一种交通信号灯闪烁控制方法及系统与流程

本发明涉及交通信号灯控制，具体为一种交通信号灯闪烁控制方法及系统。

背景技术：

1、在城市交通管理中，交通信号灯是至关重要的设施之一，用于指示驾驶员和行人何时可以通行或停止。然而在某些特定路段，如学校周边，交通需求与普通路段有所不同。特别是在放学时段，车流量激增，行人穿梭频繁，且经常有部分机动车或非机动车乱停乱放占用人行横道，按照固定时段进行控制的传统交通信号灯可能无法有效地应对这种情况。因此，针对学校周边的特殊交通需求，交通信号灯闪烁控制成为一项必要的优化选择。随着智能交通系统和先进交通技术的不断发展，交通信号灯闪烁控制已经成为现代城市交通管理的一部分。通过集成传感器、网络通信和智能算法，交通信号灯可以实现更加灵活、智能和高效的控制，以应对城市交通的挑战和需求。

2、在现有学校路段的交通信号灯研究中，申请号为cn202110125977.6的专利提出了一种基于plc的交通灯控制系统。系统主要包括数据采集模块、数据定位模块、数据分析模块、数据处理模块和调整控制模块。在数据采集模块中，道路采集单元和学校采集单元负责收集道路行车信息和学生上下学信息，并将其发送至数据分析模块。数据定位模块负责对道路上行车的运行坐标进行分析，以获取坐标分析信息。数据分析模块接收并分析行车信息和上下学信息，得出行车分析信息和上下学分析信息。数据处理模块接收数据分析信息并进行处理，生成相应的数据处理信息。最后，调整控制模块根据数据处理信息对交通灯的运行进行动态调控。该系统通过综合分析道路交通和学生上下学信息，实现了对交通灯的智能动态调控，提高了道路交通的效率和安全性，有效缓解了交通拥堵和学生放学时段的交通压力。然而，该专利将上学时间前半小时及放学时间后半小时设定为调控时间，该方法不够灵活，无法根据每天的具体情况进行自适应。申请号为cn201910972488.7的专利提出了一种基于车路协同的交叉路口中小学生优先通行系统。在系统运行时，控制器根据通行需求信息和交通状态信息判断交叉路口等待通行的中小学生数量。若数量未超过限值，则交通信号灯按常规方式工作；若数量达到或超过限值，则提前进行变换，并实施针对学生的控制方法，以保障他们优先通行。此控制方法包括根据学生人数调整绿灯时长，优先放行中小学生等。综合来看，该系统通过智能设备、摄像头和交通信号灯的协同作用，实现了交叉路口中小学生的优先通行，有效提高了通行效率和安全性。然而，该方法中当交叉路口处等待通行的中小学生数量达到或超过预设的数量时，控制器控制所述交通信号灯在经过等待时间t后进行变换。但对等待时间t并未进行具体说明。学者杨艳在“带语音提示的平安校园智慧交通信号灯设计”中提出了一种智能系统，该系统根据接收到的信号k进行不同的交通信号调节。当接收到信号k＝1时，人行横道红灯，车道绿灯；k＝2时，人行横道绿灯，车道红灯；k＝3时，人行横道和车道都为黄灯闪烁，用于提醒行人和车辆注意安全；k＝4时，可通过手机app调节绿信比，最大程度减少时间延误和经济损失。若未接收到以上信号，则系统将按原有程序控制交通信号灯，实现自动控制。然而，该系统极大程度依赖于外部信号k，本研究中对外部信号k的获取及处理过程不够清晰，整体交通信号灯的智能控制水平有待提升。

