一种基于大数据的智能交通系统

技术领域

本发明涉及智慧交通技术领域，具体涉及一种基于大数据的智能交通系统。

背景技术

智能交通系统(Intelligent Traffic Systems，ITS)的前身是智能车辆道路系统(Intelligent Vehicle Highway System，IVHS)。智能交通系统将先进的信息技术、数据通信技术、传感器技术、电子控制技术以及计算机技术等有效地综合运用于整个交通运输管理体系，从而建立起一种大范围内、全方位发挥作用的，实时、准确、高效的综合运输和管理系统。目前，ITS是城市交通管理方面起着非常重要的作用。

但是，现有的ITS存在如下缺陷：当多辆车辆排队通过某一交通路口时，由于前车体积过大，导致后车无法及时、清晰地看到交通灯，从而导致交通事故或违法行为频繁发生。针对该种情景，现有的ITS无法做到及时提醒。

发明内容

针对上述技术缺陷，本发明实施例的目的在于提供一种基于大数据的智能交通系统。

为实现上述目的，本发明实施例提供了一种基于大数据的智能交通系统，适用于后车被前车遮挡，后车驾驶人员无法看到交通灯的场景。所述智能交通系统包括图像采集设备、数据分析设备及提醒设备；

所述图像采集设备安装于前车的车头，用于采集交通灯图像；

所述数据分析设备设置于前车内部，用于获取并分析所述交通灯图像，生成提醒指令；

所述提醒设备用于根据所述提醒指令以图像或语音方式提醒后车驾驶人员。

作为本申请的一种具体实现方式，所述系统还包括设置于前车车尾的距离传感器；

所述数据分析设备用于获取并分析所述交通灯图像，生成距离采集指令；

所述距离传感器用于接收所述距离采集指令，并根据所述距离采集指令获取前车车尾与后车车头之间的第一距离；

所述数据分析设备还用于获取所述第一距离，若所述第一距离小于距离阈值，则生成所述提醒指令。

进一步地，作为本申请的一种优选实现方式，所述智能交通系统还包括设置于前车的计时器，所述数据分析设备包括第一单元，用于：

获取并分析所述交通灯图像，得到分析结果；

当所述分析结果为绿灯亮时，触发所述计时器开始工作，以通过所述计时器获取绿灯持续时间；

从交管部门系统获取当前交通灯中绿灯设定时间，根据所述绿灯设定时间和绿灯持续时间得到绿灯剩余时间；

当所述绿灯剩余时间小于预设时间阈值时，则生成距离采集指令。

作为本申请的另一种优选实现方式，所述数据分析设备还包括第二单元，用于：

当所述绿灯剩余时间小于预设时间阈值时，发送数据请求指令至云端，以获取当前行驶数据及交通数据；所述当前行驶数据包括后车实时位置和实时速度，所述交通数据包括前车所处路口交通灯停止线位置；

根据所述后车实时位置和交通灯停止线位置计算后车与交通灯停止线之间的第二距离；

根据所述第二距离和后车的实时速度计算通行时间；

若所述通行时间小于所述路灯剩余时间，则生成所述提醒指令。

进一步地，作为本申请的再一种优选实现方式，所述系统还包括云端，用于根据所述数据请求指令得到当前行驶数据及交通数据，具体为：

根据所述数据请求指令中的前车所处路口交通灯的标识，从交管部门系统获取所述交通灯位置；

通过后车的车载GPS设备和速度传感器，获取后车实时位置和实时速度。

作为本申请的一种具体实现方式，所述前车包括大货车、卡车、水泥车及危险车辆，所述后车包括小型轿车或摩托车。

作为本申请的一种具体实现方式，所述图像采集设备为摄像头。

作为本申请的一种具体实现方式，所述提醒设备安装于所述前车的车尾，当所述前车为公交车时，所述提醒设备为公交车后端的显示器。

作为本申请的一种具体实现方式，所述提醒设备安装于所述后车，所述提醒设备为语音播报设备。

实施本发明实施例，数据分析设备获取前车的图像采集设备采集的交通灯图像，对其分析生成提醒指令，提醒设备根据该提醒指令以图像或语音方式提醒后车驾驶人员，从而可以有效地降低交通事故或后车违法行为的发生。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。

图1是本发明第一实施例提供的基于大数据的智能交通系统的结构图；

图2是本发明第二实施例提供的基于大数据的智能交通系统的结构图；

图3是本发明第三实施例提供的基于大数据的智能交通系统的结构图；

图4是本发明实施例提供的基于大数据的智能交通控制方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在生活中，对于驾驶员来说，都遭遇过这样的场景：在等交通灯时，由于前方车辆体积过大，视线被遮挡，根本无法看到交通灯的倒计时。但又急于通过交通路口，不想再多等一个红绿灯。这时，驾驶员就会选择紧跟前车，以希望能通过本次红绿灯。这样一来，追尾事故极易发生，从而造成交通堵塞和危及人身安全。此外，还容易造成闯红灯行为，从而增加了违法支出。

