[发明专利]基于城市主干线车辆排队长度的信号灯调控方法及系统

权利要求书

1.基于城市主干线车辆排队长度的信号灯调控方法，其特征是，包括：

设置初始的红绿灯周期；所述初始的红绿灯周期，包括：初始红灯时长，初始绿灯时长，初始黄灯时长和初始左转红灯时长；

根据初始的红绿灯周期，计算直行红灯期间内，直行车道的车辆最大排队长度；所述直行红灯期间，是指直行红灯亮起时刻到直行绿灯亮起时刻期间的时间长度；

根据直行红灯期间内直行车道的车辆最大排队长度，计算出直行绿灯时间段内到达车辆数量所需的通行时长；所述直行绿灯时间段，是指直行绿灯亮起时刻到直行绿灯熄灭时刻期间的时间长度；

根据直行绿灯时间段内到达车辆数量所需的通行时长、直行绿灯时间段内排队车辆通过停车线所需的通行时长、和车辆启动时的加速所需时长，计算出直行车辆通过路口所需的总时长；

设置交通信号灯直行绿灯的时间间隔等于直行车辆通过路口所需的总时长；

所述直行车道的车辆最大排队长度的计算过程包括：

获取干线道路的电子地图；

在车辆通行路段上游路口布设摄像机，调整摄像机的高度和相机角度，保证视频图像覆盖交叉口停车线、路面所有车辆和车辆排队的最大位置；摄像机的位置添加到电子地图中；

获取摄像机采集的图像；对摄像机采集的图像进行预处理得到参考图像；

将待处理的图像利用参考图像进行图像校正，使待处理的图像具有地理坐标信息，利用矢量图对待处理图像进行分区得到子区图像，并对每个子区图像进行编码，并对每个子区图像进行图像特征提取；

对同一个车道的子区图像的图像特征输入到预先训练后的车辆识别模型中，得到每个车道的车辆识别结果，根据每个车道的车辆识别结果，计算每个车道的排队长度，根据每个车道的排队长度，得到直行车道的车辆最大排队长度；

获取摄像机采集的图像；对摄像机采集的图像进行预处理；具体步骤包括：

在道路中心线上，每间隔设定距离布设距离标志线标志；

将摄像机获得的没有地理坐标信息的图像与对应的电子地图进行配准和校正，控制点选择停车线和检测线；

对配准和校正后的图像进行感兴趣区域提取，所述感兴趣区域是指路面区域或车辆行驶区域；

对感兴趣区域中的标志地物进行提取，所述标志地物包括：交叉口停车线、车道线或距离标志线；对每个车道计算停车线的中心点；

以距离标志线和车道线为依据，将感兴趣区域划分为若干个子区域；

将从图像中提取的交叉口停车线、车道线、距离标志线和图像分区结果作为参考图像，形成矢量图；

预先训练后的车辆识别模型的获取步骤包括：

构建卷积神经网络模型；

构建训练集和测试集；所述训练集和测试集中均包括已知车辆识别结果的图像；

将训练集输入到卷积神经网络模型中对模型进行训练，进行模型的参数调整；

将测试集输入到卷积神经网络模型中对模型进行测试，对模型进行验证；

最后得到预先训练后的车辆识别模型；

所述构建训练集和测试集；具体步骤包括：

将交叉口道路视频图像数据进行预处理，每隔Δt秒提取一幅图像，所提取的摄像图像随时间形成动态的时间序列图像，其中1Δt10；

计算图像的对比度、边缘特征；

根据图像的对比对和边缘特征，对所有的图像进行车辆标注；

将车辆标注后的图像，按照比例划分为训练集和测试集；

对同一个车道的子区图像的图像特征输入到预先训练后的车辆识别模型中，得到每个车道的车辆识别结果；根据每个车道的车辆识别结果，计算每个车道的排队长度，根据每个车道的排队长度，得到直行车道的车辆最大排队长度；具体包括：

当出现子区车辆识别数目为0，或者识别出的车辆的距离超过14m当前子图图像的后面子区图像的车辆不作为排对车辆，对识别出车辆的连续子区的最后一辆车辆的车头进行定位，取最后一辆车辆车头中心点到停车线中心点的垂直距离以及每个相邻中心点之间的距离作为排对长度L₀；

对每隔△t秒获取的时间序列图像进行处理，基于时间序列图像的处理，对车辆识别进行校正，计算当前的排队长度L_i；

当绿灯亮时，根据时间序列图像处理的校正的车辆识别结果，确定最大的排队长度L_m。