一种基于车流量的信号灯动态配时方法与系统

信号装置的制造及其应用技术1.本发明属于城市交通技术领域，涉及一种基于车流量的信号灯动态配时方法与系统。背景技术：2.不断飞升的机动车保有数量造成了城市交通的拥挤并给各个地区城市交通系统的正常运行带去了极大的压力。交通信号灯在缓解交通拥堵方面发挥着一定作用，但现有的城市路口信号灯配时算法本身并不具备随着路口车流量的变化而进行动态配时修改的功能，当出现某个时刻某相位车流量过大、而另一方向上的车流量又很小时，信号灯无法根据当前路口的实时路况以对相位配时进行动态调整，为此当前信号灯在实时性调整方面具有一定的局限性。3.另一方面，当路口行驶过程中出现某方向上的车流行驶已经结束而该方向上的绿灯时间还有剩余时，会造成该相位绿灯时间的白白浪费，从而降低路口的整体绿灯利用率。无法充分有效地利用路口的绿灯时间，也是造成路口堵塞的重要原因之一。技术实现要素：4.为了解决现有技术存在的不足，本发明的目的是提供一种基于车流量的信号灯动态配时方法与系统。本发明主要针对交通路口的红绿灯，使其根据当前道路的车流情况进行一个动态配时，从而缓解城市道路拥挤的现象。5.本发明中，通过对当前道路上的车流量进行监测后，对某一行驶方向上出现车流量增多的情况下，将其余空闲行驶方向上原有的配时时间分配给该相位，从而允许其拥有更长的绿灯时间，以让其通过更多的车辆；同时对当前相位时间内是否还能有车辆通过路口进行判定，并对接下来的剩余时间内没有车辆能通过路口的情况下进行当前相位的提前结束，从而起到提高绿灯利用率的作用，但倘若距离路口最近的车辆距离路口剩余距离过近，则不考虑跳过绿灯剩余时间策略以保证足够的车辆行驶安全性。且当下一绿灯相位的行驶方向上不存在行驶车辆时，无需提前结束当前相位，从而避免一些无意义的绿灯相位跳过操作。6.本发明中用来提升路口车辆通行效率的方法有2种：7.(1)在每一相位周期结束时，通过对当前路口下各个行驶方向上的的车流量进行监测，来对下一相位周期的配时进行调整，让拥堵的地方具有更多的绿灯时间以缓解路口堵塞的问题。8.(2)在每一相位的具体执行时，通过判断当前相位内的绿灯时间是否还具有意义，若判定为无意义则直接跳过当前剩余的绿灯时间，来提升当前路口的整体绿灯使用效率，以缓解路口拥堵的问题。9.本发明提供了一种基于车流量的信号灯动态配时方法，所述方法包括如下步骤：10.步骤一、获得路口的历史车辆行驶数据，获得各行驶方向上的关于车辆数的概率分布图；11.步骤二、收集当前道路使用情况，获得各个行驶方向上的车辆信息；12.步骤三、根据当前路口各个行驶方向上的车辆数量执行配时算法，得到下一相位周期内各个行驶方向上的通行时间；13.步骤四、在每一相位周期内，实时获得路口信号灯的状态信息并判断当前车流行驶状况是否满足跳过当前相位的条件；14.步骤五、当前相位周期结束时，根据现有道路交通状况重复执行上述步骤，获得下一相位周期内各个行驶方向上的通行时间。15.本发明中将以一种正态分布的车辆数分布模型来对道路上的车辆进行拟合。在该分布模型下，各相位当前的车流量是一种基于该车辆行驶均值的正态分布。例如图1中东西方向上存在的车道的先验条件为1200veh/h，南北方向上存在车道的行驶先验条件为800veh/h，路口的整体饱和交通量为1800veh/h，并假设当前路口单个相位的绿灯损失时间为固定值5.2秒，黄灯时间取4秒，并没有全红时间；所述绿灯损失时间是指未能供车辆有效利用的绿灯时间，包括路口绿灯信号开始时的前排车辆启动延误时间，及绿灯结束后黄灯时的车辆减速停车损失时间。16.假设本发明中的分布模型的方差为1，以东西行驶方向为例，则有车流量x～n(1200,1)，x服从正态分布，期望值为1200，方差为1，此时其单位为veh/h，即辆/小时。由webster算法对图1所示路口的交通状况进行计算，假设东西通行方向为该路口的第i相，此时该相位上的临界车道交通流量如式(1)所示。