基于此，本发明实施例提供一种基于大数据的智能交通系统，可适用于后车被前车遮挡、后车驾驶人员无法看到交通灯的场景。

请参考图1，本发明第一实施例提供的基于大数据的智能交通系统，包括：

图像采集设备，安装于前车的车头，用于采集交通灯图像；在本实施例中，图像采集设备为高清摄像头，交通灯图像指的是包含红绿灯的图像。

数据分析设备，设置于前车内部，用于获取并分析交通灯图像，生成提醒指令。

提醒设备，用于根据提醒指令以图像或语音方式提醒后车驾驶人员。

需要说明的是，本实施例中的前车包括但不仅限于大货车、卡车、公交车、水泥车以及危险车辆等，后车包括但不仅限于小型轿车或摩托车等。总之，前车的体积比后车大，或者说前车遮挡了后车，使得后车的驾驶人员无法看到通行方向的绿灯剩余时间。

作为一种特殊的应用场景，当前车是公交车、后车是小型轿车时，所述提醒设备可是以安装于公交车后端的显示器，以文字图像的形式对后车进行安全提醒。对于该种场景，本智能交通系统无需额外购置提醒设备，只需与公交车的显示器建立通讯即可，从而可节约成本。

可选地，作为另一种应用场景，提醒设备可安装于后车。考虑到驾驶员正在开车，无法查看图像信息，提醒设备可为语音播报设备，以语音形式对驾驶人员进行安全提醒。

可选地，作为再一种优选应用场景，后车驾驶员的手机或车载电子设备均可作为提醒设备使用，只需与前车的数据分析设备建立通讯，接收数据分析设备发送的提醒指令即可实现对后车驾驶人员的安全提醒。

再请参考图2，本发明第二实施例提供的基于大数据的智能交通系统，包括图像采集设备、数据分析设备、计时器、距离传感器及提醒设备。其中，图像采集设备与提醒设备与第一实施例类似，在此不再赘述。

具体地，所述计时器设置于前车，距离传感器设置于前车车尾，数据分析设备包括第一单元，用于：

获取并分析所述交通灯图像，得到分析结果；此处可采用现有的图像处理算法实现；

当所述分析结果为绿灯亮时，触发所述计时器开始工作，以通过所述计时器获取绿灯持续时间；

从交管部门系统获取当前交通灯中绿灯设定时间，根据所述绿灯设定时间和绿灯持续时间得到绿灯剩余时间；

当所述绿灯剩余时间小于预设时间阈值时，则生成距离采集指令。

如图2所示，距离传感器接收距离采集指令，获取前车车尾与后车车头之间的第一距离，并将其发送给第一单元。

进一步地，若第一单元判断出第一距离小于距离阈值，则生成前述提醒指令。

例如，第一单元获取交通灯图像，对其进行分析，识别出前车所在通行方向为绿灯，则触发计时器开始工作，记录绿灯持续时间，如15秒。对于城市交通来说，每一个交通路口、交通灯等交通设备的信息在交管部门都有存储，因此，可以从交管部门处获取该交通灯中绿灯设定时间，如30秒。那么，用绿灯设定时间30秒-绿灯持续时间15秒＝绿灯剩余时间15秒。若该绿灯剩余时间15秒小于预设时间阈值，则生成距离采集指令。

需要说明的时，关于预设时间阈值的确定，可采用如下方式：

1、基于大数据技术，获取此交通路口、前车通行方向3个月内的历史违法数据和车辆正常通行数据，根据经验人为分析得到。

2、基于深度学习：获取此交通路口、前车通行方向3个月内的历史违法数据和车辆正常通行数据，采用Relief算法对前期采集的数据进行1个月的深度学习，探究数据之间的神经网络关系，对于此类关系，进行记忆，在此后的应用中，调取记忆中的交通数据的神经网络关系，最终得到上述时间阈值。

3、基于神经网络：获取此交通路口、前车通行方向3个月内的历史违法数据和车辆正常通行数据，基于该数据进行神经网络训练，再次采集当前车辆通行数据，利用训练好的神经网络进行违法预测，根据预测的违法可能性，再结合专家经验，得到上述时间阈值。关于神经网络的结构，市面上使用的有很多，在此不再举例说明。

同理，距离阈值的设定与预设时间阈值类似，同样可以采用人为经验、深度学习及神经网络等方式，在此不在赘述。

再请参考图3，本发明第三实施例提供的基于大数据的智能交通系统，包括图像采集设备、数据分析设备、计时器、提醒设备及云端。其中，图像采集设备、计时器与提醒设备与第一实施例类似，在此不再赘述。

