【技术实现步骤摘要】
本专利技术涉及交通信号优化，具体涉及一种基于边缘计算的全息路口信号实时优化方法及装置。
技术介绍
1、全息路口是利用路口雷达+卡口摄像机两种感知手段，在保证原有非现场执法功能的基础上，融合最新的传感器技术、高精度地图技术、ai算法、大算力芯片、边缘计算技术，构建“智慧+感知”的能力，生成车辆时空、过车身份、违法抓拍、分米级车辆轨迹、信号灯状态等多种精准、高效、实时的元数据，为路口精细化管理奠定了完备的数据基础，减轻了中心侧计算、存储、空间以及网络的传输压力。
2、随着道路上的车辆越来越多，增加了城市道路的交通负担，加上交通信号灯不能合理、有效地调控各方向的车流，导致城市的交通拥堵现象越来越严重。而对交通信号灯进行优化对于提高道路交通的通行效率具有重要意义。
3、目前，一些数学模型，如webster模型用于交通信号灯配时策略设计，虽然模型简单易用，但是适应性较差，难以适用于不同环境的路口。随着人工神经网络算法的发展，以其为基础的交通信号灯配时算法相继出现，如基于bp神经网络的信号灯配时算法，虽然有着非常强的自适应和学习能力，但是由于需要大量数据进行学习，因此难以适用于交通信号灯的实时优化控制。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术所存在的上述缺点，本专利技术提供了一种基于边缘计算的全息路口信号实时优化方法及装置，能够有效克服现有技术所存在的不能对交通信号灯进行合理实时优化的缺陷。
3、(二)技术方案
4、
5、一种基于边缘计算的全息路口信号实时优化方法，包括以下步骤：
6、s1、获取各路口的视频流数据和雷达数据，并对视频流数据和雷达数据进行数据处理；
7、s2、各路口的边缘基站基于对应的视频流数据和雷达数据计算相应的路口车流量；
8、s3、各路口的边缘基站根据路口车流量进行动态学习调整，获得第一交通信号灯配时策略，并上传至云服务器；
9、s4、云服务器根据各路口的路口车流量信息对各边缘基站上传的第一交通信号灯配时策略进行全局优化，得到第二交通信号灯配时策略；
10、s5、云服务器将第二交通信号灯配时策略发送至各路口的信号机，各信号机执行第二交通信号灯配时策略。
11、优选地，s2中各路口的边缘基站基于对应的视频流数据和雷达数据计算相应的路口车流量，包括：
12、边缘基站基于路口的视频流数据计算和跟踪得到第一路口车流量，同时基于路口的雷达数据计算和跟踪得到第二路口车流量；
13、边缘基站结合第一路口车流量和第二路口车流量得到实时路口车流量。
14、优选地，所述边缘基站基于路口的视频流数据计算和跟踪得到第一路口车流量，包括：
15、基于帧间差分与背景差值之间的比值判断是否进行背景更新；
16、提取前景图像，并采用hsv特征法消除阴影；
17、通过霍夫变换转换图像，并采用最小外接矩形法对各目标车辆进行计算和跟踪，得到第一路口车流量。
18、优选地，所述边缘基站基于路口的雷达数据计算和跟踪得到第二路口车流量，包括：
19、对中频信号进行跟踪处理，得到各目标车辆的距离信息；
20、以时间为横坐标、距离为纵坐标，画出各目标车辆的轨迹图，并将轨迹图转换为二值图；
21、按照时间间隔将二值图划分为若干子图像，按照距离将各子图像划分为若干子区域，并根据各子区域中的黑色像素点值计算和跟踪得到第二路口车流量。
22、优选地，所述按照时间间隔将二值图划分为若干子图像，按照距离将各子图像划分为若干子区域，并根据各子区域中的黑色像素点值计算和跟踪得到第二路口车流量，包括：
23、按照距离将各子图像划分为若干子区域后，仅保留各子图像中距离段[p1,p2]所在的目标区域，并计算目标区域中的黑色像素点值之和si；
24、基于各子图像中目标区域的黑色像素点值之和采用下式计算得到第二路口车流量f2：
25、
26、其中，p1为雷达检测区域的起始位置，p2为雷达检测区域的结束位置；
27、si为第i张子图像中目标区域的黑色像素点值之和，i＝1,2,3,…,n，th＝t/t，t为将二值图划分为若干子图像对应的时间间隔，t为雷达处理数据周期，floor(·)表示向下取整。
28、优选地，s3中各路口的边缘基站根据路口车流量进行动态学习调整，包括：
29、动态学习调整公式如下：
30、tt+1(st+1,dt+1)＝(f-λ)·tt(st,dt)+λ·[rt+1+β·maxtt+1(st+1,dt+1)]
31、其中，s为路口交通状态，d为交通信号灯配时策略，t为s与d的表，f为实时路口车流量，λ为学习效率，β为折扣因子，r为执行交通信号灯配时策略d后的反馈。
