用于监控交通系统的计算机系统和方法技术方案

公开一种用于交通控制系统的监控系统(100)以及对应方法。所述交通控制系统包括多个交通灯(301至305)。所述监控系统(100)包括内送接口组件(110)，被配置为：从多个静态安装的视觉传感器(201至205)接收传感器数据流。每个视觉传感器被配置为：捕获交通灯中的至少一个的灯信号，并且所述视觉传感器中的至少一个感测每个交通灯。接收到的传感器数据包括每个交通灯的当前信号状态。此外，所述监控系统的分析组件(120)被配置为：基于使用应用于当前信号状态数据以及先前接收到的信号状态数据的机器学习算法而预测关于所述多个交通灯中的每个交通灯的至少一个未来信号状态。

【技术实现步骤摘要】
用于监控交通系统的计算机系统和方法
本专利技术总体上涉及交通控制系统，更具体地说，涉及用于交通控制系统监控的方法、计算机程序产品和系统。
技术介绍
交通控制系统用于主要经由各个交通灯来控制车辆和行人的交通流量。能够预计交通灯的灯信号的车辆可以调整它们的驾驶行为以节约能量或燃料消耗。用于重获关于任何地理区域(例如城市、城镇、地区或乡村地域)的交通控制系统的交通灯状态以及切换周期的信息的一些机制是本领域公知的。然而，为了访问区域内的交通灯的信息，一般需要连接到不同技术提供商所交付的若干交通灯基础架构系统。典型交通灯基础架构场景包括来自不同提供商以及来自不同技术代系的系统，其中，各系统之间是受限的或无兼容性。当前系统通常提供对交通灯切换周期数据的有限访问，需要附加的硬件插件和软件插件。遗留系统所提供的数据传送延时时间通常非常高，将来自这些遗留系统的可用信息呈现为对于现代实时应用(例如车辆动力总成(powertrain)优化和改进的驾驶者安全服务)不是可用的。当前系统典型地仅同时处理有限量的交通灯的信息。并非所有当前交通灯系统提供对“信号相位和时序”(SPaT)以及“道路拓扑”(MAP)交通数据信息格式的支持，归因于缺少数据均化而增加交叉系统融合的复杂性。利用交通灯切换周期信息的系统并不容易可运输到和/或应用于新的位置和世界区域。安装在车辆的板上的一些相机系统可以用于超前分析交通灯的交通灯状态，并且使用车辆的信息引导。源自多个车辆的众包数据用于检测并且预测实际交通产生的交通灯的交通信号调度。然而，这些预测典型地缺少精度，在于：它们不能被分配给道路的特定车道。专利技术内容因此，需要一种可以通过改进的拓扑精度监控整个交通控制系统的状态的交通控制监控系统。通过提供一种用于交通控制系统的监控系统、一种用于监控交通控制系统的计算机实现的方法以及一种当由监控系统执行时执行监控方法的计算机程序产品根据独立权利要求来解决该问题。所公开的解决方案使用静态视觉传感器(例如，比如相机或光电池)，以检测属于交通控制系统的交通灯的状况或状态。作为简化假设，假设交通灯的状态可以是红色[r]、黄色[y]或绿色[g]。当然，在真实情境中，其它状况可以产生。例如，在状态切换到[g]之前，状况[r/y]可以产生。可以存在其它状况(例如比如[g闪烁])。此外，不同的色彩或不同数量的色彩或其不同组合可以用于定义状况。本领域技术人员可以容易地将所公开的构思应用于关于交通灯的多种状况。交通灯的每个状况(状态)具有用于控制交通的清楚地定义的涵义。这些状态数据于是由交通控制监控系统调用。监控系统包括内送接口模块(组件)，用于从视觉传感器接收指示各个交通灯的当前状态的状态数据。监控系统的分析模块(组件)使用机器学习算法，以训练用于交通灯的信号相位的模型。在模块已经受训练之后，模块能够预测未来的信号状况。外送(outbound)信息模块(组件)可以公布交通信号的当前状态以及未来状况的预测。该数据可以与包括Car2X情境(例如比如自动驾驶)的所有种类的SPaT/MAP应用有关，并且也可以包含SPaT和MAP信息。该文献的上下文中的交通控制系统至少包括多个交通灯，以控制所定义的地理地区(例如整个城市或街区)中的交通。