【技术实现步骤摘要】
本专利技术涉及路口信号灯控制与人工智能，具体涉及一种基于大数据的智慧城市交通的信号灯监控管理方法及装置、计算设备。
技术介绍
1、随着城市车辆的不断增加，城市路网的交通拥堵已经成为一个严重的社会经济问题。在难以进一步修建和拓宽道路的情况下，通过加强交通管理和控制来有效利用现有道路是城市交通的主要选择。虽然通过绿色出行以及限行限号等管理措施能够一定程度上缓解交通流量压力，但交通堵塞等问题依然严重影响着人们的出行生活，尤其是车辆通过交叉路口时，由于不合理的交通信号周期导致中断顺畅的交通流。
2、现有的交通信号灯控制方案一般可以分为两类：一类是固定配时信号灯控制，控制器离线确定交通信号灯固定配时方案，该方案主要包括周期时间、分割时间和偏移等参数。其中，周期时间定义了一个完整信号周期的持续时间，分割时间定义了灯在每个状态(如绿灯)下停留的时间，偏移量定义了相对于其他十字路口交通灯的方向差。该方案不能实时响应各种交通状况，尤其是在交通流量突然增加的情况下；另一类是自适应信号灯控制方案，其基于动态规划、模糊逻辑和强化学习等算法提供交通灯控制决策。自适应信号灯控制方案利用实时数据来确定最佳信号定时，以最大化定义的目标函数，并且在最近几十年中，由于其适应性和灵活性逐渐变得流行。然而该方案的缺点是不能全局优化，因为控制决策只考虑当前绿色方向的交通需求，而忽略了其他方向的信号灯控制。
3、因此，需要开发一种基于大数据的智慧城市交通的信号灯监控管理系统，可以实时应用于各种场景并且易于应用。
技术实现
1、鉴于上述问题，提出了本专利技术以便提供一种克服上述信号灯监控管理存在适用场景不够全面以及难以实施应用问题的基于大数据的智慧城市交通的信号灯监控管理方法及装置、计算设备。
2、根据本专利技术的一个方面，提供了一种基于大数据的智慧城市交通的信号灯监控管理方法，包括：从城市交通信号灯控制系统中获取各个交通路口的交通信息，其中，所述交通信息包括历史流量数据、位置、方向、红绿灯的信号周期以及各个方向的拥堵状态，所述拥堵状态包括畅通、基本畅通、轻度拥堵、中度拥堵以及严重拥堵；
3、针对任一所述交通路口，根据其各个方向的上下游路口分别构建该交通路口各个方向依次连接的路网，以及，对所述各个交通路口的交通信息进行时段划分，所述时段包括节假日、周六日以及上下班高峰时段；
4、根据所述各个交通路口的交通信息、各个方向的连接路网以及时段信息训练交通流量预测模型；
5、获取目标路口当前时刻的交通信息，输入至所述交通流量预测模型预测该目标路口各个方向的下一时刻的拥堵状态，以根据所述拥堵状态控制该目标路口的红绿灯信号，其中，所述目标路口当前时刻的交通信息包括各个方向的监控所拍摄的车辆牌照数量以及拍摄时间。
6、在一种可选的方式中，所述根据所述各个交通路口的交通信息、各个方向的连接路网以及时段信息训练交通流量预测模型之前，所述方法还包括：
7、根据所述交通信息的历史流量数据建立数据集，使用滑动窗口设置每个预设周期的所述历史流量数据作为输入，下一个时刻的拥堵状态作为输出；
8、按照预设比例将所述输入和对应的所述输出划分成训练集、测试集以及交叉验证集。
9、在一种可选的方式中，所述交通流量预测模型的损失函数为：
10、
11、其中，k为第k个交通路口，k为交通路口的个数，yt为当前交通路口的序号，pjam为当前交通路口的拥堵概率，yt-1为前一个交通路口的序号，ct-1为前一个交通路口的交通向量，x为交通路口的向量特征。
12、在一种可选的方式中，所述交通流量预测模型中各个卷积网络模块包括一维卷积、门控单元激活和随机失活操作；
13、计算所述一维卷积的具体公式为：
14、
15、其中，s(t)为卷积运算结果，u，v为自变量为t的函数，a是累加变量；
16、所述门控单元激活的具体公式为：
17、
18、其中，k为当前网络层的输入，f、g为卷积核，σ为激活函数，b、c为偏置参数。
19、在一种可选的方式中，在所述获取目标路口当前时刻的交通信息，输入至所述交通流量预测模型预测该目标路口各个方向的下一时刻的拥堵状态之前，所述方法还包括：
20、对所述交通信息的向量进行归一化，使用的归一化函数具体为：
21、
22、其中，minγk(i)、maxγ良(i)分别为向量列γk中的最小值及最大值，f(γk(i))为归一化后的各元素的值。
23、在一种可选的方式中，所述方法还包括：
24、在控制所述目标路口的红绿灯信号之后，重新预测所述目标路口的本方向、其他方向、相邻交叉口的拥堵状态。
25、在一种可选的方式中，所述方法还包括：
