【技術實現步驟摘要】
本申請涉及交通控制，具體而言，本申請涉及一種基于深度學習的交通信號燈調控方法、設備及介質。
技術介紹
1、目前，隨著人們生活水平的提高，汽車成為人們主要的代步工具，由于汽車的使用越來越多，很多車流量大的路口容易造成堵塞。經常會看到紅燈一邊的道路上汽車排著長長的隊，綠燈一邊無汽車通行，雖然這種路口安裝有信號燈，但是由于這種信號燈的相位時長固定，難以有效適應路口的實際車流量，所以容易出現車流量大的車道嚴重堵塞，其他車道無車通行，導致交通擁堵，降低交通流暢度和通行效率。
技術實現思路
1、本申請實施例提供了一種基于深度學習的交通信號燈調控方法、設備及介質，可以解決現有交通信號燈的相位時長固定，不能適應實際車流量，容易出現交通擁堵，交通流暢差，通行效率低的問題。為了實現該目的，本申請實施例提供了如下幾個方案。
2、根據本申請實施例的一個方面，提供了一種基于深度學習的交通信號燈調控方法，所述方法，包括：
3、確定交通信號燈的相位信息，利用預設算法和雷達獲取所述相位信息對應的車輛信息，所述相位信息包括用于指示車輛通行的當前相位和下一相位，所述預設算法包括基于深度學習算法的目標檢測算法和目標追蹤算法，所述車輛信息包括車輛數量、車輛類型；
4、根據所述車輛信息滿足的條件確定當前相位對應的相位時長，所述條件包括相位優化條件、交通流不均勻條件中的任一種。
5、在一個可能的實現方式中，所述深度學習算法包括yolov5算法、deepsort算法，所述預設算法
6、調整所述yolov5算法，利用調整后的所述yolov5算法生成所述目標檢測算法，所述調整包括：利用carafe上采樣算子替代所述yolov5算法中的上采樣算子，將dyhead作為所述yolov5算法的檢測頭；
7、利用所述deepsort算法得到所述目標追蹤算法。
8、在一個可能的實現方式中，所述利用預設算法和雷達獲取所述相位信息對應的車輛信息，包括：
9、采集車道上車輛的圖像，利用所述預設算法處理所述圖像以獲取每條車道上的第一車輛信息，并利用雷達獲取每條車道的第二車輛信息；
10、確定所述相位信息對應的車道，根據所述車道、所述第一車輛信息、所述第二車輛信息獲取所述相位信息對應的車輛信息。
11、在一個可能的實現方式中，所述條件為相位優化條件，所述根據所述車輛信息滿足的條件確定當前相位對應的相位時長，包括：
12、根據所述預設算法對應的車輛信息和所述雷達對應的車輛信息確定排隊車輛數；
13、獲取所述排隊車輛數對應的通行時長，根據所述通行時長以及所述當前相位和所述下一相位對應的車輛數量計算平均通行時長，所述平均通行時長對應的時間段包括當前相位和下一相位所在的時間段；
14、根據所述平均通行時長、所述當前相位對應的車輛數確定所述當前相位對應的相位時長。
15、在一個可能的實現方式中，所述條件為交通流不均勻條件，所述根據所述車輛信息滿足的條件確定當前相位對應的相位時長，包括：
16、根據所述預設算法對應的車輛信息和所述雷達對應的車輛信息確定當前相位以及下一相位的排隊車輛數；
17、根據所述排隊車輛數、相位過渡時間以及下一相位對應的車輛數與當前相位對應的車輛數比較結果確定所述當前相位對應的相位時長。
18、在一個可能的實現方式中，所述方法，包括：
19、若確定所述相位時長小于預定的最大綠燈持續時間，則獲取所述當前相位對應的車輛編隊的車輛加入信息，所述車輛加入信息包括待加入車輛的加入時間、速度、類型；
20、根據所述車輛加入信息、所述車輛編隊中車輛的速度以及所述最大綠燈持續時間調整所述當前相位對應的相位時長。
21、在一個可能的實現方式中，所述方法，包括：
22、若確定所述當前相位滿足空放打斷條件，則打斷所述當前相位，切換至下一相位，所述空放打斷條件包括所述當前相位對應的實際通行時長小于所述相位時長、其他相位對應的車輛數多于當前相位的車輛數且大于預設數量中的至少一種。