交通控制系统可以还包括例如用于交通灯前面的车辆检测的感应线圈或用于交通检测的其它传感器。其可以还包括其它符号或激励器(例如铁路道口栏杆等)。内送(inbound)接口组件从多个静态安装的视觉传感器接收传感器数据流。每个视觉传感器被配置为：捕获交通灯中的至少一个的灯信号，并且所述视觉传感器中的至少一个感测每个交通灯。接收到的传感器数据包括每个交通灯的当前信号状态(例如[r]、[y]或[g])。用于静态安装的视觉传感器的示例包括：数字相机，其安装有包括交通灯中的至少一个的视场；或光电池，安装在各个交通灯上以测量各个交通灯所发射的光。视觉传感器可以要么在本地计算机视觉系统中分析交通灯的图片或灯信号，要么将图片或灯信号转发到外部计算机视觉系统，以检测各个交通灯的当前信号状况。例如，该计算机视觉系统可以提取色彩信息(例如红色、黄色、绿色)，并且将结果转发到检测机构。图像处理领域技术人员可以在一个图片中标识多个交通灯，并且重获每个灯的色彩，以确定位于各个相机传感器的视场中的每个交通灯的总体状态。也有可能将特定视觉传感器的图像中的所标识的交通灯与在多车道交通情境中的各个交通灯所控制的特定车道关联。与移动相机对比，视觉传感器的静态部署可以提供更精确的数据，因为视觉传感器的位置是固定的。也就是说，用于确定视觉传感器的地理位置的处理，因为这在使用移动相机的情境中是需要的，并且用于标识所拍摄的交通灯的随后计算因此是不需要的。使用静态部署的视觉传感器的另一优点可以是，在交通控制系统包括具有不同技术性质(例如，运行在不同的通信协议上，在跟踪子系统中的各个交通灯的切换状态方面具有不同的能力等)的多个信号传送子系统(即，联合受控的交通灯集群)的情况下，检测每个交通灯的信号状态完全脱离于现有交通控制系统基础架构。因此，所提出的解决方案可以通过仅对视觉传感器提供普通通信基础架构来整合任何遗留交通控制系统。例如，可以通过使用通信基础架构(例如WIFI、Zigbee或其它移动/无线和/或缆线式通信解决方案)将传感器数据提交给监控系统。分析组件被配置为：基于使用应用于当前信号状态数据以及先前接收到的信号状态数据的机器学习算法而预测关于多个交通灯中的每个交通灯的至少一个未来信号状态。至少一个未来信号状态包括当前信号状态将从当前信号状态切换到未来信号状态的预期时间点。外送状态提供组件被配置为：将至少一条消息发送到车辆，其中，所述至少一条消息包括至少一个交通灯的当前信号状态和至少一个未来信号状态。所发送的消息被配置为：影响车辆的操作，其包括：通过控制信号/消息来控制操作，而无需人机交互。例如，所发送的消息可以包括与待由车辆执行的信号相位&时序(SPaT)和/或十字路口几何和拓扑(MAP)应用有关的数据。例如，MAP消息传递关联十字路口的几何布局。在一个实施例中，内送接口可以进一步被配置为：复制接收到的传感器数据流，并且针对两个传感器数据流之一而延迟另一个。在替选实施例中，在分析组件中实现延迟功能。分析组件可以然后使用：延迟的传感器数据流，作为用于机器学习算法的训练流；以及非延迟的数据流，用于在线预测信号状态改变。在一个实施例中，内送接口可以从与信号传送子系统的一个或多个交通灯关联的接收到的传感器数据流生成相等长度的数据帧。这样允许使用所生成的数据帧作为用于机器学习算法的输入。数据帧的长度对状态预测的精度以及训练预测模型所需的时间具有影响。合理的帧长度可以是信号传送子系统的周期时段或其倍数。子系统的周期时段可以定义为在系统已经经历多次状态改变之后子系统再次到达初始状态所耗费的时间间隔。在一个实施例中，内送接口可以被配置为：从多个静态安装的其它传感器接收另一传感器数据流，其中，每个其它传感器与各个交通灯关联，并且包括关于各个交通灯的交通状态。交通状态是用于各个交通灯所影响的当前交通的指示符。例如，感应线圈可以用于检测交通灯前面的车辆的出现性。检测到的信号可以触发交通灯切换到下一状态，本文档来自技高网...

