自适应和/或自主交通控制系统和方法技术方案
【技术实现步骤摘要】
【国外来华专利技术】自适应和/或自主交通控制系统和方法
本专利技术总体上是指交通控制，具体涉及到自适应和/或自主交通控制的系统和方法。
技术介绍
神经网络技术已经发展了几十年，其中通过使用模拟大脑功能的软件或电路来解决实时计算的问题已得到解决。人类大脑包含大约1000亿个神经元。大约30亿个神经元专用于视觉皮层，只是大脑的几个感觉输入来源之一。使用神经网络技术的小到中等人工智能系统已经成功地用于许多现实应用中，诸如用于工业过程分类或质量控制功能的模式识别，以及实时导航和躲避碰撞系统，其结果已达到或超过人类的能力。例如，DARPA已研究出使用神经网络技术的自主车辆，旨在穿过广阔的危险沙漠地形或通过城市道路。人脑和人工神经网络都能存储记住的视觉图像、其他感觉输入及其相关序列并根据那些感觉输入来进行实时预测(即决策)。如同具有比人类更小的脑部的其他适应性强的动物一样，适度大小的人工神经网络系统可以在有些工作上表现的很好，前提是这些工作与“大脑”尺寸相匹配。交通信号灯控制器在现代社会中发挥着重要作用，并且对于新兴的神经网络技术而言，是一个很好的技术挑战。目前，量产的实用性固态设备为许多现实问...
【技术保护点】
一种用于处理交通信息的方法，所述方法包括：接收关于与交叉口相关联的车辆的行驶的数据；使用神经网络技术来识别交通类型；使用神经网络技术来识别交通状态；使用神经网络技术来记忆作为先前经验的函数的最佳交通流决策；以及使用神经网络技术通过识别最优交通流决策来实现高效的交通流。
【技术特征摘要】
【国外来华专利技术】1.一种用于处理交通信息的方法，所述方法包括：接收关于与交叉口相关联的车辆的行驶的数据；使用神经网络技术来识别交通类型；使用神经网络技术来识别交通状态；使用神经网络技术来记忆作为先前经验的函数的最佳交通流决策；以及使用神经网络技术通过识别最优交通流决策来实现高效的交通流。2.一种用于提供对所有类型的交通的高度精确的视觉识别的方法，所述方法包括：处理交通交叉路口硬件以确定可能的灯序列和/或流量控制决策，并且定义要根据在可用神经元之间分配的特征而分配的所需神经元的范围；构建配置系统架构；初始化神经网络训练；以及执行自主运行启动。3.根据权利要求1所述的方法，还包括为神经网络识别和/或控制优化的执行视频图像处理。4.根据权利要求1或权利要求3或本发明其他创新所述的方法，还包括使用现有基础设施增强所述交通类型识别。5.根据权利要求4或本文其他权利要求所述的方法，其中来自行人过马路请求按钮(208)的输入被锁存到本地I/O逻辑(104)内的寄存器中，该输入被送入到处理/识别行人等待时间的神经网络阵列(128)中。6.根据权利要求5所述的方法中，通过使用所述请求按钮输入来增强由主要视频输入来检测的交通类型识别。7.根据权利要求4或本文其他权利要求所述的方法中，来自感应传感器(206)的输入被锁存到本地I/O逻辑(104)内的寄存器中，该输入被送入到识别相关联车辆等待时间的神经网络阵列(128)中。8.根据权利要求7所述的方法中，通过使用感应传感器输入来增强由主视频输入来检测交通类型识别。9.根据权利要求1或本发明其它创新所述的方法，还包括在视频传感器和传统物理基础设施输入之上使用一个多传感器阵列的输入来增强交通类型识别。10.根据权利要求9所述的方法中，所述系统包括一个在交叉口已有基本视频捕捉的输入之外还提供多个输入向量的传感器阵列。11.根据权利要求9或10所述的方法中，其他传感器输入包括一个交通雷达输入以提供增强的多种数据类型传输能力。12.根据权利要求11所述的方法中，所述交通雷达输入包括：被检测交通对象独立于不利天气或光照条件的的详细雷达信号，用于识别车辆位置和类型；以及到达交通对象速度的雷达度量；其中对于更高级别的信号灯控制决定增强了交通流的预测，包括输入交通的优先化和冲突避免信号灯保持。13.根据权利要求9或10所述的方法中，其它传感器输入包括一个红外交通输入以提供增强的多种数据类型传输能力。14.根据权利要求13所述的方法中，所述红外交通输入包括：被检测交通对象独立于不利天气或光照条件的详细红外特征，用于识别车辆位置和类型；以及对应用于较高层交通流量决策中的车辆承载率的检测；并且其中所述方法还包括：给予乘客加权的到达交通优先权。15.根据权利要求1或本发明其他创新所述的方法，还包括：处理新的传感器输入；重新训练先前部署的神经元以利用新的传感器；其中通过适配其识别以利用所述新输入来增强对交通类型的识别。16.根据权利要求1或本发明其他创新所述的方法，还包括：处理新的传感器输入；利用最初系统包含有的额外、预留的神经元能力；其中预留的神经元能力随后被训练来利用新的输入。17.根据权利要求16所述的方法还包括：通过先前的和来自于新传感输入的新增识别的组合提高识别特异性。18.