23、在一個可能的實現方式中，所述方法，包括：
24、獲取所述當前相位對應的溢出區域的車輛監測信息，所述溢出區域是基于所述車輛信息的獲取范圍確定的，所述車輛監測信息包括車輛占比、車輛停留時間；
25、若確定溢出區域對應的車輛滿足溢出條件，則根據預定的溢出控制方式調整所述相位時長，所述溢出條件包括所述車輛占比大于預設占比，所述車輛停留時間達到預設閾值，所述溢出控制方式包括減少溢出區域對應的相位的相位時長。
26、根據本申請實施例的一個方面，提供一種電子設備，包括存儲器、處理器及存儲在存儲器上的計算機程序，所述處理器執行所述計算機程序以實現如上所述方法的步驟。
27、根據本申請實施例的一個方面，提供一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時實現如上所述方法的步驟。
28、本申請實施例提供的技術方案帶來的有益效果是：
29、本申請提供的基于深度學習的交通信號燈調控方法確定交通信號燈的相位信息，利用基于深度學習算法的目標檢測算法、目標追蹤算法以及雷達獲取相位信息對應的車輛信息；根據車輛信息滿足的條件確定當前相位對應的相位時長，本申請實施例能夠獲取車流量的實際數據，根據該實際數據靈活調整相位時長，有效避免交通擁堵，提升交通流暢度和提高通行效率。
本文檔來自技高網...【技術保護點】
1.一種基于深度學習的交通信號燈調控方法，其特征在于，所述方法，包括：
2.根據權利要求1所述的基于深度學習的交通信號燈調控方法，其特征在于，所述深度學習算法包括YOLOv5算法、DeepSORT算法，所述預設算法的獲取，包括：
3.根據權利要求1所述的基于深度學習的交通信號燈調控方法，其特征在于，所述利用預設算法和雷達獲取所述相位信息對應的車輛信息，包括：
4.根據權利要求1所述的基于深度學習的交通信號燈調控方法，其特征在于，所述條件為相位優化條件，所述根據所述車輛信息滿足的條件確定當前相位對應的相位時長，包括：
5.根據權利要求1所述的基于深度學習的交通信號燈調控方法，其特征在于，所述條件為交通流不均勻條件，所述根據所述車輛信息滿足的條件確定當前相位對應的相位時長，包括：
6.根據權利要求1所述的基于深度學習的交通信號燈調控方法，其特征在于，所述方法，包括：
7.根據權利要求1所述的基于深度學習的交通信號燈調控方法，其特征在于，所述方法，包括：
8.根據權利要求1所述的基于深度學習的交通信號燈
9.一種電子設備，包括存儲器、處理器及存儲在存儲器上的計算機程序，其特征在于，所述處理器執行所述計算機程序以實現權利要求1-8中任一項所述方法的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1-8任一項所述方法的步驟。
...【技術特征摘要】
1.一種基于深度學習的交通信號燈調控方法，其特征在于，所述方法，包括：
2.根據權利要求1所述的基于深度學習的交通信號燈調控方法，其特征在于，所述深度學習算法包括yolov5算法、deepsort算法，所述預設算法的獲取，包括：
3.根據權利要求1所述的基于深度學習的交通信號燈調控方法，其特征在于，所述利用預設算法和雷達獲取所述相位信息對應的車輛信息，包括：
4.根據權利要求1所述的基于深度學習的交通信號燈調控方法，其特征在于，所述條件為相位優化條件，所述根據所述車輛信息滿足的條件確定當前相位對應的相位時長，包括：
5.根據權利要求1所述的基于深度學習的交通信號燈調控方法，其特征在于，所述條件為交通流不均勻條件，所述...
【專利技術屬性】
技術研發人員：張凱龍，丘鈺霞，
申請(專利權)人：廣州元灃智能科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。