一种智慧城市交通信号灯时间设置方法和物联网系统

技术领域

本说明书涉及交通信号灯领域，特别涉及一种智慧城市交通信号灯的时间设置方法和物联网系统。

背景技术

交通信号灯为城市交通的有序运行起到了重要的作用，交通信号灯的正常运行通常影响着城市各个路口的交通情况。

因此，希望提供一种智慧城市交通信号灯的时间设置方法和系统，能够对交通信号灯的时间设置进行优化，从而使得车和/或人通过率最大化，避免交通拥挤，保证城市交通的畅通。

发明内容

本说明书一个或多个实施例提供一种智慧城市交通信号灯的时间设置方法，所述方法由智慧城市交通信号灯的时间设置物联网系统实现，所述智慧城市交通信号灯的时间设置物联网系统包括用户平台、服务平台、管理平台、传感网络平台和对象平台，所述方法由所述管理平台执行，所述方法包括：通过传感网络平台基于对象平台获取目标路口的行人信息和路口信息，目标路口为设置有交通信号灯的路口；基于行人信息和路口信息，确定目标路口的交通信号灯的时间设置方案；以及将时间设置方案对应的控制指令通过传感网络平台发送给对象平台，由对象平台响应于接收到的控制指令，以控制交通信号灯的亮灯时长。

本说明书一个或多个实施例提供一种智慧城市交通信号灯的时间设置物联网系统，所述物联网系统包括用户平台、服务平台、管理平台、传感网络平台和对象平台，管理平台被配置为执行以下操作：通过传感网络平台基于对象平台获取目标路口的行人信息和路口信息，目标路口为设置有交通信号灯的路口；基于行人信息和路口信息，确定目标路口的交通信号灯的时间设置方案；以及将时间设置方案对应的控制指令通过传感网络平台发送给对象平台，由对象平台响应于接收到的控制指令，以控制交通信号灯的亮灯时长。

本说明书一个或多个实施例提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行智慧城市交通信号灯的时间设置方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的一种智慧城市交通信号灯的时间设置物联网系统的示例性示意图；

图2是根据本说明书一些实施例所示的一种智慧城市交通信号灯的时间设置方法的示例性流程图；

图3是根据本说明书一些实施例所示的基于确定当前行人数量的示例性流程图；

图4是根据本说明书一些实施例所示的基于行人识别模型和第一行人预测模型确定当前行人数量的示例性示意图；

图5是根据本说明书一些实施例所示的通过第二行人预测模型确定未来多个时间点的行人数量的示例性示意图；

图6是是根据本说明书一些实施例所示的通过向量匹配确定目标路口的交通信号灯的时间设置方案的示例性示意图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的一种智慧城市交通信号灯的时间设置物联网系统的示例性示意图。

应当理解，智慧城市交通信号灯的时间设置物联网系统可以利用各种方式来实现。如图1所示，智慧城市交通信号灯的时间设置物联网系统包括用户平台、服务平台、管理平台、传感网络平台和对象平台。在一些实施例中，智慧城市交通信号灯的时间设置物联网系统可以为处理设备的一部分或由处理设备实现。

用户平台可以指以用户为主导的平台。在一些实施例中，用户平台可以被配置为终端设备。在一些实施例中，用户平台可以通过终端，获取用户的输入指令，查询城市各区域的各个路口的交通信号灯的时间设置方案。在一些实施例中，城市区域可以根据城市的行政区域确定，也可以灵活地根据预设规则、交通流量的实时数据等确定，每个城市区域可以包括区域内的各个路口。例如，在上、下班高峰期时，城市中所有商业办公区的相应路段可以被划分为同一区域。又例如，根据拥堵的实时情况，将城市中所有的拥堵路段可以被划分为同一区域。在一些实施例中，用户平台可以下发时间设置方案查询指令至服务平台，并接收服务平台上传的时间设置方案，将其反馈给用户。

服务平台指可以为用户提供输入和输出服务的平台。在一些实施例中，服务平台可以采用独立式布置。独立式布置是指平台包括多个独立的分平台，多个分平台之间相互独立运行和处理数据，并直接与上下功能平台进行数据交互。在一些实施例中，服务平台可以根据城市区域划分成多个独立的分平台。在一些实施例中，服务平台的分平台可以接收用户平台下发的时间设置方案查询指令，并将时间设置方案查询指令传递至管理平台。服务平台的分平台还可以接收管理平台上传的时间设置方案，并将时间设置方案将时间设置方案传递至用户平台等。

管理平台可以指统筹、协调各功能平台之间的联系和协作，汇聚着智慧城市交通信号灯的时间设置物联网系统全部的信息的平台。管理平台可以为智慧城市交通信号灯的时间设置物联网系统运行体系提供感知管理和控制管理功能。在一些实施例中，管理平台可以是由管理人员、人工智能、或由预设规则操控的远程平台。在一些实施例中，管理平台可以采用独立式布置。管理平台可以设置有一个总数据库和多个分平台，其中每个分平台可以包括自有数据库。在一些实施例中，管理分平台可以与各个城市区域对应，并与服务分平台一一对应。多个分平台分别存储和处理传感网络平台发送的不同城市区域的数据。总数据库对多个分平台的数据进行汇总后存储和处理。在一些实施例中，管理分平台可以接收对应的服务分平台下发的时间设置方案查询指令，并将时间设置方案上传至服务分平台。管理分平台还可以下发查询行人信息和路口信息的指令至传感网络平台，并接收传感网络平台上传的行人信息和路口信息进行分析处理，确定时间设置方案。