其中μ表示该行驶方向上通行量的均值，nnum1表示该临界车道通行方向上的车道数，本发明中可以设置为2，表示两条车道。[0017][0018]假设南北通行方向为该路口的第ii相，此时该相位上的临界车道交通流量如式(2)所示。其中μ表示该行驶方向上通行量的均值，nnum2表示该临界车道通行方向上的车道数，本发明中可以设置为2，表示两条车道。[0019][0020]同时根据上述假设条件，可以计算得到当前路口下的总损失时间l如式(3)所示。式中n表示当前路口的相位数，l表示单个相位内的损失时间，ar表示全红时间，本发明中可以设置为0。[0021]l＝nl+ar＝2*5.2+0＝10.4(s)ꢀꢀꢀ(3)[0022]由式(1)和式(2)可得到各相位上对应的交通流量比，如式(4)所示。式中s表示饱和交通量。[0023][0024]得到式(4)后，可以顺应着得到交叉口交通流量比y，如式(5)所示。[0025]y＝y1+y2＝0.555ꢀꢀꢀ(5)[0026]将上述所得参数带入webster算法，得到相应的相位周期时间，如式(6)所示。[0027][0028]将式(6)中的结果取整后可得当前情况下的相位周期c0为46秒。[0029]得到相位周期后可以将车流量分布单位转化为单个周期内的通过的车辆，例如：东西行驶方向上有车流量x～n(15,1)，此时单位为veh/轮，一轮时长即为46s，车流量x服从正态分布，期望值为15，方差为1，即根据先验经验得来的每小时内中的每一轮中，该方向上通过的平均车流量为15辆，而每一轮的周期为46s。[0030]而该方向上每一轮的车流量存在一个取值范围，其中最小值为0，即当前该车道上没有车流量，最大值与当前状态下的绿灯时间挂钩，为一动态值。[0031]在通过单位转换后，可以得到该方向上每一轮的平均通过量。此时再关注当前道路上停留的车辆数，将其值记作k，此时可以分为3种情况，以下三种策略合称为“策略1”：[0032]①k＝15，即当前行驶方向上刚好停了等于均值辆的车。在不考虑其他行驶方向上车流数的情况下，此时路口可以直接按照原有的webster算法下的静态配时策略进行配时即可，无需进行额外的动态配时修正。[0033]②k《15，即当前车道上停的数量小于均值辆的车。在不考虑其他车道车流量的情况下，此时可以在原有策略上，将该车道的绿灯时间进行缩短。[0034]③k》15，即当前车道上停的数量大于均值辆的车。在不考虑其他车道车流量的情况下，此时可以在原有策略上，将该车道的绿灯时间进行延长。[0035]之后计算车流量处于x＝k与x＝15之间的概率，即对正态分布中的k与15之间进行积分，得到的结果为一概率，其基本的物理含义为“当前车道上，车辆数落在k到15(或15到k)上的概率”，在本发明中将该概率值定义为“当前车道的车辆数与理想均值情况之间的距离值”，当k等于均值时，该距离值为0。而时间的实时修正则依赖于当前定义的距离值这一概念，即根据距离值进行时间修正。[0036]本发明定义的这个距离值具有“修改对称”的特点，因为在正态分布中车辆数关于均值对称。[0037]例如，假设当前仿真车道上的车辆数为12辆，其对应的距离值dist应为12到15之间的积分值，将其记为p1；若当前车道上的车辆数为18辆，其对应的距离值应为18到15之间的积分值，将其记为p2。由于正态分布关于均值具有对称性，可以得到：p1＝p2的结论。由此，在本发明“根据距离值进行时间修正”的策略中，这两种情况下的道路“时间上的衰减”、“时间上的增加”的程度相同。[0038]最终距离值的定义式如式(7)所示。以一个轮次内，通过的车辆数的均值为15辆/轮为例，[0039][0040]其中，μ表示车辆数的均值，σ表示车辆数的标准差；在式(7)中引入了(k-μ)这一项，引入该项的目的是为了判断当前车辆相比较均值是偏少还是偏多，为一符号参数项。[0041]在“策略1”中，该策略只关注了当前车道上停留的车流量，但是这样会忽视另外其他车道上的情况，可能其他车道上比当前车道上更堵，更加需要时间，为此需要同步考虑各个车道上的距离值。