市交通中央服務器，所述方法包括：

所述局部處理器獲取交通路口的視頻數(shù)據(jù)，通過深度神經(jīng)網(wǎng)絡處理所述視頻數(shù)據(jù)，確定交通數(shù)據(jù)，所述交通數(shù)據(jù)包括：各相位的車流量、滯留量、堵車指數(shù)以及通行能力；

確定所述局部處理器的工作模式，所述工作模式包括：自主控制模式和多路口聯(lián)合控制模式；

若所述局部處理器處于多路口聯(lián)合控制模式，則所述局部處理器根據(jù)所述交通數(shù)據(jù)，分析所述信號燈的當前設置值是否合理；

若否，所述局部處理器向所述城市交通中央服務器發(fā)送所述交通數(shù)據(jù)以及信號燈調(diào)整請求；

所述城市交通中央服務器接收所述局部處理器發(fā)送的交通數(shù)據(jù)；

所述城市交通中央服務器根據(jù)所述交通數(shù)據(jù)，建立并初始化多個交通路口的多張性能表，每一所述交通路口與每一所述性能表一一對應，所述性能表用于對應保存所述交通路口的數(shù)據(jù)，所述數(shù)據(jù)包括星期數(shù)、時間段、節(jié)假日、紅綠燈設置、堵車指數(shù)以及通行能力；

根據(jù)所述性能表，確定與所述信號燈的當前設置值接近的N條數(shù)據(jù)的堵車指數(shù)，N為正整數(shù)且N≥2；

根據(jù)所述信號燈調(diào)整請求對應的星期數(shù)、時間段以及節(jié)假日類型，確定與所述信號燈的調(diào)整值接近的N條數(shù)據(jù)的堵車指數(shù)，N為正整數(shù)且N≥2；

分別從所述當前設置值接近的N條數(shù)據(jù)和所述調(diào)整值接近的N條數(shù)據(jù)中篩選出K條數(shù)據(jù)，K為正整數(shù)且K≥2；

根據(jù)所述當前設置值對應的K條數(shù)據(jù)以及所述調(diào)整值對應的K條數(shù)據(jù)，分別計算與當前設置值對應的第一擁擠指數(shù)以及與調(diào)整值對應的第二擁擠指數(shù)；

判斷所述第一擁擠指數(shù)是否大于所述第二擁擠指數(shù)，若是，則確定所述信號燈調(diào)整請求為合理，控制所述局部處理器基于所述信號燈調(diào)整請求，調(diào)整所述信號燈的當前設置值，若否，則確定所述信號燈調(diào)整請求不合理。

2.根據(jù)權利要求1所述的交通控制方法，其特征在于，所述方法還包括：

若所述局部處理器處于自主控制模式，則根據(jù)各交通路口的實時滯留量以及實時停留量實時調(diào)整信號燈。

3.根據(jù)權利要求1所述的交通控制方法，其特征在于，所述通過深度神經(jīng)網(wǎng)絡處理所述視頻數(shù)據(jù)，確定交通數(shù)據(jù)，包括：

根據(jù)所述交通路口的視頻數(shù)據(jù)，將所述交通路口的各條道路上等紅燈的車輛數(shù)記作實時停留量；將所述交通路口的各條道路上處于綠燈但是未通過停車線的車輛數(shù)記作實時滯留量；

將某個車流方向的全部車輛通過所述交通路口所需的大概時間記作通行時間；將某相位多組通行時間與相應的綠燈時間的比值的平均值表示此相位的堵車指數(shù)；

將單位時間內(nèi)通過某相位對應的路段的車輛數(shù)確定為該相位的車流量；

將在一次連續(xù)的綠燈時間內(nèi)，連續(xù)通過某相位對應的停車線的最多車輛數(shù)確定為該相位的通行能力；將某相位單位時間內(nèi)通過的車輛數(shù)與該相位的通行能力的比值作為該相位的通行指數(shù)。

4.根據(jù)權利要求1所述的交通控制方法，其特征在于，所述方法還包括：

所述城市交通中央服務器根據(jù)所述局部處理器實時發(fā)送的交通數(shù)據(jù)，實時更新所述性能表。

5.根據(jù)權利要求1所述的交通控制方法，其特征在于，所述方法還包括：

所述局部處理器向所述城市交通中央服務器發(fā)送調(diào)整后的交通路口的信號燈的當前設置值；

所述城市交通中央服務器根據(jù)所述局部服務器發(fā)送的調(diào)整后的當前設置值，更新所述性能表。

6.根據(jù)權利要求5所述的交通控制方法，其特征在于，所述方法還包括：

預設數(shù)據(jù)閾值，若所述性能表的數(shù)據(jù)量大于所述數(shù)據(jù)閾值，則刪除與當前交通數(shù)據(jù)差異較大的數(shù)據(jù)，以使所述性能表的數(shù)據(jù)量不超過所述數(shù)據(jù)閾值。

7.根據(jù)權利要求6所述的交通控制方法，其特征在于，所述方法還包括：

根據(jù)K-Means聚類算法，確定與當前交通數(shù)據(jù)差異較大的數(shù)據(jù)。

8.一種基于深度學習的交通控制系統(tǒng)，其特征在于，應用如權利要求1-7任一項所述的基于深度學習的交通控制方法，包括：高清攝像頭、信號燈、局部處理器以及城市交通中央服務器；

高清攝像頭，連接所述局部處理器，用于獲取交通路口的視頻數(shù)據(jù)，并將所述視頻數(shù)據(jù)發(fā)送到所述局部處理器；

信號燈，設置于交通路口，連接所述局部處理器，用于接收所述局部處理器發(fā)送的指令；

局部處理器，連接所述高清攝像頭、信號燈以及城市交通中央服務器，用于接收所述高清攝像頭獲取的視頻數(shù)據(jù)，并控制所述信號燈的當前設置值；

所述城市交通中央服務器，連接所述局部處理器，用于接收所述局部處理器發(fā)送的交通數(shù)據(jù)。