传感网络平台可以指对传感通信进行管理的功能平台。传感网络平台可以实现感知信息传感通信和控制信息传感通信的功能。在一些实施例中，传感网络平台可以采用独立式布置。传感网络平台可以包括多个独立的分平台。每个传感网络分平台可以对应一个城市区域，并与管理分平台一一对应。在一些实施例中，传感网络平台可以被配置为通信网络和网关设备，各个传感网络分平台可以被配置为独立的网关设备。在一些实施例中，传感网络分平台可以从对应区域的对象平台获取路口的行人信息和路口信息。各个传感网络分平台可以将各区域的行人信息和路口信息上传到对应的管理分平台。

对象平台可以指感知信息生成的功能平台。在一些实施例中，对象平台可以被配置为各类设备以获取信息。其中，各类设备可以包括交通信号灯、图像获取设备、行人按钮等设备。每个设备均配置有唯一的标识，可以用于部署在不同区域的路口以获取各个路口的行人信息和路口信息。在一些实施例中，对象平台可以包括若干个对象分平台，每个对象分平台可以对应一个区域内的前述各类设备。在一些实施例中，对象平台分平台可以接收对应传感网络分平台下发的获取区域内各个路口的行人信息和路口信息的指令，并上传区域内各个路口的行人信息和路口信息至对应的传感网络分平台。在一些实施例中，对象平台分平台可以响应于接收到的时间设置方案对应的控制指令，控制交通信号灯的亮灯时长。在一些实施例中，对象平台还可以基于其上配置的行人按钮直接调整交通信号灯的亮灯时长或切换交通信号灯。

每一个“服务分平台—管理分平台—传感网络分平台—对象分平台”可以为一个独立的分支，并行、独立地处理对应城市区域各个路口的相关数据(如，行人信息、路口信息、时间设置方案等)，并独立反馈到用户平台。

在一些实施例中，智慧城市交通信号灯的时间设置物联网系统可以应用于铁路、公路、水路和航空等多种交通场景，以确定包括交通信号灯的时间设置、交通管制、相关工作人员的调配等多种工作方案。需要说明的是以上场景仅为示例，并不对智慧城市交通信号灯的时间设置物联网系统的具体应用场景起限制作用，本领域技术人员可以在本实施例公开的内容基础上，将智慧城市交通信号灯的时间设置物联网系统应用于其他合适的任何场景。

以下将以智慧城市交通信号灯的时间设置物联网系统应用于场景为例对智慧城市交通信号灯的时间设置物联网系统进行具体说明。

管理平台可以配置为通过传感网络平台基于对象平台获取目标路口的行人信息和路口信息，目标路口为设置有交通信号灯的路口；基于行人信息和路口信息，确定目标路口的交通信号灯的时间设置方案；以及将时间设置方案对应的控制指令通过传感网络平台发送给对象平台，由对象平台响应于接收到的控制指令，以控制交通信号灯的亮灯时长。关于确定时间设置方案的更多内容，可以参见图2及其相关描述。

在一些实施例中，管理平台还可以被配置为通过对象平台获取目标路口的目标画面；以及基于对目标画面的图像识别结果，确定目标路口的行人信息。关于通过目标画面确定目标路口的行人信息的更多内容，可以参见图2及其相关描述。

在一些实施例中，对象平台包括配置于人行横道附近的行人按钮，行人按钮用于调整交通信号灯的亮灯时长。关于行人按钮的更多内容，可以参见图2及其相关描述。

在一些实施例中，目标画面包括至少一帧实时图像和多帧历史图像。行人信息包括当前行人数量。管理平台被配置为基于至少一帧实时图像，通过行人识别模型，确定第一待定行人数量，行人识别模型为机器学习模型。管理平台基于多帧历史图像，通过第一行人预测模型，确定第二待定行人数量，第一行人预测模型为机器学习模型。管理平台基于第一待定行人数量和第二待定行人数量，确定当前行人数量。关于确定当前行人数量的更多内容，可以参见图3及其相关描述。

在一些实施例中，管理平台还可以被配置为基于对第一待定行人数量和第二待定行人数量进行加权求和，确定当前行人数量，其中，第一待定行人数量和第二待定行人数量的权重分别基于实时图像和历史图像的清晰度确定，权重与清晰度正相关。关于对第一待定行人数量和第二待定行人数量进行加权求和的更多内容，可参见图3及其相关描述。

在一些实施例中，第一行人预测模型可以通过训练得到，训练样本为第一样本时间的多个历史图像，标签为第二样本时间的实际行人数量，第一样本时间早于第二样本时间。关于训练第一行人预测模型的更多说明，可以参见图3及其相关描述。

