一种基于雷达和无人机的交通智能优化方法及系统与流程

本发明涉及交通控制，尤其是一种基于雷达和无人机的交通智能优化方法。

背景技术：

1、随着科技的飞速发展，雷达、无人机和交通红绿灯等技术在现代社会中的应用日益广泛。雷达技术以其精准的定位和探测能力，在军事、气象、航空等领域发挥着重要作用。近年来，随着微波和信号处理技术的进步，雷达的分辨率和抗干扰能力得到了显著提升，为更多领域的应用提供了可能。

2、无人机技术的崛起则极大地拓展了人们的视野和应用场景。从航拍摄影到农业植保，从物流配送到应急救援，无人机的应用日益多样化。随着自主飞行和智能控制技术的不断完善，无人机在复杂环境中的安全性和稳定性得到了大幅提升。

3、交通红绿灯作为城市交通管理的重要组成部分，其智能化升级也是近年来的热点之一。通过引入传感器、通信和数据处理技术，交通红绿灯能够实现自适应控制和优化，有效缓解交通拥堵，提高道路通行效率。

4、综上所述，雷达、无人机和交通红绿灯等技术的不断创新和发展，为现代社会带来了诸多便利和效益。未来，随着技术的进一步突破和应用场景的拓展，这些领域的发展前景将更加广阔。

5、目前，对于交通路口的控制管理，缺乏实时性，在出现交通拥堵或事故时，响应较慢。

技术实现思路

1、为解决上述现有技术问题，本发明提供一种基于雷达和无人机的交通智能优化方法及系统。

2、一种基于雷达和无人机的交通智能优化方法，包括以下步骤：

3、步骤s1：设置无人机机槽和激光雷达的位置，构建无人机、激光雷达、机槽中央处理系统和交通信号灯系统的闭环网络；

4、步骤s2：对激光雷达实时扫描的点云数据进行分析处理并上传，根据处理结果设置无人机的调度指令；

5、步骤s3：无人机根据调度指令进行视频采集并上传，对激光雷达上传数据以及无人机上传的视频进行整合分析处理；

6、步骤s4：根据整合分析处理结果对红绿灯进行动态配时。

7、进一步的，所述步骤s2具体包括：

8、步骤s201：激光雷达在路口实时扫描周围环境获取大量的点云数据；

9、步骤s202：对获取的点云数据进行预处理；

10、步骤s203：通过预处理后的点云数据计算得到目标车辆的速度，并和目标车辆的位置、车辆数量、时间戳和设备标识一起整合成结构化的数据传给无人机的机槽进行分析处理；

11、步骤s204：机槽将雷达传回的结构化数据进行分析，通过分析路口车流量和速度数据，计算出路口各个车道上的车辆密度，得到车道占有率；

12、步骤s205：当车道占有率平均值高出系统设定的阈值时，则判断路口存在交通拥堵，生成无人机的调度指令，调度无人机进行进一步的视频数据采集。

13、进一步的，所述点云数据进行的预处理包括去噪、滤波、配准和矫正。

14、进一步的，所述步骤s3具体包括：

15、步骤s301：无人机根据调度指令飞到指定的路口上方进行视频的采集，并实时上传至机槽；

16、步骤s302：机槽对视频数据进行预处理；

17、步骤s303；通过车辆识别的算法再结合激光雷达采集到的数据进行分析得到路口车辆的精准位置、速度和轨迹信息。

18、进一步的，所述对视频数据的预处理包括图像增强和去噪。

19、进一步的，所述步骤s4具体包括：

20、步骤s401：获取交通数据，包括各方向每分钟的车流量数据q，车辆通过十字路口的平均速度v；

21、步骤s402：计算单辆车以平均速度通过路口的时间t_single，t_single＝通过路口的距离/平均速度v；

22、步骤s403：计算绿灯时间，绿灯时间＝车流量q×单辆车以平均速度通过路口的时间t_single；

23、步骤s404：基于交叉方向的车流量、车辆速度和行人过街速度计算交叉方向车辆和行人通过路口所需的时间；以大于交叉方向车辆和行人通过路口所需的时间为红灯时间；

24、步骤s405：将红灯时间和绿灯时间输出给交通信号灯控制系统，调整当前红绿灯时间。

25、进一步的，所述步骤s4中步骤s403之后还包括绿灯时间调整范围设置步骤，所述绿灯时间调整范围设置步骤具体为：根据车辆启动和停车的延误，设置绿灯时间调整范围。

