【技术实现步骤摘要】
本专利技术涉及边缘计算，尤其是一种5g边缘计算环境下计算任务智能系统。
技术介绍
1、边缘计算(edge computing)是一种计算模式，将数据处理和计算能力放在接近数据源的边缘设备上，而不是依赖于远程的云服务器，边缘计算的目的是减少数据传输的延迟和带宽压力，提高响应速度和用户体验，边缘计算能够将数据处理和计算任务分布到离数据源和终端设备更近的位置，例如边缘服务器、路由器、传感器等，并将较简单的计算任务在本地完成，只将关键数据或结果传输到云端进行进一步处理，这样不仅可以减少数据传输的时间，还可以降低传输成本，增加系统的可靠性和安全性。
2、随着城市发展和人口增加，车辆数量也在不断增加，交通信号的配置不合理或者信号控制不精确，在交通流量大时信号灯的等待时间过长及车辆在交叉路口不同通行方向的通行时间不合理，会导致交通拥堵，当发生交通事故时，车辆通常会停下来等待救援或处理事故，也会导致道路堵塞，这时就需要一种能对交通状况进行实时监测和预测的系统，来对路况、车流量、拥堵等进行监控分析计算，根据计算的结果自动调整区域内各个路口信号灯的时长以及交叉路口不同通行方向的通行时间，以提高交通流的效率和道路的通行能力。
技术实现思路
1、本专利技术为了解决上述存在的技术问题，提供一种5g边缘计算环境下计算任务智能系统。
2、本专利技术的技术方案是这样实现的：
3、一种5g边缘计算环境下计算任务智能系统，包括实时数据采集模块，数据分析建模模块，交通预测模块，交通信
4、实时数据采集模块，负责通过交通摄像头，交通信号控制设备来实时收集交通流量、车速、车辆位置数据，将采集到的数据传输到边缘计算设备中；
5、数据分析建模模块，利用采集到的交通数据，对交通状态进行分析和建模；
6、交通预测模块，基于数据分析和建模的结果，对历史数据和实时数据分析来预测未来的交通流量、拥堵情况；
7、交通信号优化模块，根据实时交通状态和交通预测结果，系统进行智能决策，优化交通信号的时长；
8、协同调度模块，与交通信号控制设备进行实时通信，将优化后的信号调整信息传输给实际的交通信号设备；
9、反馈模块，将交通状态和信号变化实时反馈给驾驶员和行人。
10、作为优选，所述实时数据采集模块包括图像识别单元，所述图像识别单元通过图像识别和计算机视觉技术对安装在道路上的交通摄像头拍摄的图像进行分析，使用目标检测算法来检测图像中的车辆，然后通过检测到的车辆数目和速度来估计交通流量，通过目标追踪算法来追踪车辆的位置来得到车辆位置数据，所述实时数据采集模块也可通过车载通信设备与交通管理中心进行通信来获取实时车辆信息。
11、作为优选，所述数据分析建模模块包括数据预处理单元，特征提取单元和分析建模单元，所述数据预处理单元对采集到的交通数据进行清洗、去噪、填补缺失值，提高数据质量和准确性，所述特征提取单元根据具体的交通问题，选择和提取合适的特征，将车祸事故特征提取传输到反馈模块，所述车祸事故特征包括从图像数据提取的车辆间距过近，车辆停留时间过长，车辆旁聚集的人数过多，所述分析建模单元通过计算机仿真软件模拟交通系统的运行来评估不同交通方案的效果，建立一个包括道路网络、交通信号灯、车辆、行人元素的交通模型，针对一个交通拥堵的区域，设定模拟的时间范围、交通流量、车辆类型、路段限速、信号灯控制策略参数，通过多次修改参数来评估不同参数下车辆在该区域直行道路以及交叉路口最快通行方案的效果。
12、作为优选，所述交通预测模块包括模型训练单元，模型评估优化单元和预测单元，所述模型训练单元在所述分析建模模块评估出最快通行方案之后使用机器学习模型并使用历史数据进行训练，在训练的过程中调整模型参数来获得好的拟合效果，所述模型评估优化单元在模型训练完成后根据均方根误差来评估模型的性能，并调整机器学习模型的学习率和正则化参数以获得更好的预测效果，所述预测模块在模型训练和优化完成后将实时数据输入到训练模型中，通过模型预测未来的交通流量、拥堵程度、行程时间信息。