在一些实施例中，行人信息还包括未来多个时间点的行人数量。关于未来多个时间点的行人数量的更多说明，可以参见图2及其相关描述。

在一些实施例中，管理平台还可以被配置为基于目标画面的多帧历史图像、路口信息、事件信息、天气信息和目标时间段，通过第二行人预测模型确定未来多个时间点的行人数量，第二行人预测模型为机器学习模型。关于对第二行人预测模型的更多内容，可参见图5及其相关描述。

在一些实施例中，管理平台还可以被配置为确定时间设置方案的更新频率。关于确定更新频率的更多内容，可参见图2及其相关描述。

在一些实施例中，管理平台还可以被配置为基于行人信息和路口信息，通过向量匹配，确定目标路口的交通信号灯的时间设置方案。关于通过向量匹配确定时间设置方案的更多内容，可参见图6及其相关描述。

需要注意的是，以上对于智慧城市交通信号灯的时间设置物联网的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，图1中披露的管理平台、用户平台、服务平台、传感网络平台和对象平台可以是一个系统中的不同平台，也可以是一个平台实现上述的两个或两个以上平台的功能。

图2是根据本说明书一些实施例所示的一种智慧城市交通信号灯的时间设置方法的示例性流程图。如图2所示，流程200包括下述步骤。在一些实施例中，流程200可以由管理平台执行。

步骤210，通过传感网络平台基于对象平台获取目标路口的行人信息和路口信息，目标路口为设置有交通信号灯的路口。

目标路口为设置有交通信号灯的路口。例如，十字路口，学校附近的路口等。

行人信息是指反映路口行人情况的信息。例如，行人数量(如，354人)。

在一些实施例中，管理平台可以通过传感网络平台基于对象平台获取目标路口的行人信息。例如，对象平台基于信息采集终端(如，图像获取设备等)采集行人信息。管理平台可以下发获取路口信息的指令到传感网络平台。传感网络平台将该指令下发到对象平台。对象平台响应于该指令并将路口信息发送至传感网络平台。管理平台可以接收传感网络平台上传的行人信息。

在一些实施例中，管理平台可以通过对象平台获取目标路口的目标画面；以及基于对目标画面的图像识别结果，确定目标路口的行人信息。

目标画面是指在目标路口用于确定行人信息的图像(如，RGB图像、灰度图像和红外图像等)。目标画面中可以具有在目标路口的一个或多个行人。

在一些实施例中，目标画面包括至少一帧实时图像和多帧历史图像。例如，当前时间为15:00，目标画面可以包括15:00对应的图像和14:55、14:56、14:57、14:58和14:59分别对应的图像。

在一些实施例中，对象平台可以包括配置于路口的图像获取设备(如，监控摄像头、无人机等)。管理平台可以通过传感网络平台基于对象平台上的图像获取设备采集目标画面。

在一些实施例中，对象平台还可以包括配置于人行横道附近的行人按钮。行人按钮可以用于调整交通信号灯的亮灯时长(如，延长绿灯的亮灯时长5秒)或者切换交通信号灯(如，将红灯切换为绿灯或将红灯切换为绿灯)。当行人要通过人行横道时，行人可以按下行人按钮，动态地调整交通信号灯的亮灯时长或者切换交通信号灯。

在一些实施例中，行人按钮可以用在某些特定的路口，例如，行人较少但车流量较大的路口。可以理解的，如果某一路口的人行横道长时间无人通行，就不用交替变换红绿灯，便于车辆通行。当有行人需要通过人行横道时，行人可以按下行人按钮，将交通信号灯变为绿灯。在一些实施例中，当行人按下行人按钮后，交通信号灯可以经过第一预设时间(如，2秒)后再进行切换。

在一些实施例中，管理平台还可以通过筛选初始画面中的多帧图像确定目标画面。其中，初始画面是指通过对象平台所配置的图像获取设备直接采集到的连续画面。管理平台可以在初始画面中间隔预设时间长度选取图像帧，并将选取出的图像帧作为目标帧，并按时间顺序组成目标画面。因此，相邻两个目标帧在初始画面中的时间间隔为预设时间长度。例如，初始画面具有30秒的连续画面。预设时间长度为2秒。管理平台可以将第0秒、第2秒、第4秒……第30秒对应的图像帧作为目标帧，组成目标画面。相邻两个目标帧在初始画面中的时间间隔为2秒。在筛选初始画面中，当越接近行人按钮被按下的时间点所采集的多帧图像时，管理平台可以缩短选取相邻两个目标帧在初始画面中的时间间隔。也就是说，越接近行人按钮被按下的时间点所采集的图像时，管理平台选取出的目标帧越多。

