一种地埋式交通信号灯智能控制方法及系统与流程

信号装置的制造及其应用技术1.本发明涉及交通信号控制领域，具体涉及一种地埋式交通信号灯智能控制方法及系统。背景技术：2.每年发生在斑马线上的交通事故，依旧频繁，不管是机动车的违规问题，还是“过马路”的社会现象，仍然存在较大的交通事故的安全隐患。3.针对斑马线道路交通事故的频繁发生，一款针对行人过马路安全问题的信号灯系统应运而生，即地埋式交通信号灯，通过安装地埋式交通信号灯可以使得行人更容易注意到此时的通行情况，地埋式交通信号灯安装于人行道两端及两侧，当两端红灯亮时行人则禁止通行，绿灯为允许通行，当两端为绿灯时两侧的交通信号灯保持黄色常亮。通常红绿灯之间的切换为预先设置好的时间，但有时人流量较大时，即将转换为红灯时人行道中仍有大量人群，此时通行时间不足，但大部分人依然会跟着人群过人行道，而此时通行时间已经结束，车辆开始通行，此时很容易出现“车撞人”的事故。4.因此，如何根据此时的通行情况智能调整地埋式交通信号灯的显示情况，不仅使得交通能够流畅，而且更能够保证行人的安全问题，是尤为重要的。技术实现要素：5.为了解决上述技术问题，本发明的目的在于提供了一种地埋式交通信号灯智能控制方法及系统，所采用的技术方案具体如下：本发明提供的一种地埋式交通信号灯智能控制方法的技术方案，包括如下步骤：实时获取人行道两端检测区域的行人图像，并根据所述行人图像，确定图像中的行人数量；获取历史记录中行人至少两次通过人行道所用的实际时间，并将所有实际时间的均值作为通行系数；根据当前行人数量、人行道设定通行时间以及所述通行系数，确定当前行人数量的预测通行时间；当绿灯达到预测通行时间时，根据实时获取的行人图像，提取行人的位置信息，根据所述位置信息、行人速度以及所述通行系数，确定绿灯转红灯的延长时间。6.进一步地，还包括确定延长时间内调整信号灯的闪烁频率的步骤：根据实时获取的行人图像，确定每个行人的移动方向，并对各方向下的行人进行分类，确定每个方向的人群类别数；获取每个人群类别的行人的速度，并计算该人群类别中所有行人的移动一致性；计算每个人群类别中的所有行人的速度均值与所有行人中的速度最小值的差值，并根据所述差值以及移动一致性，确定闪烁指数；根据每个方向上各人群类别数以及每个人群类别中的行人数量，确定每个方向上的行人分布指标；基于两方向上的所述闪烁指数、行人分布指标以及行人整体平均距离，计算交通信号灯的闪烁频率。7.进一步地，确定每个方向的人群类别数的过程为：采用k-means聚类的方法进行人群聚类。8.进一步地，所述闪烁指数为：其中，z为闪烁指数，为同方向的人群的移动一致性，为人群中平均速度与最小速度的差值。9.进一步地，所述闪烁频率为：其中，为人行道两侧的地埋式交通信号灯的闪烁频率，分别为不同方向的闪烁指数，分别为不同方向上的行人整体平均距离，表示不同方向的行人分布指标，为延长时间，表示向上取整，其中，行人整体平均距离为，p为其中一方向上的人数，为计算的其中一方向上任意两行人之间的距离，并对获取的所有距离求和得到的值。10.进一步地，所述预测通行时间为：其中，t1为预测通行时间，t为人行道设定通行时间，a为通行系数，x为当前待通行人数，x’为通过历史数据获取的相机采集图像后经过时间t后刚好通行完成时所对应的行人人数，[]表示取整操作。[0011]进一步地，所述延长时间的获取过程为：根据实时获取的行人图像，判断人行道道路上是否有行人，当有行人时，确定此时人行道上的行人的位置所在的人行道道路位置，所述人行道道路位置包括人行道两端部位置以及人行道中部位置；根据行人图像上的行人的行走位置以及行走速度，确定延长时间。[0012]进一步地，对所述延长时间进行调整的过程为：获取机动车道路检测区域内的机动车图像，确定道路检测区域内的等待的机动车数量；比较等待的机动车数量与人行道上行人数量的大小，当等待的机动车数量小于人行道上行人数量，则延长时间为：其中，s为人行道的长度，v为行人的步行速度，为通行系数，a为人行道的行人数量；当等待的机动车数量大于等于人行道上行人数量，则延长时间为：其中，b为等待的机动车数量。[0013]本发明还提供了一种地埋式交通信号灯智能控制系统，包括存储器和处理器，所述处理器执行所述存储器存储的用于实现上述的一种地埋式交通信号灯智能控制方法的技术方案。[0014]本发明的有益效果：本发明的方案能够解决高峰期行人过马路时的安全问题以及交通通行问题，利用计算机视觉技术预测当前行人通过人行道所需时间，并根据实际通行情况进行智能调整通行时间并调整两侧的灯的闪烁频率来催促行人尽快通行，从而实现高效率、安全的通行。