26、一种基于雷达和无人机的交通智能优化系统，包括无人机、激光雷达和机槽；

27、所述无人机采集交通路口的视频，并通过无线图传系统与机槽进行通信；

28、所述激光雷达实时扫描周围环境获取大量的点云数据并进行预处理，在计算点云数据得到目标车辆的速度后，将其和目标车辆的位置、车辆数量、时间戳和设备标识一起整合成结构化的数据传给机槽；

29、所述机槽中设置有中央处理程序，通过中央处理程序将收集到的数据进行整合、分析和处理，并以处理得到的交通数据对交通红绿灯进行动态配时。

30、进一步的，所述激光雷达于十字路口对角各安装一个，并通过网线与机槽进行通信。

31、进一步的，所述机槽安装在便于起飞、降落和监控整个路口的位置，且为无人机提供降落平台和充电接口。

32、本发明的有益效果：本发明通过雷达、无人机和交通红绿灯系统的数据进行有效整合，实现信息的共享与互通，能实时监测道路车辆的运行状态，快速响应交通拥堵和事故现场，动态调整交通红绿灯信号配时，提高道路通行能力和减少车辆等待时间。

技术特征：

1.一种基于雷达和无人机的交通智能优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于雷达和无人机的交通智能优化方法，其特征在于，所述步骤s2具体包括：

3.根据权利要求2所述的一种基于雷达和无人机的交通智能优化方法，其特征在于，所述点云数据进行的预处理包括去噪、滤波、配准和矫正。

4.根据权利要求1所述的一种基于雷达和无人机的交通智能优化方法，其特征在于，所述步骤s3具体包括：

5.根据权利要求4所述的一种基于雷达和无人机的交通智能优化方法，其特征在于，所述对视频数据的预处理包括图像增强和去噪。

6.根据权利要求1所述的一种基于雷达和无人机的交通智能优化方法，其特征在于，所述步骤s4具体包括：

7.根据权利要求6所述的一种基于雷达和无人机的交通智能优化方法，其特征在于，所述步骤s4中步骤s403之后还包括绿灯时间调整范围设置步骤，所述绿灯时间调整范围设置步骤具体为：根据车辆启动和停车的延误，设置绿灯时间调整范围。

8.一种基于雷达和无人机的交通智能优化系统，应用了如权利要求1~7任一所述的基于雷达和无人机的交通智能优化方法，其特征在于，包括无人机、激光雷达和机槽；

9.根据权利要求8所述的基于雷达和无人机的交通智能优化系统，其特征在于，所述激光雷达于十字路口对角各安装一个，并通过网线与机槽进行通信。

10.根据权利要求8所述的基于雷达和无人机的交通智能优化系统，其特征在于，所述机槽安装在便于起飞、降落和监控整个路口的位置，且为无人机提供降落平台和充电接口。

技术总结本发明涉及一种基于雷达和无人机的交通智能优化方法及系统，属于交通控制技术领域；方法包括设置无人机机槽和激光雷达的位置，构建无人机、激光雷达、机槽中央处理系统和交通信号灯系统的闭环网络；对激光雷达实时扫描的点云数据进行分析处理并上传，根据处理结果设置无人机的调度指令；无人机根据调度指令进行视频采集并上传，对激光雷达上传数据以及无人机上传的视频进行整合分析处理；根据整合分析处理结果对红绿灯进行动态配时。本发明通过雷达、无人机和交通红绿灯系统的数据进行有效整合，实现信息的共享与互通，优化信号配时，减少车辆等待时间，提高道路通行能力。技术研发人员：王宏远,张超,吴加伟受保护的技术使用者：成都通广网联科技有限公司技术研发日：技术公布日：2024/9/12