仅作为示例地，管理平台可以设置相邻两个目标帧之间在初始画面中的预设时间间隔。在行人按钮被按下时间前后的第二预设时间范围(如，0～1秒)内，相邻两个目标帧之间在初始画面中的时间间隔可以在预设时间间隔的基础上减少0.02秒。在行人按钮被按下时间前后的第三预设时间范围(如，1～2秒)内，相邻两个目标帧之间在初始画面中的预设时间间隔可以在预设时间间隔的基础上减少0.01秒。例如，相邻两个目标帧之间在初始画面中的预设时间间隔可以为0.03秒。行人按下按钮的时间为9:00:00。则在第二预设时间范围内，即在8:59:59～9:00:01内，相邻两个目标帧图像之间在初始画面中的时间间隔为0.01秒。在第三预设时间范围内，即在8:59:58～8:59:59和9:00:01～9:00:02内，相邻两个目标帧之间在初始画面中的时间间隔为0.02秒。

本说明书一些实施例所述的方法，采取了在越接近行人按钮被按下的时间点时，缩短相邻两个目标帧之间在初始画面中的时间间隔以获取目标画面这一设置，与将所有图像帧均作为目标画面相比，这一设置能够有针对性地对路口有行人时的情况进行采集，在保证有效信息全面性的同时，减少了数据分析量从而能够更加快速准确地确定行人信息。

在一些实施例中一些实施例所述的方法，通过设置行人按钮，可以更加灵活地切换交通信号灯或调整亮灯时长，在有人或无人通过人行横道两种情况下，实现行人或车辆的正常通行，避免行人以及车辆不必要的等待。

在一些实施例中，管理平台可以基于对目标画面的图像识别结果，确定目标路口的行人信息。其中，图像识别结果可以通过卷积神经网络(CNN)、Fisherfaces、HaarCascade等算法对目标画面进行分析处理后获取得到。

本说明书一些实施例所述的方法，通过对目标画面进行图像识别，以确定更准确的行人信息，便于后续确定更合理的时间设置方案，提高路口行人和车辆的通过率。

在一些实施例中，行人信息可以包括当前行人数量。当前行人数量是指当前时间在目标路口的行人数量。

在一些实施例中，管理平台可以基于采集到的目标图像进行人脸识别，获取当前行人数量。

在一些实施例中，管理平台可以基于至少一帧实时图像，通过行人识别模型，确定第一待定行人数量；基于多帧历史图像，通过第一行人预测模型，确定第二待定行人数量，并基于第一待定行人数量和第二待定行人数量，确定当前行人数量。关于基于第一待定行人数量和第二待定行人数量，确定当前行人数量目标站点的更多内容，可以参见图3及其相关描述。

在一些实施例中，行人信息可以包括未来多个时间点的行人数量。例如，未来两天下午18:00的行人数量将为230人和245人。当天下午14:00和14:30的行人数量将为23人和56人。

在一些实施例中，管理平台可以利用预设规则、各种数据分析算法和/或人工经验等多种方式，确定未来多个时间点的行人数量。例如，管理平台可以预先基于目标路口的历史时间点和在历史时间点的历史行人数量，生成历史时间点和在历史时间点的行人数量的对应规则。相应的，管理平台可以基于未来时间点与对应规则，确定与未来时间点相同或相近的历史时间点所对应的历史行人数量作为当前目标路口在未来多个时间点的行人数量。

在一些实施例中，管理平台可以基于目标画面的多帧历史图像、路口信息、事件信息和天气信息，通过第二行人预测模型确定未来多个时间点的行人数量，第二行人预测模型为机器学习模型。关于通过第二行人预测模型确定未来多个时间点的行人数量的更多内容，可以参见图5及其相关描述。

本说明书一些实施例所述的方法，可以通过未来多个时间点的行人数量，反映未来多个时间点的路口行人情况，便于后续确定更合适的交通信号灯的时间设置方案。

路口信息是指反映目标路口相关情况的信息。在一些实施例中，路口信息可以至少包括路口类型、路面宽度、附近的建筑信息等信息中的一种或多种。其中，路口类型可以反映路口的形状。例如，路口类型可以是十字路口、环形路口、Y形路口等。路面宽度可以路口所在的至少一条道路的宽度。例如，20米、10米和25米等。路口附近的建筑信息可以反映路口附近的建筑类型及其规模，例如，大型商场，其容纳量为5000人。办公楼，其容纳量为1000人。地铁站，其平均人流为300人/分钟等。

在一些实施例中，管理平台可以通过传感网络平台基于对象平台获取路口信息。例如，对象平台可以预先存储各个路口的路口信息。管理平台可以下发获取路口信息的指令到传感网络平台。传感网络平台将该指令下发到对象平台。对象平台响应于该指令并将路口信息发送至传感网络平台。管理平台可以接收传感网络平台上传的路口信息。

步骤220，基于行人信息和路口信息，确定目标路口的交通信号灯的时间设置方案。

时间设置方案是指一个亮灯周期中交通信号灯中各种指示灯的亮灯时长。其中，一个亮灯周期可以指所有信号灯全部点亮一遍的总时长，如，30秒、1分钟等。例如，时间设置方案可以为红灯的亮灯时长为40秒，绿灯的亮灯时长为30秒。又例如，时间设置方案还可以为红灯的亮灯时长30秒，黄灯的亮灯时长为5秒，绿灯的亮灯时长为20秒。