附图说明[0015]为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。[0016]图1是地埋式交通信号灯安装示意图；图2是本发明的一种地埋式交通信号灯智能控制方法的方法流程图；图3是人行道道路上行人行走位置接近人行道两端的示意图；图4是人行道道路上行人行走位置在人行道中间区域的示意图。具体实施方式[0017]为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的方案，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。[0018]除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。[0019]在行人过马路时，交通信号灯往往都是固定时间进行转换，在人流高峰期时通行时间并不够，但行人很可能跟随人群继续通行，也即在禁止通行时依然通行，与车辆交织在一起，容易造成事故发生，交通堵塞等问题，因此需要根据行人实际通行情况适当调整通行时间，并调整两侧信号灯闪烁频率来催促行人通行，因此本发明的方案是通过控制地埋式交通信号灯的显示情况来对行人进行通行引导。[0020]具体地，本发明针对的是，图1中地埋式交通信号灯安装于人行道两侧以及两端，两端的地埋式交通灯为矩形长条形状，两侧的交通灯为圆形，以保护行人的通行安全，人行道两端分别设有相机以便采集图像，来分析当前图像的行人的通行状态，从而根据通行状态计算合适的通行时间并控制地埋式交通信号灯来进行显示。[0021]具体地，对本发明提供的一种地埋式交通信号灯智能控制系统进行介绍，请参阅图2所示，包括以下步骤：首先，实时获取人行道两端检测区域的行人图像，并根据所述行人图像，确定图像中的行人数量。[0022]本实施例中，如图1所示，通过设置在两端的相机采集人行道两端检测区域的行人图像；其中的检测区域为人行道两侧可容量人的区域，其是可以根据实际情况进行设定的。[0023]在采集行人图像时，是当人行道的交通信号灯即将由红变绿的时候，人行道两侧的相机此时进行一次图像采集，获得两幅此时人行道两端的行人图像，根据行人图像中的人流量情况获取行人的最佳通行时间并通过控制地埋式交通信号灯的显示情况来对行人进行引导。[0024]上述中人流量情况，也即行人数量的获取，是利用深度神经网络来实现人流量的统计，通过训练神经网络来识别图像中的鞋子与行人的头部，由于人群身体存在大部分的遮挡，所检测到的鞋子可能远远小于实际的鞋子数量，而头部的数量相较于鞋子来说，因头部不容易被遮挡而容易获取，所以人流量的统计通过检测到的头部数量为依据，即可获得当前等待区域需要通行的行人人流量，图像中每含有一个头部包围框，则为一个行人，因人行道两端都安装有相机，其监控范围为整个人行道及等待区域，因此实际的人流量为两相机采集的图像行人数量总和的一半。[0025]其中，深度神经网络为现有较为成熟的识别图像技术，网络的具体内容为：1.网络的输入为相机采集的行人图像，输出为含有行人头部的包围框的图像。[0026]2.网络的结构为encoder-fc的结构。[0027]3.网络的loss函数为均方差损失函数。[0028]需要说明的是，当交通灯即将变为绿灯时，通过人行道两端安装的相机采集此时人行道的情况，根据此时的人流量来预测行人通过人行道的时间，当行人越多时，所需的通行时间就越长，在不超过最大通行时间内通过控制地埋式交通信号灯的显示情况来引导行人通过人行道。[0029]其次，获取历史记录中行人至少两次通过人行道所用的实际时间，并将所有实际时间的均值作为通行系数；根据当前行人数量、人行道设定通行时间以及所述通行系数，确定当前行人数量的预测通行时间。[0030]本实施例中的预测通行时间为：其中，t1为预测通行时间，t为人行道设定通行时间，a为通行系数，x为当前待通行人数，x’为通过历史数据获取的相机采集图像后经过时间t后刚好通行完成时所对应的行人人数，[]表示取整操作。[0031]上述中的通行系数a是通过n组历史数据确定的，历史数据为一定数量的行人完全通过人行道所用的时间，由此获得n组行人通行的实际时间，此时最终确定通行系数a为：式中为通行系数，为第i’组历史数据中一定数量的行人完全通过人行道所用的时间，从而根据当前人流量确定了预计的通行时间。[0032]需要说明的是，人行道设定通行时间t为初始通行时间，其是一个初始设定值。