32、优选地，s4中云服务器根据各路口的路口车流量信息对各边缘基站上传的第一交通信号灯配时策略进行全局优化，得到第二交通信号灯配时策略，包括：
33、云服务器根据各路口的路口车流量信息，采用预设算法对各边缘基站上传的第一交通信号灯配时策略进行全局优化，得到第二交通信号灯配时策略；
34、其中，预设算法为遗传算法、蚁群算法、模拟退火算法、粒子群算法中的一种。
35、一种基于边缘计算的全息路口信号实时优化装置，包括视频流数据采集装置、雷达装置、数据处理模块、边缘基站和云服务器；
36、视频流数据采集装置，设置于各路口，用于采集各路口的视频流数据；
37、雷达装置，设置于各路口，用于采集各路口的雷达数据；
38、数据处理模块，用于对各路口的视频流数据和雷达数据进行数据处理；
39、边缘基站，设置于各路口，基于对应的视频流数据和雷达数据计算相应的路口车流量，根据路口车流量进行动态学习调整，获得第一交通信号灯配时策略，并上传至云服务器；
40、云服务器，根据各路口的路口车流量信息对各边缘基站上传的第一交通信号灯配时策略进行全局优化，得到第二交通信号灯配时策略，并将第二交通信号灯配时策略发送至各路口的信号机。
41、优选地，所述雷达装置包括射频模块、接收天线和混频器；
42、射频模块，向道路发射射频信号；
43、接收天线，接收各目标车辆对射频信号的反射信号；
44、混频器，对各目标车辆的反射信号进行下变频，得到中频信号。
45、(三)有益效果
46、与现有技术相比，本专利技术所提供的一种基于边缘计算的全息路口信号实时优化方法及装置，具有以下有益效果：
47、1)获取各路口的视频流数据和雷达数据，并对视频流数据和雷达数据进行数据处理，各路口的边缘基站基于对应的视频流数据和雷达数据计算相应的路口本文档来自技高网...
【技术保护点】
1.一种基于边缘计算的全息路口信号实时优化方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于边缘计算的全息路口信号实时优化方法，其特征在于：S2中各路口的边缘基站基于对应的视频流数据和雷达数据计算相应的路口车流量，包括：
3.根据权利要求2所述的基于边缘计算的全息路口信号实时优化方法，其特征在于：所述边缘基站基于路口的视频流数据计算和跟踪得到第一路口车流量，包括：
4.根据权利要求2所述的基于边缘计算的全息路口信号实时优化方法，其特征在于：所述边缘基站基于路口的雷达数据计算和跟踪得到第二路口车流量，包括：
5.根据权利要求4所述的基于边缘计算的全息路口信号实时优化方法，其特征在于：所述按照时间间隔将二值图划分为若干子图像，按照距离将各子图像划分为若干子区域，并根据各子区域中的黑色像素点值计算和跟踪得到第二路口车流量，包括：
6.根据权利要求2所述的基于边缘计算的全息路口信号实时优化方法，其特征在于：S3中各路口的边缘基站根据路口车流量进行动态学习调整，包括：
7.根据权利要求6所述的基于边缘计算的
8.一种基于权利要求1所述的基于边缘计算的全息路口信号实时优化装置，其特征在于：包括视频流数据采集装置、雷达装置、数据处理模块、边缘基站和云服务器；
9.根据权利要求8所述的基于边缘计算的全息路口信号实时优化装置，其特征在于：所述雷达装置包括射频模块、接收天线和混频器；
...【技术特征摘要】
1.一种基于边缘计算的全息路口信号实时优化方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于边缘计算的全息路口信号实时优化方法，其特征在于：s2中各路口的边缘基站基于对应的视频流数据和雷达数据计算相应的路口车流量，包括：
3.根据权利要求2所述的基于边缘计算的全息路口信号实时优化方法，其特征在于：所述边缘基站基于路口的视频流数据计算和跟踪得到第一路口车流量，包括：
4.根据权利要求2所述的基于边缘计算的全息路口信号实时优化方法，其特征在于：所述边缘基站基于路口的雷达数据计算和跟踪得到第二路口车流量，包括：
5.根据权利要求4所述的基于边缘计算的全息路口信号实时优化方法，其特征在于：所述按照时间间隔将二值图划分为若干子图像，按照距离将各子图像划分为若干子区域，并...
【专利技术属性】
技术研发人员：卢青松，闫正，
申请(专利权)人：安徽超清科技股份有限公司，
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。