在一些实施例中，管理平台可以基于多个路口各自的历史路口信息、多个路口的多个历史行人信息以及对应的交通信号灯的历史时间设置方案，生成历史路口信息、历史行人信息与历史时间设置方案的映射关系。可以理解的，管理平台可以基于当前路口信息、当前行人信息以及映射关系，确定与当前路口信息和行人信息相同或近似的历史路口信息和历史行人信息所对应的历史时间设置方案作为本次预测客流量数据。

在一些实施例中，管理平台可以基于行人信息和路口信息，通过向量匹配，确定目标路口的交通信号灯的时间设置方案。关于通过向量匹配确定时间设置方案的更多说明，可以参见图6及其相关描述。

在一些实施例中，管理平台还可以确定时间设置方案的更新频率。

更新频率是指时间设置方案的在单位时间内完成更新的次数。例如，每分钟更新1次、每天更新1次等。

在一些实施例中，管理平台可以基于时间设置方案的行人通过率，确定时间设置方案的更新频率。

行人通过率是指一个亮灯周期中，在红灯亮起之前，行人通过人行横道占目标路口的行人总数中的比例。例如，行人总数为120人，通过人行横道的行人人数为45人，则行人通过率为45/120＝37.5％。

在一些实施例中，管理平台可以将某一时间设置方案的实际行人通过率，作为该时间设置方案对应的行人通过率。其中，管理平台可以计算同一时间设置方案在历史多个亮灯周期中所对应的多个行人通过率的平均值，并将多个行人通过率的平均值作为实际行人通过率。

在一些实施例中，当行人通过率位于某一预设范围内时，管理平台可以根据行人通过率所处的预设范围，确定对应于该预设范围内的时间设置方案的更新频率。仅作为示例地，当行人通过率位于0～30％之间时，时间设置方案的更新频率可以为每12小时1次；当行人通过率位于30～60％之间时，时间设置方案的更新频率可以为每天1次；当行人通过率大于60％之间时，时间设置方案的更新频率可以为每周1次。应当理解的是，行人通过率越高，说明时间设置方案的设置越合理，则时间设置方案的更新频率可以越低。

在一些实施例中，管理平台可以基于行人数量的变化程度，确定时间设置方案的更新频率。行人数量的变化程度可以反映行人数量变化的波动情况。在一些实施例中，行人数量的变化程度可以用行人数量的标准差表示。例如，在T

在一些实施例中，管理平台可以预先设置行人数量的变化程度与更新频率的对应关系(如，一一对应关系、数量关系等)。管理平台可以基于当前的行人数量的变化程度，通过行人数量的变化程度和更新频率的对应关系，确定时间设置方案的更新频率。应当理解的是，行人数量的变化程度越小，说明行人数量越稳定，则时间设置方案的更新频率可以越低。

本说明书一些实施例所述的方法，通过对行人数量的实际情况，设置时间设置方案的更新频率。与单一更换频率相比，该方法能够快速对目标路口的行人数量的实际情况进行响应，从而对时间设置方案进行更新，避免了目标路口的拥堵。

步骤230，将时间设置方案对应的控制指令通过传感网络平台发送给对象平台，由对象平台响应于接收到的控制指令，以控制交通信号灯的亮灯时长。控制指令可以包括时间设置方案中的亮灯时长的控制信息。

在一些实施例中，对象平台可以响应于接收到的控制指令，根据控制指令中的控制信息调整交通信号灯的亮灯时长。

在一些实施例中，管理平台还可以通过对象平台上配置的行人按钮调整交通信号灯的亮灯时长或切换交通信号灯。关于通过行人按钮调整交通信号灯的亮灯时长或切换交通信号灯的更多说明，可以参见前述步骤220及其相关描述。

本说明书一些实施例所述的方法，通过获取目标路口的行人信息和路口信息，确定合适的时间设置方案，以对交通信号灯的亮灯时长进行优化，提高了路口的行人和车辆的通过效率，避免路口拥堵，保证了路口的畅通。

图3是根据本说明书一些实施例所示的基于确定当前行人数量的示例性流程图。如图3所示，流程300包括下述步骤。在一些实施例中，流程300可以由管理平台执行。

步骤310，基于至少一帧实时图像，通过行人识别模型，确定第一待定行人数量，行人识别模型为机器学习模型。

第一待定行人数量是指对实时图像进行识别处理后确定的当前行人数量。

行人识别模型可以用于对至少一帧实时图像进行处理，确定第一待定行人数量。行人识别模型可以是YOLO(You Only Look Once)模型。

图4是的基于行人识别模型和第一行人预测模型确定当前行人数量的示例性示意图。如图4所示，行人识别模型420的输入可以包括至少一帧实时图像410。行人识别模型420的输出可以为第一待定行人数量430。

在一些实施例中，行人识别模型的参数可以通过训练得到。管理平台可以基于多组带有标签的第一训练样本对初始行人识别模型进行训练，第一训练样本可以是样本路口的样本图像，第一训练样本的标签可以是样本图像中的实际行人数量。应当理解的是，第一训练样本中的样本路口应当是目标路口或者与目标路口具有相同路口信息的其他路口。标签可以通过人工标注确定的样本图像中的行人数量得到。