通行系数a的获取是根据实际情况确定的历史数据，其中的一定数量是更接近当前时刻采集的行人数量，这样具有一定的参考价值。[0033]为不使行人的通行时间过于太长或是太短，使通行时间t1的范围为，即对于预测时间少于的都设置为，大于的时间都设置为。[0034]然后，当绿灯达到预测通行时间时，根据实时获取的行人图像，提取行人的位置信息，根据所述位置信息、行人速度以及所述通行系数，确定绿灯转红灯的延长时间。[0035]本实施例中是在上述预测通行时间的基础上，控制地埋式交通信号灯为绿色的时长，即绿色持续的时长为t1，当t1秒后两端的地埋式交通信号灯变为红色并发出警报声禁止通行，禁止此时未通行的行人通行，两侧的地埋式交通信号灯变为黄色，以催促还未完成通行的行人快速通行，此时仍需要适当延长通行时间以保证还正在通行行人的安全，所以当通行时间t1秒结束后，两端的相机再次采集一次当前人行道道路的行人图像，判断人行道道路区域是否有行人，若无，则无需延长通行时间，若此时人行道上仍有行人，则需要根据此时的通行情况适当地延长通行时间，具体地，分以下几种情况：一，根据人行道道路上行人的位置，若人群位于接近人行道两端（见图3）处说明行人即将完成通行，此时的延长时间为：式中，为延长时间，s为人行道的长度，v为行人的步行速度，根据实际经验值取。[0036]二，若中间区域含有行人（见图4），而该区域的行人通行的距离还比较长，此时延长时间的获取，需要考虑的因素较多；如该区域行人的通行方向以及人数等，因为该区域可能存在若干通行方向不同的行人，会因为互相避让对面行人而略微导致通行速度下降。同时，还需要兼顾机动车道路上等待的车辆数量，若延长时间过长，则会使得车辆越积越多导致堵塞，因此当人行道中间也有行人时，延长时间还考虑此时的车辆情况，使其行人的延长通行时间不至于过长。[0037]因此，通过地面交通信号灯上的相机采集此时人行道一侧的车辆数量，通过神经网络来获取图像中的车辆数量，因此通过车辆数量与行人人数综合考虑此时的延长时间：（1）若等待的车辆数量小于人行道上行人时，则此时延长的时间为：式中a为通行系数，a为此时人行道上的头部包围框数量，s为人行道的长度，v为行人的步行速度。[0038]（2）若此时车辆数量大于人行道上行人数量时，则认为行人应尽快通行，此时缩短延长时间为：其中，a为此时人行道上的头部包围框数量，s为人行道的长度，v为行人的步行速度，b为等待的车辆数量，当车辆数量比行人越多时，行人获取的延长通行时间将会相对减少，从而保证车辆与行人都能够及时通行。[0039]需要说明的是，上述车辆数量的获取与行人数量的获取方式相同，此处不再赘述。[0040]因此，本实施例中的延长时间为：其中，表示为中间区域没有行人，表示中间区域含有行人，当整个人行道都不含有行人时，延长时间为0。[0041]本实施例中将人行道分为三个区域即中间部分与两端部分，通过判断行人的所属区域来确定合适的延长时间；即将人行道等分为三个部分，同时通过判断鞋子的包围框所处的位置来判断行人的位置，若人行道中间区域r不含有行人，仅位于两端部分，如图3所示，那么此时人行道的行人即将完成通行，同时人行道两端会发出禁止通行的警报，防止此时一端行人因时间不够却还想通行至另一端；若位于人行道中间部分，如图4所示，那么还需要一定的延长时间来完成通行。[0042]进一步地，在延长时间内，为了让人行道上的行人意识到此时需要快速通行的必要性，还需要通过控制两侧地埋式交通信号灯的闪烁频率来提醒行人，因此本实施例中还获得延长时间内的人行道两侧的信号灯的闪烁频率的步骤，包括：1．根据实时获取的行人图像，确定每个行人的移动方向，并对各方向下的行人进行分类，确定每个方向的人群类别数；获取每个人群类别的行人的速度，并计算该人群类别中所有行人的移动一致性；2．计算每个人群类别中的所有行人的速度均值与所有行人中的速度最小值的差值，并根据所述差值以及移动一致性，确定闪烁指数；3．根据每个方向上各人群类别数以及每个人群类别中的行人数量，确定每个方向上的行人分布指标；4．基于两方向上的所述闪烁指数、行人分布指标以及行人整体平均距离，计算交通信号灯的闪烁频率。[0043]上述实施例中对各方向下的行人进行分类时，首先确定每个方向的人群类别数是通过相机对人行道的实时监控，并利用角点匹配技术获取每个行人的移动方向，并将此时的行人分为两个方向；其次对于同一个方向的行人，计算出人堆数量以及分布位置，人堆数量越多，距离越远，说明行人此刻属于零零散散的通行，需要通过加快黄灯的闪烁使其提高警惕快速通过。