13、作为优选，所述交通信号优化模块包括优化算法单元，所述优化算法单元根据所述交通预测模块所预测的未来交通流量高峰时段和拥堵预测结果，使用线性规划算法将信号优化问题建模为一个线性规划问题，通过最小化及最大化目标函数来求解最优的信号时长和相位配时，相位配时是指交通信号控制系统中，不同方向的车辆行驶信号相位持续的时间和先后顺序安排，即交通信号灯的红、黄、绿灯亮起的时间安排，通过得到的最优信号时长和配时方案，调整交通信号的配时方案以缓解拥堵。
14、作为优选，所述协同调度模块包括数据共享通信单元，信号调整单元和调度单元，所述数据共享通信单元将各个路口的边缘计算设备通过通信网络进行数据共享和通信，每个交通路口的边缘计算设备将本路口的交通状态、信号控制策略信息发送给其他路口，所述信号调整单元根据协同优化算法得到的最佳信号控制策略，所述最佳信号控制策略是指通过线性规划算法得到的在当前交通环境下最优的交通信号时长和配时方案，将调整信息传输给各自所控制的交通信号设备，交通信号设备根据接收到的调整信息，实时调整交通信号的时长和配时方案，调整信息包括每个方向上绿灯、黄灯和红灯的持续时间调整以及时间间隔调整，所述调度单元根据调整的交通信号配时方案对多个交通路口的信号灯进行协同调度。
15、作为优选，所述反馈模块包括行人反馈单元和控制中心反馈单元，所述行人反馈单元根据交通信号状态和变化，通过交通灯显示板和路边显示屏将实时信息传输给驾驶员和行人，所述控制中心反馈单元将交通事故反馈到控制中心并进行预警。
16、本专利技术的有益效果为：
17、本专利技术利用边缘计算的特性，在通过交通摄像头采集完实时交通数据后将数据传输到边缘计算设备中进行分析建模，基于建模的结果，通过对历史数据和实时数据的分析，预测未来的交通流量和拥堵情况，根据交通预测结果优化信号和时长的配时方案，来适应实时交通需求，将优化后的信号调整信息传输给实际的交通信号设备，同时通过与其他边缘计算设备的通信，实现多个交通路口之间的协同调度，最后通过交通信号灯反馈给行人和驾驶员，同时反馈给控制中心，控制中心根据交通拥堵情况决定是否需要派出人手辅助疏导，同时根据接收到的交通事故特征来对交通事故进行预警并确认，及时安排人手处理。
本文档来自技高网...【技术保护点】
1.一种5g边缘计算环境下计算任务智能系统，其特征在于：包括实时数据采集模块，数据分析建模模块，交通预测模块，交通信号优化模块，协同调度模块，反馈模块；
2.根据权利要求1所述的一种5g边缘计算环境下计算任务智能系统，其特征在于：所述实时数据采集模块包括图像识别单元，所述图像识别单元通过图像识别和计算机视觉技术对安装在道路上的交通摄像头拍摄的图像进行分析，使用目标检测算法来检测图像中的车辆，然后通过检测到的车辆数目和速度来估计交通流量，通过目标追踪算法来追踪车辆的位置来得到车辆位置数据，所述实时数据采集模块也可通过车载通信设备与交通管理中心进行通信来获取实时车辆信息。
3.根据权利要求1所述的一种5g边缘计算环境下计算任务智能系统，其特征在于：所述数据分析建模模块包括数据预处理单元，特征提取单元和分析建模单元，所述数据预处理单元对采集到的交通数据进行清洗、去噪、填补缺失值，提高数据质量和准确性，所述特征提取单元根据具体的交通问题，选择和提取合适的特征，将车祸事故特征提取传输到反馈模块，所述车祸事故特征包括从图像数据提取的车辆间距过近，车辆停留时间过长，车辆
4.根据权利要求3所述的一种5g边缘计算环境下计算任务智能系统，其特征在于：所述交通预测模块包括模型训练单元，模型评估优化单元和预测单元，所述模型训练单元在所述分析建模模块评估出最快通行方案之后使用机器学习模型并使用历史数据进行训练，在训练的过程中调整模型参数来获得好的拟合效果，所述模型评估优化单元在模型训练完成后根据均方根误差来评估模型的性能，并调整机器学习模型的学习率和正则化参数以获得更好的预测效果，所述预测模块在模型训练和优化完成后将实时数据输入到训练模型中，通过模型预测未来的交通流量、拥堵程度、行程时间信息。