将多个第一训练样本输入初始行人识别模型，基于初始行人识别模型的输出和第一训练样本的标签构建损失函数，并基于损失函数迭代更新初始行人识别模型的参数，当训练的模型满足第一预设条件时，训练结束，获取训练好的行人识别模型。第一预设条件可以包括但不限于损失函数收敛、损失函数值小于预设值或训练迭代次数达到阈值等。

步骤320，基于多帧历史图像，通过第一行人预测模型，确定第二待定行人数量，第一行人预测模型为机器学习模型。

第二待定行人数量是指对历史图像进行预测处理后预测的当前行人数量。

第一行人预测模型可以用于对多帧历史图像进行处理，确定第二待定行人数量。第一行人预测模型可以是卷积神经网络(Convolutional Neural Networks，CNN)。

如图4所示，第一行人预测模型450的输入可以包括多帧历史图像440。第一行人预测模型450的输出可以为第二待定行人数量460。

在一些实施例中，第一行人预测模型模型的参数可以通过训练得到。管理平台可以基于多组带有标签的第二训练样本对初始第一行人预测模型进行训练。第二训练样本可以是样本路口在多个第一样本时间的多个样本图像，第二训练样本的标签可以是样本路口在第二样本时间的实际行人数量。

应当理解的是，第一样本时间应当早于第二样本时间。标签可以通过人工对样本路口在第二样本时间所对应的图像中的行人数量进行标注统计后得到。关于训练过程的更多说明可以参见前述对行人识别模型的训练的描述。

步骤330，基于第一待定行人数量和第二待定行人数量，确定当前行人数量。

如图4所示，管理平台可以对第一待定行人数量430和第二待定行人数量460进行处理，确定当前行人数量470。例如，管理平台可以对第一待定行人数量和第二待定行人数量求平均值，确定当前行人数量。

在一些实施例中，管理平台可以基于对第一待定行人数量和第二待定行人数量进行加权求和，确定当前行人数量，其中，第一待定行人数量和第二待定行人数量的权重分别基于实时图像和历史图像的清晰度确定，权重与清晰度正相关。其中，实时图像和历史图像的清晰度可以由管理平台通过清晰度量化分析(如，Brenner函数分析法、傅里叶变换分析法等)得到。当前行人数量可以通过公式(1)计算得到：

N＝ p *M

其中，N为当前行人数量，M

在一些实施例中，管理平台可以预先设定第一待定行人数量和第二待定行人数量对应的权重与清晰度满足数量关系。示例性地，数量关系可以通过如下公式确定：

其中，D

例如，D

在一些实施例中，管理平台还可以预设第一待定行人数量，第二待定行人数量各自的权重，并基于实时图像和历史图像的清晰度差值及差值所处的范围与第一待定行人数量，第二待定行人数量各自的权重形成对应关系。例如，当实时图像与历史图像的清晰度差值在0～50，并且实时图像的清晰度大于历史图像的清晰度时，第一待定行人数量和第二待定行人数量的权重分别为0.6和0.4，反之，当实时图像的清晰度小于历史图像的清晰度时，则为0.4和0.6。当实时图像与历史图像的清晰度差值大于50，并且实时图像的清晰度大于历史图像的清晰度时，第一待定行人数量和第二待定行人数量的权重分别为0.8和0.2，反之，当实时图像的清晰度小于历史图像的清晰度时，则为0.2和0.8。

在一些实施例中，第二待定行人数量的权重可以基于多帧历史图像中的每帧之间的像素差确定，像素差与第二待定行人数量的权重负相关。应当理解的是，当多帧历史图像中的每帧之间的像素差越大，说明多帧历史图像的变化程度越大，预测出的第二待定行人数量的准确性越低。因此，管理平台需要减小第二待定行人数量对最终结果的影响，即减小第二待定行人数量对应的权重。

在一些实施例中，在当前时间在按下按钮之后的第四预设时间里，管理平台可以确定第一待定行人数量的权重可以大于第二待定行人数量的权重。例如，第四预设时间为5分钟。管理平台可以预设在当前时间在按下按钮之后的5分钟里，第一待定行人数量的权重为0.7，第二待定行人数量的权重为0.3。应当理解的是，当行人按下行人按钮时，说明路口处有行人。因此，实时图像对获取准确的当前行人数量的作用更为关键。管理平台可以相应提高第一待定行人数量的权重来获取更准确的当前行人数量。

本说明书的一些实施例，能够根据实时图像和历史图像的清晰度的不同，确定不同权重，减小了误差，从而能够更加准确地目标故障信息。

本说明书一些实施例所述的方法，可以通过对实时图像和多帧历史图像的综合分析，确定更准确的当前行人数量，以反映路口在当前时间的行人信息，便于后续确定更合适的交通信号灯的时间设置方案。

图5是根据本说明书一些实施例所示的通过第二行人预测模型确定未来多个时间点的行人数量的示例性示意图。

在一些实施例中，管理平台可以基于目标画面的多帧历史图像、路口信息、事件信息、天气信息和目标时间段，通过第二行人预测模型确定未来多个时间点的行人数量，第二行人预测模型为机器学习模型。

