掌桥专利:专业的专利平台
掌桥专利
首页

一种固定时长的交通信号灯时长预测方法

文献发布时间:2023-06-19 13:45:04


一种固定时长的交通信号灯时长预测方法

技术领域

本发明属于汽车智能化应用技术领域,具体涉及一种固定时长的交通信号灯的预测方法。

背景技术

随着社会生产力的提高,生活节奏的加快,人们已经越来越重视高效的时间利用。在日常生活中,车辆通行占据了大量的时间,人们对最快路径的选择提出了新的更高需求。如:过多的红灯等待将延长通行时间,极大降低用户的驾驶体验感。因此,开发帮助用户尽可能绕开红灯路口,保障用户驾驶“一路绿灯”的产品将极具竞争力。

当前的主要解决方案主要有两种:第一种方案是“绿波带”方案(CN109993985A,交通工具的绿波带行驶状态控制方法、交通工具和存储介质)。即在指定的交通线路上,当规定好路段的车速后,要求信号控制机根据路段距离,把该车流所经过的各路口绿灯起始时间,做相应的调整,以确保该车流到达每个路口时,正好遇到“绿灯”。但是,该方案对车速有严格要求。若车速有所变化,将导致车流错过“绿波带”。第二种是“交通信号灯自适应控制”方案(CN105427629A,道路交通交通信号灯自适应控制的一种实现技术;CN108171996A,一种自适应智能交通信号灯控制方法)。即通过检测器检测到的交通流信息,然后将这些数据实时的通过网络传到控制中心,控制中心实时地计算最佳的绿灯配时方案,并且每个周期实时调整绿灯时间,从而使路口停车延时、停车次数等最小。但是,该方案对基础设施建设有极高要求,需要在每个路口部署交通流检测器。同时,目前的交通信号灯自适应控制所需的强化学习算法仍不成熟,难以保障绿灯配时方案满足要求。最后,这两种方案均是从交通信号灯设计的角度来实现与整体车流量的匹配,不能做到针对每个车辆实行最佳的调整。

发明内容

本发明提供了一种固定时长的交通信号灯时长预测方法,针对固定时长的交通信号灯,实现对每个交通信号灯的可通行时长和不可通行时长预测。

本发明的技术方案为:

本发明提供了一种固定时长的交通信号灯时长预测方法,应用于云服务器,包括:

步骤S101,在确定交通信号灯为不可通信状态时,获取位于所述交通信号灯所对应车道内的各目标车辆在所述交通信号灯处的等待时长;目标车辆为与所述交通信号灯之间的距离位于预设距离范围内的车辆;

步骤S102,在所述目标车辆数量超过预设数量时,将全部目标车辆的等待时长中值最大的一个确定为所述交通信号灯的不可通行时长;

步骤S103,按照各目标车辆在所述交通信号灯前的启动时间从前到后对各目标车辆对应的等待时长进行排序;再基于排序后的各目标车辆的等待时长,依次计算相邻两个目标车辆之间的等待时长差值;

步骤S104,将所有的等待时长差值的最大公约数确定为所述交通信号灯的可通行时长和不可通行时长之和。

优选地,各目标车辆在所述交通信号灯处的等待时长为各目标车辆在所述交通信号灯处的启动时刻与停止时刻的差值。

优选地,所述方法还包括:

步骤S105,将步骤S102得到的所述交通信号灯的不可通行时长和步骤S105得到的所述交通信号灯的可通行时长和不可通行时长之和发送至与所述交通信号灯之间的距离位于预设距离范围外的车辆。

本发明有益技术效果为:通过车辆已有的摄像头识别交通信号灯当前是否为不可通行状态,并通过数学统计的办法预测交通信号灯的红灯时长,无需添加额外的传感器,也不需建设额外的交通基础设施。

附图说明

图1为本发明方法的流程图;

图2为对本发明方法所预测到的不可通行时长随测试车辆数量变化的准确率曲线图。

具体实施方式

下面结合附图对本发明做详细说明。

如图1所示,本发明提供了一种固定时长的交通信号灯时长预测方法,该方法包括:

步骤1)、数据采集

基于车载摄像头和车联网设施,在车辆到达交通信号灯路口的预设距离范围内时,将这些车辆确定为目标车辆,基于目标车辆的摄像头采集图像判断前方的交通信号灯是否为不可通行状态(红灯状态);若为不可通行状态,记录目标车辆在交通信号灯所对应的车道内停止移动的停止时间t

步骤2)、数据预处理

对每个交通信号灯路口,分别将多个车辆启动时间t

步骤3)预估交通信号灯时长

由t

步骤4)模拟测试

假设某交通信号灯切换周期为固定时长,其中真实红灯时长为30s,真实绿灯时长为60s,利用计算机随机生成一定数量的车辆信息,则基于以上步骤,可模拟计算车辆数量对交通信号灯时长预测的影响。取1-200辆车辆数按均匀分布随机投放到一天内的各时间段,假设模拟交通信号灯时长结果与真实交通信号灯时长均相差在1s以内,则认为结果准确,否则认为结果不准确,每组车辆数重复进行1000次模拟实验记录结果。

步骤5)数据可视化

基于步骤四的模拟测试条件,将准确性随车辆数增加的变化曲线绘制后输出。可得车辆数量对预测准确性的影响关系如下图2所示,当车辆数达到200辆左右时,预测时长的准确性可达99%,验证了模型预测的有效性。

技术分类

06120113790751