3、综合上述三种现有研究，尽管它们提出了针对学校路段的交通信号灯智能控制方法，但与学校这一具体场景结合不够紧密，无法应对一些突发情况，且整体智能化水平有待提高。

4、为此，提出一种交通信号灯闪烁控制方法及系统。

技术实现思路

1、本发明的目的在于提供一种交通信号灯闪烁控制方法及系统，首先，通过获取目标学校当天的第一日程表数据、当天的第一交通数据和指定时间内的第一历史交通数据，确定了第一管控时间段，判断目标学校是否处于假期状态。其次，获取当前时间，判断当前时间是否在第一管控时间段内。如果在第一管控时间段内，则采用第一闪烁控制策略对目标区域的第一交通信号灯和第二交通信号灯进行调整。通过采集目标区域的实时影像，并利用训练好的人行横道行人流感知模型来获取过路行人总数量。如果过路行人总数量超过预设阈值，则根据交通信号灯调整参数进行调整，以确保交通安全。在具体的交通信号灯调整过程中，根据第一交通信号灯和第二交通信号灯的初始参数以及过路行人总数量与预设阈值的关系，计算出交通信号灯调整参数。根据交通信号灯调整参数对第一绿灯持续时间、第一绿灯闪烁时间、第一红灯持续时间和第一红灯闪烁时间进行调整，得到第一绿灯优化持续时间、第一绿灯优化闪烁时间、第一红灯优化持续时间和第一优化红灯闪烁时间。该方法用以优化交通信号灯的控制效果，确保交通流畅和行人安全。

2、为实现上述目的，本发明提供如下技术方案：

3、一种交通信号灯闪烁控制方法，包括以下步骤：

4、步骤一：获取目标学校当天的第一日程表数据；

5、步骤二：获取所述目标学校当天的第一交通数据和指定时间内的第一历史交通数据；

6、步骤三：根据所述第一日程表数据、所述第一交通数据和所述第一历史交通数据，得到第一管控时间段；

7、步骤四：获取当前时间，记作第一时间；

8、步骤五：判断所述第一时间是否在所述第一管控时间段内；若所述第一时间不在所述第一管控时间段内，则不对指定区域的第一交通信号灯和第二交通信号灯进行调整；若所述第一时间在所述第一管控时间段内，则采用第一闪烁控制策略对所述第一交通信号灯和所述第二交通信号灯进行调整；

9、所述第一交通信号灯为所述目标学校在目标区域安装的车辆交通信号灯；所述第二交通信号灯为所述目标学校在所述目标区域安装的人行道行人交通信号灯；

10、所述第一闪烁控制策略包括：

11、采集所述目标区域的实时影像，得到第一实时影像；

12、将所述第一实时影像输入训练好的人行横道行人流感知模型，得到第一区域的过路行人总数量；

13、若所述过路行人总数量大于预设阈值，根据交通信号灯调整参数，调整所述第一交通信号灯和所述第二交通信号灯。

14、进一步地，所述第一日程表数据包括：

15、第一假期状态、第一上学时间和第一放学时间；

16、所述第一假期状态表示所述目标学校当天是否为假期。

17、进一步地，根据所述第一日程表数据、所述第一交通数据和所述第一历史交通数据，得到所述第一管控时间段具体为：

18、若第一假期状态为是，则所述第一管控时间段、第一上学时间和第一放学时间不存在；

19、若所述第一假期状态为否，则根据所述第一上学时间和所述第一放学时间结合第一历史交通数据进行所述目标区域的交通流量预测，包括以下步骤：

20、所述第一历史交通数据包括所述目标区域在所述指定时间内的交通流量、拥堵情况、平均行驶速度、天气情况和对应的时间点；

21、对收集所述第一上学时间、所述第一放学时间和所述第一历史交通数据进行预处理，包括缺失值处理、异常值处理和数据格式统一，得到第一预处理数据；

22、针对所述第一预处理数据进行特征工程，提取交通拥堵特征，包括时间特征、天气特征和学校特征，得到第一特征工程数据；所述时间特征包括年份、季度、月份、星期、日期、小时和分钟；所述天气特征包括天气类型、降雨量、气温和风速；所述学校特征包括学期类型和是否为学校特别日；

23、选择arima时间序列模型，根据所述第一特征工程数据进行训练，训练标签为所述第一历史交通数据中所述目标区域在所述指定时间内的交通流量；经过参数调优后得到训练好的第一时间序列模型；

24、将所述第一日程表数据和所述第一交通数据输入所述第一时间序列模型进行预测，得到第一交通流量时序数据；所述第一交通流量时序数据表示所述目标区域在所述指定时间内的交通流量数据；

25、当所述第一交通流量时序数据中的交通流量数据超过预设阈值时，将所述第一交通流量时序数据中对应的时间点记为管控时间点；若第一时间段内所述管控时间点的总数超过预设阈值且所述第一时间段的起始时间或终止时间距离所述第一上学时间或所述第一放学时间小于预设阈值，将所述第一时间段记为所述第一管控时间段。