目标时间段是指需要确定未来行人数量的时间段。目标时间段可以是未来至少一段时间。例如，未来2小时、未来一周每天的上下班高峰时期等、2023年6月30日的18：00～19：00等。在一些实施例中，目标时间段可以包括未来多个时间点。

事件信息是指路口附近在目标时间段的大型活动(如，展览会、演唱会等)的相关信息。事件信息可以包括活动的举行时间(如，9月21日15:00)、举行地点(如，体育馆)以及活动的规模(如，3000人)等信息。在一些实施例中，事件信息可以通过公共活动信息确定。

天气信息是指路口附近在目标时间段的天气情况的信息，例如，暴雨、小雨、降雪、晴天等。在一些实施例中，天气信息可以基于天气预报确定。

第二行人预测模型可以用于对多帧历史图像、路口信息、事件信息、天气信息和目标时间段进行分析，确定未来多个时间点的行人数量。第二行人预测模型可以是Transformer模型、卷积神经网络模型、深度神经网络模型等一种或多种的组合。

如图5所示，第二行人预测模型560的输入可以包括多帧历史图像510、路口信息520、事件信息530、天气信息540和目标时间段550，输出可以是未来多个时间点的行人数量570。

在一些实施例中，第二行人预测模型的参数可以通过训练得到。管理平台可以基于多组带有标签的第三训练样本对初始第二行人预测模型进行训练，第三训练样本可以是样本路口的路口信息、第一样本时间的多个样本图像、第二样本时间的事件信息、第二样本时间的天气信息和第二样本时间，第三训练样本的标签可以是样本路口在第二样本时间的实际行人数量。标签可以通过人工对样本路口在第二样本时间所对应的图像中的行人数量进行标注统计后得到。关于训练过程的更多说明可以参见前述对行人识别模型的训练的描述。

如图5所示，第二行人预测模型560包括路口信息嵌入层560-1，事件信息嵌入层560-2和预测层560-3。

路口信息嵌入层可以对路口信息进行处理，确定路口特征。路口特征是指对路口信息进行特征提取后获得的特征。在一些实施例中，路口信息嵌入层可以是卷积神经网络。如图5所示，路口信息嵌入层560-1的输入可以是路口信息520，路口信息嵌入层560-1的输出可以是路口特征561。

事件信息嵌入层可以对事件信息进行处理，确定事件特征。事件特征是指对事件信息进行特征提取后获得的特征。在一些实施例中，事件信息嵌入层可以是卷积神经网络。如图5所示，事件信息嵌入层560-2的输入可以是事件信息530，事件信息嵌入层560-2的输出可以是事件特征562。

预测层可以对多帧历史图像、路口特征、事件特征、天气信息、目标时间段进行分析处理，确定未来多个时间点的行人数量。如图5所示，预测层560-3的输入可以是基于路口信息嵌入层560-1得到的路口特征561、基于事件信息嵌入层560-2得到的事件特征562、多帧历史图像510、天气信息540、目标时间段550，输出可以是未来多个时间点的行人数量570。在一些实施例中，预测层可以是卷积神经网络、深度神经网络等中的一种或多种的组合。

在一些实施例中，路口信息嵌入层、事件信息嵌入层以及预测层可以基于第三训练样本及第三训练样本的标签对初始行人识别模型进行联合训练得到。

在一些实施例中，管理平台还可以将行人按下行人按钮的时间点之前的第五预设时间作为第一样本时间，将按下行人按钮的时间点之前的第五预设时间的图像作为样本图像。管理平台可以将行人按下行人按钮的时间点及其之后的第六预设时间内的多个时间点作为第二样本时间，并将行人按下行人按钮的时间点及其之后的第六预设时间内的多个时间点对应的行人数量作为第三训练样本对应的标签。应当理解的是，当行人按下行人按钮时，说明路口处有行人。管理平台基于行人按下行人按钮的时间点前后的图像获取训练样本和标签，提高了训练样本和标签的获取效率。

在一些实施例中，第三训练样本对应的标签可以通过人工对样本路口在第二样本时间所对应的图像中的行人数量进行标注统计后得到。在一些实施例中，第三训练样本对应的标签可以基于至少一帧图像确定。其中，至少一帧图像可以通过对象平台在第二样本时间内间断采集确定，也可以通过从第二样本时间所对应图像中选取至少一帧确定。例如，行人按下行人按钮的时间点所对应的一帧或多帧图像。又例如，交通信号灯为绿灯时所对应的一帧或多帧图像等。本说明书的一些实施例，可以无需对每一帧图像进行统计，从而节约了标签获取时间，减少了标签获取成本。

在联合训练中，管理平台可以将第三训练样本中的样本路口的路口信息输入初始路口信息嵌入层，将第三训练样本中的第二样本时间的事件信息输入初始事件信息嵌入层。然后，将初始路口信息嵌入层的输出、初始事件信息嵌入层的输出、多个样本图像、第二样本时间的天气信息和第二样本时间一起输入至初始预测层中，基于初始预测层的输出和标签构建损失函数。基于损失函数迭代更新初始第二行人预测模型中各层的参数，以使模型的损失函数满足预设条件，得到训练好的第二行人预测模型。预设条件可以包括但不限于损失函数收敛、损失函数值小于预设值或训练迭代次数达到阈值。