【技术保护点】
一种用于交通控制系统的监控系统(100)，所述交通控制系统包括多个交通灯(301至305)，所述监控系统(100)包括：内送接口组件(110)，被配置为：从多个静态安装的视觉传感器(201至205)接收传感器数据流，其中，每个视觉传感器被配置为：捕获所述交通灯中的至少一个的灯信号，并且每个交通灯是由所述视觉传感器中的至少一个感测的，接收到的传感器数据包括每个交通灯的当前信号状态；分析组件(120)，被配置为：基于使用应用于当前信号状态数据以及先前接收到的信号状态数据的机器学习算法而预测关于所述多个交通灯中的一个或多个交通灯的至少一个未来信号状态，所述至少一个未来信号状态包括所述当前信号状态将从当前信号状态切换到所述至少一个未来信号状态的预期时间点；以及外送状态提供组件(130)，被配置为：将至少一条消息(M1、M2、M3)发送到车辆(401、402、403)，其中，所述至少一条消息包括至少一个交通灯(302、303、304)的所述当前信号状态和所述至少一个未来信号状态，所发送的消息被配置为：影响所述车辆的操作。

【技术特征摘要】
2015.09.21 EP 15186008.71.一种用于交通控制系统的监控系统(100)，所述交通控制系统包括多个交通灯(301至305)，所述监控系统(100)包括：内送接口组件(110)，被配置为：从多个静态安装的视觉传感器(201至205)接收传感器数据流，其中，每个视觉传感器被配置为：捕获所述交通灯中的至少一个的灯信号，并且每个交通灯是由所述视觉传感器中的至少一个感测的，接收到的传感器数据包括每个交通灯的当前信号状态；分析组件(120)，被配置为：基于使用应用于当前信号状态数据以及先前接收到的信号状态数据的机器学习算法而预测关于所述多个交通灯中的一个或多个交通灯的至少一个未来信号状态，所述至少一个未来信号状态包括所述当前信号状态将从当前信号状态切换到所述至少一个未来信号状态的预期时间点；以及外送状态提供组件(130)，被配置为：将至少一条消息(M1、M2、M3)发送到车辆(401、402、403)，其中，所述至少一条消息包括至少一个交通灯(302、303、304)的所述当前信号状态和所述至少一个未来信号状态，所发送的消息被配置为：影响所述车辆的操作。2.如权利要求1所述的监控系统，其中，所述多个视觉传感器包括具有包括所述交通灯中的至少一个的视场(FOV1、FOV2)的至少一个数字相机(201、202)，和/或其中，所述多个视觉传感器包括安装在各个交通灯(305)上以测量所述各个交通灯(305)所发射的光的至少一个光电池(203、204、205)。3.如前述权利要求中的任一项所述的监控系统，其中，所述视觉传感器(202)与车道特定交通灯(302、303、304)关联。4.如前述权利要求中的任一项所述的监控系统，其中，所发送的消息(M1、M2、M3)包括与所述车辆所执行的SPaT和/或MAP应用有关的数据。5.如前述权利要求中的任一项所述的监控系统，其中，所述内送接口(110)进一步被配置为：复制接收到的传感器数据流，并且针对两个传感器数据流之一延迟另一个，以及所述分析组件(120)进一步被配置为：将延迟的传感器数据流用作用于所述机器学习算法的训练流，并且使用非延迟的数据流，以用于预测信号状态改变。6.如前述权利要求中的任一项所述的监控系统，其中，所述内送接口(110)进一步被配置为：按等距时间间隔从接收到的传感器数据流生成具有信号状态数据的另一数据流，其中，多个连续时间间隔形成适合作为用于所述机器学习算法的输入数据的数据帧。7.如前述权利要求中的任一项所述的监控系统，其中，所述内送接口(110)进一步被配置为：从多个静态安装的其它传感器(211至214)接收另一传感器数据流，其中，每个其它传感器与各个交通灯关联，并且包括关于所述各个交通灯的交通状态，所述交通状态是用于所述各个交通灯所影响的当前交通的指示符；以及所述分析组件(120)进一步被配置为：在所述机器学习算法中使用接收到的交通状态传感器数据，以用于预测...

【专利技术属性】
技术研发人员：O罗尔，C米勒，F莱尔德特，
申请(专利权)人：城市软件协会有限公司，
类型：发明
国别省市：德国,DE