26、进一步地，将所述第一实时影像输入训练好的所述人行横道行人流感知模型，得到所述第一区域的所述过路行人总数量具体为：

27、使用预训练的yolov5模型对所述第一实时影像中的行人目标进行检测，得到所述行人目标的边界框与类别信息；

28、将所述yolov5模型输出的所述边界框与所述类别信息输入到deepsort算法中进行目标跟踪；通过重识别来识别已跟踪目标；

29、在所述第一实时影像的视频帧中设定一条垂直计数线，所述垂直计数线位于指定人行横道中心的位置；

30、当检测到行人跨越所述垂直计数线时，判断行人的运动方向，包括靠近指定学校方向与远离指定学校方向，根据所述运动方向该方向的行人计数增加一；

31、得到第一接近学校行人计数和第一远离学校人群计数；所述第一接近学校行人计数和所述第一远离学校人群计数的和即为所述过路行人总数量；

32、所述第一区域为所述第一实时影像中所述指定人行横道两侧的指定区域。

33、进一步地，若所述过路行人总数量大于预设阈值，调整所述第一交通信号灯和所述第二交通信号灯包括：

34、获取所述第一时间时所述第一交通信号灯初始的第一绿灯持续时间、第一绿灯闪烁时间、第一黄灯时间、第一红灯持续时间和第一红灯闪烁时间；

35、计算所述交通信号灯调整参数k，计算公式为：

36、

37、其中，pt表示所述过路行人总数量，vd表示指定所述目标区域内停靠车辆的数量，vs表示所述目标区域内行驶车辆的数量，avd表示可用人行横道比例；γ、δ和∈分别表示所述目标区域内停靠车辆的数量、所述目标区域内行驶车辆的数量和所述可用人行横道比例的系数；

38、对所述第一绿灯持续时间进行调整，得到第一绿灯优化持续时间t1，计算公式为：

39、t1＝max(tbase1-β1·k,θ1·tbase1)；

40、0<θ1≤1；

41、β1>0；

42、其中，max()表示求最大值的函数，tbase1表示所述第一绿灯持续时间，θ1表示所述第一绿灯持续时间的系数，k表示所述交通信号灯调整参数，β1表示所述交通信号灯调整参数的系数；

43、对所述第一绿灯闪烁时间进行调整，得到第一绿灯优化闪烁时间，计算公式为：

44、t2＝max(tbase2-β2·k,θ2·tbase2)；

45、0<θ2≤1；

46、β2>0；

47、其中，max()表示求最大值的函数，tbase2表示所述第一绿灯闪烁时间，θ2表示所述第一绿灯闪烁时间的系数，k表示所述交通信号灯调整参数，β2表示所述交通信号灯调整参数的系数；

48、对所述第一红灯持续时间进行调整，得到第一红灯优化持续时间，计算公式为：

49、t3＝min(tbase3+β3·k,θ3·tbase3)；

50、θ3>1；

51、β3>0；

52、其中，min()表示求最小值的函数，tbase3表示所述第一红灯持续时间，θ3表示所述第一红灯持续时间的系数，k表示所述交通信号灯调整参数，β3表示所述交通信号灯调整参数的系数；

53、对所述第一红灯闪烁时间进行调整，得到第一红灯优化闪烁时间，计算公式为：

54、t4＝min(tbase4+β4·k,θ4·tbase4)；

55、θ4>1；

56、β4>0；

57、其中，min()表示求最小值的函数，tbase4表示所述第一红灯优化闪烁时间，θ4表示所述第一红灯闪烁时间的系数，k表示所述交通信号灯调整参数，β4表示所述交通信号灯调整参数的系数。