本说明书一些实施例所述的方法，通过模型对历史图像以及影响未来行人数量的可能情况(如，路口信息、事件信息、天气信息和目标时间段等)进行分析处理，能够快速准确地预测出目标时间段的未来多个时间点的行人数量，便于后续确定时间设置方案。

图6是根据本说明书一些实施例所示的通过向量匹配确定目标路口的交通信号灯的时间设置方案的示例性示意图。

在一些实施例中，管理平台可以基于行人信息和路口信息，通过向量匹配，确定目标路口的交通信号灯的时间设置方案。如图6所示，基于向量匹配确定时间设置方案的示例性过程如下：

在一些实施例中，管理平台可以基于待测数据610构建特征向量620。其中，待测数据610包括行人信息610-1和路口信息610-2。仅作为示例地，特征向量可以被表示为[a,b,c,……]，其中，元素a可以代表行人信息(如，行人数量在0～100人之间时对应的a可以为1，行人数量在100～200人之间时对应的a可以为2，……)；元素b可以代表路口类型(如，路口类型为十字路口时对应的b可以为1，路口类型为环形路口时对应的b可以为2，路口类型为Y形路口时对应的b可以为3等)；c可以代表路面宽度(如，路面宽度在0～5米时对应的c可以为1，路面宽度在5～10米时对应的c可以为2，路面宽度在10～15米时对应的c可以为3等)。

在一些实施例中，管理平台可以基于各个路口的历史数据630构建参考向量641，并基于参考向量641形成向量数据库640。构建参考向量的方式与构建特征向量的方式类似。在一些实施例中，历史数据630可以包括历史行人信息630-1、历史路口信息630-2。

在一些实施例中，管理平台还可以基于行人信息610-1、路口信息610-2、天气信息610-3以及事件信息610-4构建特征向量620。相应地，管理平台可以基于历史行人信息630-1、历史路口信息630-2、历史天气信息630-3以及历史事件信息630-4构建参考向量641。

在一些实施例中，每个参考向量可以与一个历史时间设置方案对应。应当理解的是，历史时间设置方案可以是对应参考向量所表示的历史行人信息、历史路口信息等历史情况下所对应的交通信号灯的各种指示灯的实际亮灯时长。

在一些实施例中，管理平台可以计算特征向量620和向量数据库中640的参考向量641之间的向量距离650。向量距离可以是欧式距离、余弦距离、马氏距离、切比雪夫距离、曼哈顿距离等。

在一些实施例中，管理平台可以基于向量距离650对参考向量641进行筛选，确定至少一个目标参考向量660。例如，管理平台可以选择与特征向量的向量距离最小的参考向量作为目标参考向量。又例如，管理平台可以将向量距离小于阈值(如，2)的一个或多个参考向量作为目标参考向量。

在一些实施例中，管理平台可以基于目标参考向量660确定时间设置方案670。

在一些实施例中，当确定出一个目标参考向量时，管理平台可以直接将该目标参考向量所对应的时间设置方案作为最终的时间设置方案。

在一些实施例中，当确定出多个目标参考向量时，管理平台可以在多个目标参考向量所对应的时间设置方案中，对多个目标参考向量所包括的相同指示灯的亮灯时长分别求平均，将平均值作为最终的时间设置方案。仅作为示例地，管理平台确定出目标参考向量B和目标参考向量C。目标参考向量B对应的时间设置方案为红灯的亮灯时长为40秒、绿灯的亮灯时长为20秒。目标参考向量B对应的时间设置方案分别为红灯的亮灯时长为30秒、绿灯的亮灯时长为30秒。管理平台可以对上述两个时间设置方案中的相同指示灯所对应的亮灯时长求平均值。最终的时间设置方案可以为红灯的亮灯时长为35秒、绿灯的亮灯时长为25秒。

在一些实施例中，当确定出多个目标参考向量时，管理平台还可以在多个目标参考向量所对应的多个时间设置方案中，将最高行人通过率所对应的时间设置方案确定为最终的时间设置方案。关于行人通过率的更多说明可以参见前述图2及其相关描述。仅作为示例地，管理平台确定出目标参考向量D和目标参考向量E。目标参考向量D所对应的时间设置方案的行人通过率为89％。目标参考向量E所对应的时间设置方案的行人通过率为93％。则管理平台可以确定最终的时间设置方案为目标参考向量E所对应的时间设置方案。

本说明书的一些实施例中，通过结合行人通过率筛选目标参考向量，从而可以确定出更合理的时间设置方案。

在本说明书一些实施例中，管理平台可以以历史数据作为参照，结合历史实际情况，通过向量匹配的方式确定出更合适的时间设置方案，避免了路口的拥堵情况。

本说明书实施例还提供一种计算机可读存储介质，存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机运行如本说明书实施例提供的任意一种智慧城市交通信号灯的时间设置方法。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的管理平台组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的管理平台。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导。