[0042]假设现存在2个相位的行驶方向，分别对应着车道1和车道2：当前车道1上较为拥挤，其车辆数大于均值，所以其距离值dist为一正值，记为dis1；车道2上较为空闲，其车辆数小于均值，所以其距离值dist为一负值，将其记为dis2。[0043]此时在式(6)结果的基础上根据各临界车道的交通流量比来进行绿灯时间的分配，将车道1上原本的绿灯时间记为g1，将车道2上原本的绿灯时间记为g2后，需要根据交通路口的情况计算各相有效绿灯时间。[0044]首先需要减去作为绿灯损失时间的10.4秒，之后再对两相根据各相位的交通流量比进行周期时间的分配，如式(8)所示。[0045][0046]同时据式(1)与式(2)可知当前场景下的合计临界车道流量如式(9)所示。[0047]q＝q1+q2＝600+400＝1000(veh/h)ꢀꢀꢀ(9)[0048]根据上述所得的临界交通流量与其相关相位比值来将式(8)中的剩余绿灯时间进行分配，可以得到各相绿灯时间应为式(10)所示。式中yt表示当前黄灯相位的时长，ny表示黄灯相位的总数。[0049][0050]得到上述分配结果后再将开始时减去的损失时间加上后，从而得到实际最短绿灯时间应为如式(11)所示。[0051][0052]此时，定义如式(12)所示的动态调节时间算法。其中g1和g2为定值，为式(11)所得结果，而g1’和g2’为通过下式所得出的动态值。[0053][0054]可以注意到的是，在由式(12)对原有配时策略进行动态调整下，上述2个相位所拥有的总绿灯时间并没有发生改变，证明过程如式(13)所示。[0055][0056]由图1可知，东西方向上的临界车道的车流量应为1200veh/h，南北方向上的临界车道的车流量应为800veh/h，即东西方向上的车流量x1有：x1～n(1200，1)、南北方向上的车流量x2有：x2～n(800,1)，此时单位为小时。将其单位转化为“轮次”后有，东西和南北方向上分别为：x1～n(15,1)，x2～n(10,1)，即东西方向上转换为“轮次”的车流量为15veh/轮，南北方向上转换为“轮次”的车流量为10veh/轮。[0057]之后根据各自当前的道路情况来分别计算对应的dist值：假设当前东西方向上停靠着19辆车，南北方向上存在着7辆车，其分别对应的dist值如式(14)所示。[0058][0059]此时根据式(11)可知，在如图1所示的道路情况下，其静态分配的红绿灯状态如图2所示。图2中红绿灯状态的相位周期为46秒，东西方向的信号灯颜色依次为22秒绿灯，4秒黄灯，20秒红灯；南北方向的信号灯颜色依次为26秒红灯，16秒绿灯，4秒黄灯。[0060]此时根据上述动态调节算法对红绿灯状态进行动态配时调整，有式(15)。[0061][0062]计算完成后，可以得到下一相位周期具体状态，如图3所示；红绿灯状态的相位周期依旧为46秒，东西方向的信号灯颜色依次为29秒绿灯，4秒黄灯，13秒红灯；南北方向的信号灯颜色依次为33秒红灯，9秒绿灯，4秒黄灯。[0063]若路口中存在全红时间，即所有方向上均为红灯的状态，则在该时间段内根据当前道路的状况根据式(12)进行配时计算，计算完成后即可进行配时调整。[0064]但如图3所示的该类路口不存在全红时间，所以使用动态调节时间算法进行时间分配的时机很重要，下面会对该情况下的具体计算时机进行介绍。[0065]在整个设计中：每当结束一个相位周期时将进行下一个相位周期时间分配的具体计算。相位周期此处的定义是：当前交叉口红绿灯内所有相位都已经出现过一次且未重复出现所需要的时间。如图3所示，当前路口在每个相位周期最后一个绿灯相位状态结束后，其会处于一个4秒的黄灯状态，而下一相位时间的分配计算时机就在该时。以上述例子结果为例来进行说明，如图2所示，其相位周期时间为46秒，其一共有2个绿灯相位，假设东西方向为第一相位、南北方向为第二相位，当最后一个相位(即第二绿灯相位)结束后，其会处于黄灯状态，此时将会根据当前路况进行下一次配时的计算。