[0044]上述中的人堆数量的获取方法为：计算同方向行人各自之间的距离，以头部包围框的中心点来计算人与人之间的位置关系：式中表示为同一行进方向行人的距离，,分别为第i个行人以及第j个行人的头部包围框中心点坐标，因相机为两端拍摄，可能会导致较远处人像稍小，因此距离都取两相机采集到的图像中较大的那个距离；当则认为第i个人与第j个人属于一个人堆，由此将人行道上的行人分成了k类。[0045]当然作为其他实施方式，还可以采用k-means聚类的方法进行人群聚类。[0046]本实施例中的移动一致性为：式中表示行人的移动一致性，其值越小说明行人通行的一致性越高，一起到达的概率越大，当时，此时认为行人中出现了明显速度较快的行人或是较慢的行人，对于其中较慢的行人，我们就需要通过改变闪烁频率来催促其抓紧通行，其中，式中为人堆中行人的平均速度，为人堆中第c个人的移动速度，m为人堆的行人数量。[0047]本实施例中的闪烁指数的获取过程为：1，计算和：：式中为人堆中最大速度与平均速度的差值，为人堆中平均速度与最小速度的差值；2，若，则认为人堆中出现了较慢的行人，对于这种情况，需要获得闪烁指数：式中z为闪烁指数，z越大时对应的闪烁应越高，为同行一致性程度，值越高越不一致，为较慢者的速度差距，其值越大说明该行人容易落后得越远。[0048]需要说明的是，上述中的人堆中的行人的移动速度、最大速度、最小速度的获取是从行人进人行道道路到变为黄灯时所走的距离除以时间获得的每个人的速度，其中通过监控相机记录行人所走的距离和时间。[0049]同时，计算同方向每一个人堆的行人数量的分布情况。[0050]式中，表示人行道上各人堆的行人数量分散情况，k为人堆的数量，为第e个人堆的行人数量，表示每个人堆对应的平均人数，值越大时说明有落单的行人的概率越大，也需要调整其闪烁频率使其行人抓紧通过。[0051]同时获得同方向上行人整体的平均距离：式中，d为同一方向的行人整体平均距离，p为其中一方向上的人数，为计算的其中一方向上任意两行人之间的距离，并对获取的所有距离求和得到的值，d的值越大说明此时同一方向通行的行人跨度较大，可能分散较开，需要抓紧时间通过，d值越小说明同一方向通行的行人比较集中。此时人行道两侧的闪烁频率为：式中，为人行道两侧的地埋式交通信号灯闪烁频率，分别为不同方向的闪烁指数，其值越大说明人堆中行人存在落单的行人且将会落后较远距离，分别为不同方向上的平均距离，其值越大说明通行的队伍越长，需要尽快通行，表示不同方向的行人分布情况，其值越大时说明有落单的行人概率越大，也需要提高闪烁频率来催促其落单行人快速通行，为延长时间，表示向上取整。越大时，说明人堆数量越多，行人较为散开，以及越大时整体的队伍长度越长，此时对应频率也将提高从而催促行人抓紧时间通过人行道。[0052]本实施例中的人行道两侧的信号灯的黄灯闪烁越快时，说明尽快通行的必要性越高。[0053]本发明的方案，通过上述步骤获得了预计的通行时间以及需要延长的时间t1与t2。当人行道红灯结束时，相机采集下此刻图像并获得预计的通行时间t1，t1时刻后相机再次采集图像并获得此时的延长时间t2，然后经过时间t2后，则是固定时长的禁止通行时间。如此循环可根据实时的人流量对通行时间进行动态调整，以提高通行效率。[0054]本发明的方案能够在处于预测通行时间时，控制两端地埋式交通信号灯为绿色，两侧的地埋式交通信号灯为黄色且不闪烁，保障行人的通行；在处于延长时间时，控制两端地埋式交通信号灯为红色，禁止此刻未开始通行的行人继续通行，但两侧的地埋式交通信号灯会根据行人的通行情况进行闪烁来催促行人通行；当延长时间结束后，则两端地埋式交通信号灯为持续固定时长的红色，以禁止行人通行，两侧的地埋式交通信号灯不亮，以保证车辆的正常通行。[0055]本发明的方案能够解决高峰期行人过马路时的安全问题以及交通通行问题，利用计算机视觉技术预测当前行人通过人行道所需时间，并根据实际通行情况进行智能调整通行时间并调整两侧的灯的闪烁频率来催促行人尽快通行，从而实现高效率、安全的通行。[0056]本发明还提供了一种地埋式交通信号灯智能控制系统，包括存储器和处理器，其中处理器执行存储器中存储的用于实现一种地埋式交通信号灯智能控制方法的技术方案。[0057]由于一种地埋式交通信号灯智能控制方法已经在上述方法实施例中进行了详细的介绍，因此此处不再赘述。[0058]以上所述实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!