58、进一步地，若所述过路行人总数量大于预设阈值，调整所述第一交通信号灯和所述第二交通信号灯还包括：

59、获取所述第一时间时所述第二交通信号灯的第二绿灯持续时间、第二绿灯闪烁时间和第二红灯持续时间；

60、对所述第二绿灯持续时间、所述第二绿灯闪烁时间和所述第二红灯持续时间进行调整，得到第二绿灯优化持续时间、所述第二绿灯优化闪烁时间和所述第二红灯优化持续时间；

61、所述第二红灯优化持续时间为所述第一绿灯持续时间、所述第一绿灯闪烁时间与所述第一黄灯时间的和；

62、所述第二绿灯优化持续时间与所述第二绿灯优化闪烁时间之和与所述第一红灯优化持续时间与所述第一红灯优化闪烁时间之和相等。

63、进一步地，所述第一交通信号灯和所述第二交通信号灯具体为：

64、当所述第一交通信号灯显示为绿灯时，所述第二交通信号灯显示为红灯；

65、当所述第一交通信号灯显示为黄灯或红灯时，所述第二交通信号灯显示为绿灯。

66、进一步地，所述可用人行横道比例、所述目标区域内停靠车辆的数量、所述目标区域内行驶车辆的数量具体为：

67、识别所述目标区域内的目标人行道面积，得到第一人行道面积，识别机动车或非机动车占领的目标人行道的面积，得到第二人行道面积；

68、所述可用人行横道比例r的计算公式为：

69、

70、其中，s表示所述第一人行道面积，s1表示所述第二人行道面积；

71、采用训练好的车辆分类模型对所述第一实时影像进行识别，得到所述目标区域内停靠车辆的数量和所述目标区域内行驶车辆的数量。

72、一种交通信号灯闪烁控制系统，包括：数据采集模块、实时影像采集模块、数据分析模块、拥堵情况判断模块和信号控制模块；

73、所述数据采集模块用于获取目标学校当天的第一日程表数据；获取所述目标学校当天的第一交通数据和指定时间内的第一历史交通数据；获取当前时间，记作第一时间；

74、所述实时影像采集模块用于采集所述目标区域的实时影像，得到第一实时影像；

75、所述数据分析模块用于根据所述第一日程表数据、所述第一交通数据和所述第一历史交通数据，得到第一管控时间段；判断所述第一时间是否在所述第一管控时间段内；将所述第一实时影像输入训练好的人行横道行人流感知模型，得到第一区域的过路行人总数量；计算交通信号灯调整参数；

76、所述拥堵情况判断模块用于判断所述第一时间是否在所述第一管控时间段内以及判断所述过路行人总数量是否大于预设阈值；

77、所述信号控制模块用于根据所述交通信号灯调整参数，调整第一交通信号灯和第二交通信号灯；

78、所述第一交通信号灯为所述目标学校在目标区域安装的车辆交通信号灯；所述第二交通信号灯为所述目标学校在所述目标区域安装的人行道行人交通信号灯。

79、进一步地，所述数据分析模块包括：管控时间段预测单元、管控时间段判断单元、过路行人总数量统计单元和闪烁控制策略制定单元；

80、所述管控时间段预测单元用于根据所述第一日程表数据、所述第一交通数据和所述第一历史交通数据，得到第一管控时间段；

81、所述管控时间段判断单元用于判断所述第一时间是否在所述第一管控时间段内；

82、所述过路行人总数量统计单元用于将所述第一实时影像输入训练好的所述人行横道行人流感知模型，得到所述第一区域的所述过路行人总数量；

83、所述闪烁控制策略制定单元用于计算所述交通信号灯调整参数。

84、与现有技术相比，本发明的有益效果为：

85、1、本发明综合考虑了学校日程、交通情况和历史数据，实现了对目标区域交通流量的动态预测和管控。该方法利用arima时间序列模型结合特征工程技术，对历史交通数据进行训练和预测，从而得到准确的交通流量时序数据。当交通流量超过预设阈值时，系统将相应时间点标记为管控时间点，以调整交通信号灯。通过这一过程，能够及时、精准地应对交通拥堵情况，提高交通信号灯闪烁控制方法的智能性和灵活性。

86、2、本发明利用yolov5与deepsort算法进行行人目标检测与跟踪，在实时影像中设定垂直计数线，能够精准地统计行人的通过情况。通过判断行人的运动方向，系统能够准确计算出靠近指定学校方向和远离指定学校方向的行人数量，从而得到第一区域的过路行人总数量。通过这一过程，系统能够及时获取行人流量信息，为交通信号灯的调整提供了准确的数据支持，紧密贴合学校这一具体场景，从而有效地提升了交通管理的效率和精度。

87、3、本发明在过路行人总数量超过预设阈值时，通过动态调整交通信号灯的持续时间，以优化交通信号灯的工作模式，从而应对交通压力的变化。通过计算交通信号灯调整参数k，并根据公式对各个灯色的持续时间进行调整，实现了对交通信号灯的智能化控制。这一方法能够根据实时的交通和行人流量情况，灵活地调整交通信号灯的工作模式，在管控时间内，增加行人通过人行横道的时间，紧密结合学校这一特殊场景，能够及时疏通学校附近的拥堵现象，提高了整个控制系统的智能化水平，有效地提升了交通效率和安全性，保障了交通系统的顺畅运行。