[0066]而下一次配时的动态计算需要依赖当前路口的车流量，而车流量的获取需要使用物联网技术。由于本发明中的动态配时策略并不会改变由webster算法计算出的周期总长，且在得到车道的绿灯时间后(此处假设为两相位绿灯时间分别为g1与g2)，假设出现极端情况，例如车道1上非常挤、车道2上非常空(或车道2上非常挤、车道1上非常空)时，将车辆的正常行驶速度时的速度标记为v，本发明中定义了一个响应距离的概念ack，其具体的计算式如式(16)所示。响应距离ack的物理含义为距离路口的监测距离，当有车辆与路口间的距离小于ack时，将所述车辆算入当前行驶方向的k中以便进行式(7)的计算。[0067]ack＝(max(g1,g2)+0.5·min(g1,g2))·v+dꢀꢀꢀ(16)[0068]式(16)中，“max(g1,g2)+0.5min(g1,g2)”的由来主要考虑的是该路口在处于某条行驶方向上绿灯时间较长、而另一条行驶方向上绿灯时间较短时这种极端情况。由于ack的主要存在意义是为了统计纳入监控范围的车辆数量以便进行式(7)的计算，当该值过大时，容易将距离路口太远的车辆纳入监测范围，但该车辆由于距离路口较远，其以当前路口下的正常速度v进行行驶时无法通过该路口，在后续进行配时调整时考虑这种车辆本身并无意义，反而可能带有误导计算的反作用；但倘若ack值过小，则会导致监测的车辆数目偏少，无法充分监测车流数量。为此，在(16)中，以当前路口下各个行驶方向中的最长绿灯时间为基准下，引入0.5min(g1,g2)这个参数作为额外时间富裕后，将时间基准和额外时间富裕之和与平均正常速度相乘后得到一个理论距离值，充当ack的主构部分。而d为一常数，用来认为动态调整ack的值，默认情况下可设为0。当发现路口监测距离过短导致存在车辆未被记入监测数据但该车辆成功通过路口时，可以将d值调为某值以满足调整后的ack为该车辆距离路口的距离；当发现路口监测距离过长导致存在车辆被记入监测数据但该车辆未通过路口时，可以将d值调为某值以满足调整后的ack为监测范围内最后一辆通过路口的车辆距离路口的距离；[0069]本发明还提供了一种实现上述信号灯动态配时方法的动态配时系统，所述系统包括路口监视控制单元、数据显示单元；[0070]所述路口监视控制单元进一步包括车流量监测模块、配时算法执行模块、调整配时策略模块、历史数据存储模块；[0071]所述数据显示单元包括实时车辆显示模块、数据分析模块、历史数据显示模块；[0072]所述路口监视控制单元和用于对车辆数据进行显示分析的所述数据显示单元安装存储在路口信号灯中；[0073]所述车流量监测模块用于对当前路口各个行驶方向上的车辆进行位置获取、车速获取、计数分析，并将计数结果传递给实时车辆显示模块；[0074]所述实时车辆显示模块用于将当前各个方向上的车辆数据进行汇总显示；[0075]所述配时算法执行模块用于在车流量监测模块获取数据后，对当前路口的行驶状况进行分析，生成下一相位周期内各个相位的配时时间，以及对当前相位是否需要提前跳过进行判断；[0076]所述调整配时策略模块用于在配时算法执行模块得出相位配时结果后，对当前路口的相位状态进行调整；[0077]所述历史数据存储模块用于对路口各个行驶方向上的车辆行驶数据进行缓存，并允许数据显示单元中的历史数据显示模块对数据进行展示；[0078]所述数据分析模块用于对路口在使用动态配时方法进行优化前后的状态进行分析，分析各车辆在通过本路口时的平均等待时间、平均消耗油耗，以得到所述动态配时方法的优化程度。[0079]本发明的有益效果如下：[0080]1)通过动态调整路口配时时间，可以减少路口的拥堵程度，提高路口通行效率，原有的webster算法在仿真过程中的平均等待时间上的实验数据约为4.5911秒，而本发明中所涉方案上的仿真实验数据为3.7794秒，提升幅度约为17％。