根据权利要求1或本发明其他创新所述的方法，还包括：通过处理来自扩展的传感输入数据以检测小/轻量交通，其中所述系统被配置为适应所述小/轻量交通；以及将该交通纳入更高级别交通流控制决策中。19.根据权利要求1或本发明其他创新所述的方法，还包括：利用/部署2层或更多层的神经网络神经元存储元件以用于独特的识别、分类和/或交通流决策任务。20.根据权利要求19所述的方法中，所述的独特识别包括从低层向高层的输送。21.根据权利要求20所述的方法中，在从低层到高层的步骤中，被分配的神经元是被：训练以合计到达的交通对象总数；以及训练以在固定时间序列上识别位置，最终识别相对速度。22.根据权利要求19所述的方法中，所述的分类包括将合计交通信息编译为分配给第一层数据神经元的函数，包括以下各项中的一个或多个：处理每个区域内交通的权重/差异；处理关于车辆占用的数据，和/或使用所有这些输入的复合加权用于更高层的交通流决策。23.根据权利要求19所述的方法中，所述交通流决策包括来自附近与本地控制器中层交通状态识别类似的交通控制器状态信息输入，所述中层交通状态识别在较高层被组合以优化在本地交通信号灯处的交通流决策。24.根据权利要求1或19或本发明其它创新所述的方法中，神经网络识别层次的更高层被用于确定相对交通对象和行人的位置和速度，以选择最佳信号灯序列，并使用神经网络识别周期序列消除数字处理延迟和相关成本。25.根据权利要求24或其他权利要求所述的方法中，所述神经网络识别周期序列包括以下一个或多个的处理：使用一个或多个传感器类型识别在距交通信号灯特定距离范围处指定目标区域中的交通，以识别存在于特定区域中的对象；利用训练为识别特定区域中的多交通对象的其他神经元；利用中层神经元从那些将特定区域占据识别为特定时间采样观察率函数的较低层区域识别神经元接收识别输入；利用高层神经元接收来自中层神经元的输入，通过特定区域内的交通对象的占用状态与观察周期的数量组合产生相对交通对象速度的识别；利用高层神经元接收来自中层神经元的输入，其中在多个观察周期上特定区域内交通对象的占用状态被识别为静态交通“等待”情况，应用多个训练为识别特定区间“等待”时间的多个神经元进行识别；和/或利用最高层神经元，其将这些速度、距离和“等待”时间识别与来自相对或相邻交通方向和/或附近的类似交通控制器的类似状态的识别结合，以识别最佳交通流量控制决策。26.根据权利要求1或19或本发明其他创新所述的方法，还包括：使用更高层级别神经网络识别层级来识别车辆总重量级别和/或占用率，以基于燃料经济性和/或乘客加权交通流通过量优化交通流。27.根据权利要求26或本文其他权利要求所述的方法中，所述使用步骤涉及一个或多个处理序列，包括：基本交通对象类型的中间神经元识别和包括红外成像或感应回路/车辆重量传感器的增强输入，产生可识别为属于特定二级子类的车辆类型的增强分类；和/或高层神经元被训练以识别最优交通流控制决策其中这种特定的第二级被给予较高的决策权重，使其子资源优先于其它交通对象类型。28.根据权利要求1或权利要求19或本发明其他创新所述的方法中，神经网络识别被部署以识别各种标准化高优先级车辆信号类型，用于发起所需授权和优先交通流决策。29.根据权利要求28所述的方法中，通过将专用于已知优先车辆传输协议的感应输入检测信号发送到其专门的神经元来启动所需的授权，所述专用神经元的正识别启动特定信号灯改变所述优先车辆的优先通过。30.一种用于提供对交通流的实时适应的方法，包括：处理从附近控制器接收的信息；以及通过处理附近控制器信息和本地交通流信息来实现在特定交通信号灯站点处的主动神经网络训练。31.根据权利要求30或本发明其他创新所述的方法中，可以经由通信网络远程地启用或禁用用于适应的系统训练。32.根据权利要求30或本发明其他创新所述的方法中，通过不同、远程位置获取的训练结果可以上传以改进在当前位置的识别或交通控制决策。33.根据权利要求30或本发明其它创新所述的方法中，训练算法本身已被优化用于识别交通对象和待优化的特定地点交通流模式。34.根据权利要求33或本发明其他创新所述的方法中，所述训练算法作为特定时序机制的函数操作，例如以商业交通通过量、累积车辆占有率和/或燃料经济性的函数来改变加权/操作的时序机制。35.根据权利要求33或本发明其他创新所述的方法中，所述训练算法作为特定时序机制的函数来操作，例如以保守时序机制和/或激进时序机制的函数改变加权/执行的时序机制。36.一种用于提供系统鲁棒性和低成本可升级性的方法，其中可编程序列发生器的基本硬件逻辑可以被修改以适应不同的交通灯配置或灯序列，并包含有简单的“故障安全”序列在传感器阵列组件发生部分或灾难性故障的情况下作为控制器的默认值。37.一种系统，包括：一个使用数字处理器实现交通控制的交通灯控制器；一个在由处理器执行的软件中实现的神经网络子系统；存储器；通信输入/输出电路[模拟和/或数字]；和/或多个传感器输入；其中所述系统包括足够...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。