5.根据权利要求1所述的一种5g边缘计算环境下计算任务智能系统，其特征在于：所述交通信号优化模块包括优化算法单元，所述优化算法单元根据所述交通预测模块所预测的未来交通流量高峰时段和拥堵预测结果，使用线性规划算法将信号优化问题建模为一个线性规划问题，通过最小化及最大化目标函数来求解最优的信号时长和配时方案，相位配时是指交通信号控制系统中，不同方向的车辆行驶信号相位持续的时间和先后顺序安排，即交通信号灯的红、黄、绿灯亮起的时间安排，通过得到的最优信号时长和相位配时，调整交通信号的配时方案以缓解拥堵。
6.根据权利要求1所述的一种5g边缘计算环境下计算任务智能系统，其特征在于：所述协同调度模块包括数据共享通信单元，信号调整单元和调度单元，所述数据共享通信单元将各个路口的边缘计算设备通过通信网络进行数据共享和通信，每个交通路口的边缘计算设备将本路口的交通状态、信号控制策略信息发送给其他路口，所述信号调整单元根据协同优化算法得到的最佳信号控制策略，所述最佳信号控制策略是指通过线性规划算法得到的在当前交通环境下最优的交通信号时长和配时方案，将调整信息传输给各自所控制的交通信号设备，交通信号设备根据接收到的调整信息，实时调整交通信号的时长和配时方案，调整信息包括每个方向上绿灯、黄灯和红灯的持续时间调整以及时间间隔调整，所述调度单元根据调整的交通信号配时方案对多个交通路口的信号灯进行协同调度。
7.根据权利要求1所述的一种5g边缘计算环境下计算任务智能系统，其特征在于：所述反馈模块包括行人反馈单元和控制中心反馈单元，所述行人反馈单元根据交通信号状态和变化，通过交通灯显示板和路边显示屏将实时信息传输给驾驶员和行人，所述控制中心反馈单元将交通事故反馈到控制中心并进行预警。
...【技术特征摘要】
1.一种5g边缘计算环境下计算任务智能系统，其特征在于：包括实时数据采集模块，数据分析建模模块，交通预测模块，交通信号优化模块，协同调度模块，反馈模块；
2.根据权利要求1所述的一种5g边缘计算环境下计算任务智能系统，其特征在于：所述实时数据采集模块包括图像识别单元，所述图像识别单元通过图像识别和计算机视觉技术对安装在道路上的交通摄像头拍摄的图像进行分析，使用目标检测算法来检测图像中的车辆，然后通过检测到的车辆数目和速度来估计交通流量，通过目标追踪算法来追踪车辆的位置来得到车辆位置数据，所述实时数据采集模块也可通过车载通信设备与交通管理中心进行通信来获取实时车辆信息。
3.根据权利要求1所述的一种5g边缘计算环境下计算任务智能系统，其特征在于：所述数据分析建模模块包括数据预处理单元，特征提取单元和分析建模单元，所述数据预处理单元对采集到的交通数据进行清洗、去噪、填补缺失值，提高数据质量和准确性，所述特征提取单元根据具体的交通问题，选择和提取合适的特征，将车祸事故特征提取传输到反馈模块，所述车祸事故特征包括从图像数据提取的车辆间距过近，车辆停留时间过长，车辆旁聚集的人数过多，所述分析建模单元通过计算机仿真软件模拟交通系统的运行来评估不同交通方案的效果，建立一个包括道路网络、交通信号灯、车辆、行人元素的交通模型，针对一个交通拥堵的区域，设定模拟的时间范围、交通流量、车辆类型、路段限速、信号灯控制策略参数，通过多次修改参数来评估不同参数下车辆在该区域直行道路以及交叉路口最快通行方案的效果。
4.根据权利要求3所述的一种5g边缘计算环境下计算任务智能系统，其特征在于：所述交通预测模块包括模型训练单元，模型评估优化单元和预测单元，所述模型训练单元在所述分析建模模块评估出最快通行方案之后使用机器学习模型并使用历史数据进行训练，在训练的过程中调整模型参数来获得好的拟合效果，所述模型评估优化单元在模型训练完成后根据均方根误差来评估模型的性能，...
【专利技术属性】
技术研发人员：齐笑，黄伟超，曹雨，
申请(专利权)人：北京当红齐天国际文化科技发展集团有限公司，
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。