26、根据所述目标路口的交通信息计算交通拥堵度；
27、将所述交通拥堵度与所述交通流量预测模型预测的拥堵状态进行加权求和，得到所述目标路口的第二拥堵状态，根据所述第二拥堵状态控制该目标路口的红绿灯信号。
28、在一种可选的方式中，所述交通拥堵度的具体公式为：
29、
30、其中，c为方向车辆数，l为方向道路长度，mc为监控拍摄的车辆牌照数量(即方向道路上移动的车辆数量)。
31、根据本专利技术的另一方面，提供了一种基于大数据的智慧城市交通的信号灯监控管理装置，包括：
32、采集模块，用于从城市交通信号灯控制系统中获取各个交通路口的交通信息，其中，所述交通信息包括历史流量数据、位置、方向、红绿灯的信号周期以及各个方向的拥堵状态，所述拥堵状态包括畅通、基本畅通、轻度拥堵、中度拥堵以及严重拥堵；
33、处理模块，用于针对任一所述交通路口，根据其各个方向的上下游路口分别构建该交通路口各个方向依次连接的路网，以及，对所述各个交通路口的交通信息进行时段划分，所述时段包括节假日、周六日以及上下班高峰时段；
34、训练模块，用于根据所述各个交通路口的交通信息、各个方向的连接路网以及时段信息训练交通流量预测模型；
35、预测模块，用于获取目标路口当前时刻的交通信息，输入至所述交通流量预测模型预测该目标路口各个方向的下一时刻的拥堵状态，以根据所述拥堵状态控制该目标路口的红绿灯信号，其中，所述目标路口当前时刻的交通信息包括各个方向的监控所拍摄的车辆牌照数量以及拍摄时间。
36、根据本专利技术的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
37、所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述基于大数据的智慧城市交通的信号灯监控管理方法对应的操作。
38、根据本专利技术提供的方案，从城市交通信号灯控制系统中获取各个交通路口的本文档来自技高网...
【技术保护点】
1.一种基于大数据的智慧城市交通的信号灯监控管理方法，其特征在于，包括：
2.根据权利要求1所述的基于大数据的智慧城市交通的信号灯监控管理方法，其特征在于，所述根据所述各个交通路口的交通信息、各个方向的连接路网以及时段信息训练交通流量预测模型之前，所述方法还包括：
3.根据权利要求2所述的基于大数据的智慧城市交通的信号灯监控管理方法，其特征在于，所述交通流量预测模型的损失函数为：
4.根据权利要求1所述的基于大数据的智慧城市交通的信号灯监控管理方法，其特征在于，所述交通流量预测模型中各个卷积网络模块包括一维卷积、门控单元激活和随机失活操作；
5.根据权利要求4所述的基于大数据的智慧城市交通的信号灯监控管理方法，其特征在于，在所述获取目标路口当前时刻的交通信息，输入至所述交通流量预测模型预测该目标路口各个方向的下一时刻的拥堵状态之前，所述方法还包括：
6.根据权利要求5所述的基于大数据的智慧城市交通的信号灯监控管理方法，其特征在于，所述方法还包括：
7.根据权利要求1所述的基于大数据的智慧城市交通的信号灯监控管
8.根据权利要求7所述的基于大数据的智慧城市交通的信号灯监控管理方法，其特征在于，所述交通拥堵度的具体公式为：
9.一种基于大数据的智慧城市交通的信号灯监控管理装置，其特征在于，包括：
10.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
...【技术特征摘要】
1.一种基于大数据的智慧城市交通的信号灯监控管理方法，其特征在于，包括：
2.根据权利要求1所述的基于大数据的智慧城市交通的信号灯监控管理方法，其特征在于，所述根据所述各个交通路口的交通信息、各个方向的连接路网以及时段信息训练交通流量预测模型之前，所述方法还包括：
3.根据权利要求2所述的基于大数据的智慧城市交通的信号灯监控管理方法，其特征在于，所述交通流量预测模型的损失函数为：
4.根据权利要求1所述的基于大数据的智慧城市交通的信号灯监控管理方法，其特征在于，所述交通流量预测模型中各个卷积网络模块包括一维卷积、门控单元激活和随机失活操作；
5.根据权利要求4所述的基于大数据的智慧城市交通的信号灯监控管理方法，其特征在于，在所述获取目标路...
【专利技术属性】
技术研发人员：黄炼，刘汉昌，
申请(专利权)人：海南霏珈娜建筑工程有限公司，
类型：发明
国别省市：
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。