具体地，所述数据分析设备包括第一单元和第二单元。其中，第一单元用于：

获取并分析所述交通灯图像，得到分析结果；

当所述分析结果为绿灯亮时，触发所述计时器开始工作，以通过所述计时器获取绿灯持续时间；

从交管部门系统获取当前交通灯中绿灯设定时间，根据所述绿灯设定时间和绿灯持续时间得到绿灯剩余时间。

第二单元用于：

当所述绿灯剩余时间小于预设时间阈值时，发送数据请求指令至云端，以获取当前行驶数据及交通数据；所述当前行驶数据包括后车实时位置和实时速度，所述交通数据包括前车所处路口交通灯停止线位置；

根据所述后车实时位置和交通灯停止线位置计算后车与交通灯停止线之间的第二距离；

根据所述第二距离和后车的实时速度计算通行时间；例如，采用公式t＝d/v计算通行时间t，d指的是第二举例，v指的是后车的实时速度；

若所述通行时间小于所述路灯剩余时间，则生成所述提醒指令。

进一步地，云端用于根据所述数据请求指令得到当前行驶数据及交通数据，具体为：

根据所述数据请求指令中的前车所处路口交通灯的标识，从交管部门系统获取所述交通灯位置；

通过后车的车载GPS设备和速度传感器，获取后车实时位置和实时速度。

从以上描述可以得知，实施本发明实施例，数据分析设备获取前车的图像采集设备采集的交通灯图像，对其分析生成提醒指令，提醒设备根据该提醒指令以图像或语音方式提醒后车驾驶人员，从而可以有效地降低交通事故或后车违法行为的发生。

此外需要说明的是，本发明实施例主要提供了三种对后车进行安全提醒的方式：

第一种，提醒设备安装于前车，可以是公交车后端的显示器，由红绿灯剩余时间触发前车与后车的安全距离采集，根据安全距离触发安全提醒，从而避免追尾或闯红灯行为的发生。

第二种，提醒设备安装于后车，可以是语音播报器等，由红绿灯剩余时间触发前车与后车的安全距离采集，根据安全距离触发安全提醒，从而避免追尾或闯红灯行为的发生。

第三种，提醒设备安装于后车，由红绿灯剩余时间触发云端数据请求，根据数据请求获取当前交通灯停止线位置和后车实时位置，计算两者距离，根据两者距离及当前车速计算所需通行时间，若通行时间小于绿灯剩余时间，则提醒后车可放心安全通过，从而避免追尾或闯红灯行为的发生。

基于相同的发明构思，本发明实施例提供了一种基于大数据的智能交通控制方法。该方法适用于前述的智能交通系统。如图4所示，该方法包括：

S1，前车的图像采集设备采集交通灯图像。

S2，前车的数据分析设备获取并分析所述交通灯图像，生成提醒指令。

其中，提醒指令的第一种生成过程如下：

(1)数据分析设备获取并分析交通灯图形，得到分析结果。

(2)当分析结果为绿灯亮时，触发设置于前车的计时器开始工作，从而获取绿灯持续时间。

(3)从交管部门系统获取当前交通灯中绿灯设定时间，根据所述绿灯设定时间和绿灯持续时间得到绿灯剩余时间。

(4)当所述绿灯剩余时间小于预设时间阈值时，则生成距离采集指令。

(5)设置于前车车尾的距离传感器接收所述距离采集指令，并根据所述距离采集指令获取前车车尾与后车车头之间的第一距离.

(6)若所述第一距离小于距离阈值，则数据分析设备生成所述提醒指令。

可选地，提醒指令的第二种生成过程如下：

(1)数据分析设备获取并分析交通灯图形，得到分析结果。

(2)当分析结果为绿灯亮时，触发设置于前车的计时器开始工作，从而获取绿灯持续时间。

(3)从交管部门系统获取当前交通灯中绿灯设定时间，根据所述绿灯设定时间和绿灯持续时间得到绿灯剩余时间。

(4)当所述绿灯剩余时间小于预设时间阈值时，数据分析设备发送数据请求指令至云端，以获取当前行驶数据及交通数据；所述当前行驶数据包括后车实时位置和实时速度，所述交通数据包括前车所处路口交通灯停止线位置。

(5)数据分析设备根据所述后车实时位置和交通灯停止线位置计算后车与交通灯停止线之间的第二距离。

(6)数据分析设备根据所述第二距离和后车的实时速度计算通行时间。

(7)若所述通行时间小于所述路灯剩余时间，则数据分析设备生成所述提醒指令

S3，数据分析设备发送提醒指令给安装于前车或后车的提醒设备。

S4，提醒设备以图像或语音的方式对后车驾驶人员进行安全提醒。

从以上描述可以得知，实施本发明实施例的智能交通控制方法，可以有效地降低交通事故或后车违法行为的发生。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。