而在平均等待时间的数据标准差上，原有的webster算法下的仿真数据标准差为4.6767，而本发明中所涉方案上的仿真数据标准差为3.9568，相比较前者而言，后者的数据分布更加稳定；[0081]2)可以减少该路口下车辆的平均停止次数，原有的webster算法在仿真过程中的平均停止次数上的实验数据约为0.5558次，而本发明中所涉方案上的仿真实验数据为0.5000次，提升幅度约为10％；[0082]3)可以降低该路口下车辆的平均油耗，原有的webster算法在仿真过程中通过路口的平均油耗上的实验数据约为46.6908毫升，而本发明中所涉方案上的仿真实验数据为46.0243毫升，降低了约0.67毫升的油耗需要。而在平均油耗的数据标准差上，原有的webster算法下的仿真数据标准差为6.8684，而本发明中所涉方案上的仿真数据标准差为6.6282，相比较前者而言，后者的数据分布更加稳定；[0083]4)整体系统结构简单，便于使用；[0084]5)系统成本较低，部署花费较少；[0085]6)通过对相位内的通行状况进行监督，对无效的绿灯时间进行缩减，提高路口的整体绿灯使用效率。为了验证这一点，当跳过使用图5中的步骤3，只通过判断当前相位内的绿灯时间是否还具有意义以提高路口的整体绿灯使用效率时，记为场景a。提高整体的绿灯使用效率等价于让更多的车在相同时间内通过该路口，为此从车辆平均等待时间进行考虑，原有的webster算法在仿真过程中的平均等待时间上的实验数据约为4.5911秒，而场景a下的仿真实验数据为4.1764秒，提升幅度约为9％。而在平均等待时间的数据标准差上，原有的webster算法下的仿真数据标准差为4.6767，而场景a下的仿真数据标准差为4.3020，相比较前者而言，后者的数据分布更加稳定。附图说明[0086]图1是本发明某个路口的交通流量示意图。[0087]图2是本发明某个路口原有的东西、南北方向信号灯相位变化示意图。[0088]图3是本发明某个路口经动态时间调整后的东西、南北方向信号灯相位变化示意图。[0089]图4是本发明动态时间调整系统的结构示意图。[0090]图5是本发明动态配时方法的流程图。具体实施方式[0091]结合以下具体实施例和附图，对本发明做进一步的详细说明。实施本发明的过程、条件、实验方法等，除以下专门提及的内容之外，均为本领域的普遍知识和公知常识，本发明没有特别限制内容。[0092]本发明提出了一种基于车流量的信号灯动态配时方法、系统，解决现有技术中无法根据当前路口各个行驶方向上的车辆行驶情况来对信号灯红绿灯配时进行动态调整的现象，抑或是当前行驶方向上没有车辆需要通行却依旧处在绿灯状态从而导致绿灯使用效率降低的情况，以及如果当前行驶方向上距离路口最近的车辆按照正常行驶速度也无法通过路口时造成的信号灯无效等待问题。本发明对路口过去的行驶车辆数据进行收集进而构成一张车辆行驶数量概率分布图，并在此基础上对道路上车辆的行驶数据进行分析，判断各个行驶方向上是否处于空闲或拥堵状态，从而对路口信号灯的配时进行动态调整，以缓解路口交通的拥堵程度，在一定程度上节省了驾驶员的通行等待时间。[0093]本发明提供了一种基于车流量的信号灯动态配对方法，以对城市交通十字路口为例，信号灯动态配时方法包括以下步骤：[0094]步骤一：对当前路口的历史车辆行驶数据进行获取，构建得到当前路口下各个行驶方向上的车辆数概率分布图。其中，获取得到的历史车辆行驶数据主要为各个行驶方向上的车辆数，历史车辆行驶数据的获取由车流量监测模块实现，而对数据进行分析以得到车辆数概率分布图的过程由配时算法执行模块进行。[0095]步骤二：获得路口车辆数概率分布图后，收集当前路口各个行驶方向上的车辆数量后，将数据转发给历史数据存储模块与实时车辆显示模块，转发完成后，实时车辆显示模块可以将当前道路上的车辆数据进行显示，便于知晓整体路况；而历史数据存储模块中的数据主要起着备份的作用，以备不时之需；其中，车辆数量的收集由车流量监测模块执行。[0096]步骤三：获得当前道路各个行驶方向上的车辆状态后，与车辆数概率分布图进行对比，判断当前各个行驶方向上是否处于拥堵或空闲状态，对处于拥堵状态的行驶相位在下一相位分配更多的通行时间，而对于空闲状态的行驶相位则减少其对应的通行时间，使路口的整体绿灯利用率提高。其中，车辆状态包括：各个车辆的行驶速度、距离路口的距离等。[0097]步骤四：在路口的绿灯通行相位过程中，实时获取当前通行方向上距离路口最近车辆的信息，获得该车辆与路口之间的距离与当前行驶速度，判断其在当前的行驶速度下，是否能够完成距离路口的剩余距离，若该车辆能在剩余时间内以当前速度抵达路口，则不进行任何操作；若该车辆不能够抵达路口且距离路口有足够的距离，且其他行驶方向上有等待车辆时，则直接提前结束当前相位以让其他行驶方向上的车辆先行；若该车辆无法在剩余时间内以当前速度抵达路口，但其距离路口过近时，出于驾驶员安全的考虑，则也不会直接跳过当前相位，以让其有足够的反应时间；若该车辆无法在剩余时间内以当前速度抵达路口，但其他通行方向上暂无车辆需要进行通行时，出于对信号灯系统中相位的稳定性考虑，也不会直接跳过当前相位，以降低相位的切换频率。其中，获取距离路口的最近车辆信息由车流量监测模块进行，判断是否需要跳过当前相位由配时算法执行模块执行，对当前相位剩余时间的跳过由调整配时策略模块进行。[0098]步骤五：在当前相位周期结束后，根据车流量监测模块获得的车流量数据，配时算法执行模块得出下一周期各相位配时时间，以让调整配时策略模块对下一相位周期内各个相位的配时时间进行调整。[0099]其中，在上述步骤的执行过程中，通过数据显示单元中的历史数据显示模块，可以对历史数据存储模块中的数据进行查询，以获得过往该路口上各个行驶方向上的通行车辆数据。[0100]其中，在上述步骤的执行过程中，通过数据显示单元中的数据分析模块，可以对使用动态配时前后的车辆通过路口的平均等待时间参数、平均消耗油耗参数进行查阅，得出相比之前而言，使用动态配时后的优化程度。[0101]其中，在上述步骤的执行过程之前，红绿灯配时的初始化工作以webster算法为准，从而得到路口各相位的初始配时时间。[0102]实施例1[0103]对于步骤三与步骤五而言，以图1所示路口为例，由式(11)可得webster算法在该情况下的初始配时时间如图2所示。若当前相位为相位周期内最后的黄灯相位时，东西行驶方向上的临界车道上的车辆数为20辆，南北行驶方向上的临界车道上的车辆数为5辆，将式(7)中的均值15进行替换并将k值写入后可得式(17)，其中dist1表示东西行驶方向上的距离值，dist2表示南北方向上的距离值。[0104][0105]得到式(17)后，将所得dist1与dist2代入式(12)可得下一相位周期内各相位的配时时间，有式(18)所示。[0106][0107]由此可知在下一相位周期内，东西方向的通行时间为29秒，南北方向的通行时间为9秒。[0108]实施例2[0109]对于步骤四而言，例如当前行驶方向上的剩余绿灯时间为6秒，当前行驶方向上距离路口最近的车辆距离路口的距离为200米，若该车辆当前行驶速度为60km/h，即约为16.67m/s，可以推论得到其若以当前速度行驶，在当前剩余的绿灯时间内该车辆可以行驶100米，但其当前距离路口有200米的距离，为此当前相位内最后的绿灯时间按照本发明中的思想会直接结束，进入到黄灯相位以便更加快速地进入下一行驶方向上的绿灯相位状态上，以提高路口绿灯的整体利用效率。但若下一绿灯通行方向上没有需要进行通行的车辆，提前结束当前相位不具有意义，此时不再需要提前结束本相位内的绿灯时间以减少信号灯的切换频率，保证信号灯的稳定性。[0110]本发明的保护内容不局限于以上实施例。在不背离本发明构思的精神和范围下，本领域技术人员能够想到的变化和优点都被包括在本发明中，并且以所附的权利要求书为保护范围。









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!