基于人工智能的智慧交通管理系统及方法与流程

本发明涉及智慧交通管理，具体为基于人工智能的智慧交通管理系统及方法。

背景技术：

1、智慧交通管理，是当前城市交通发展的重要趋势，它利用人工智能技术、大数据分析、物联网、云计算等新技术，实现交通系统的智能化、网络化和信息化。

2、智慧交通管理是通过集成先进的交通管理系统、信息技术、数据通信传输技术及计算机处理技术等，实现对交通流的全面感知、自动分析、主动管控和优质服务，从而保障交通安全、缓解交通拥堵、提高道路通行能力、提升交通管理水平和公众出行服务质量。

3、现有的基于人工智能的智慧交通管理系统中，交通灯对应显示时间规划方案的制定往往通过人为预置的方式实现；现有的即使是显示时间规划方案动态可变的交通灯，采用的变灯方式也往往是通过摄像头监控交通灯路口的车流量情况直接调取数据库中预置的显示时间规划方案，该方式无法实现对交通灯之间显示时间规划方案的联控，往往会导致调用的交通灯显示时间规划方案存在不合理的情况，相应路口对应交通拥堵情况的舒缓而导致后续相连路段中交通拥堵情况的进一步加剧，因此，现有技术存在较大的缺陷。

技术实现思路

1、本发明的目的在于提供基于人工智能的智慧交通管理系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：基于人工智能的智慧交通管理方法，所述方法包括以下步骤：

3、s1、将待测区域划分成不同的交通管控区域，分别获取每个交通管控区域内的交通灯设备信息及相应的路径分布信息，构建每个交通管控区域对应的交通布局模型；

4、s2、根据交通布局模型中各个路段之间的连接关系，构建交通布局模型中每个路段对应的关联协同干扰路段集；

5、s3、通过人工智能技术及图像识别技术实时获取交通布局模型中各个路段内的交通路况信息，分析交通布局模型中每个路段对应的路段拥堵评估值；

6、s4、结合交通布局模型中每个路段的历史路段拥堵调节系数及所得的相应路段的路段拥堵评估值，分析交通布局模型中相应路段对应的路段拥堵调节系数预测值；结合路段对应的关联协同干扰路段集，对所得关联协同干扰路段集中各个元素分别基于相应路段的调节协同系数集；

7、s5、根据交通布局模型中每个路段对应的路段拥堵调节系数预测值及相应路段属于其余路段的关联协同干扰路段集时分别对应的各个调节协同系数，得到交通布局模型中每个路段的拥堵协同调节系数集，并基于各个路段的拥堵协同调节系数集对相应路段中的交通灯进行调节；

8、s6、持续监控交通布局模型中交通灯调节后相应路段在预设时间段内的交通路况信息，反馈给相应交通管控区域的管理员，并将所得监控结果跳转到步骤s3。

9、进一步的，所述交通灯设备信息包括交通灯的位置坐标及交通灯的时间显示方案，所述交通灯的时间显示方案为相应交通灯的一个亮灯周期时长，以及一个亮灯周期内各个通行指向分别对应的绿灯时长与红灯时长的规划内容；路段中各个车道对应的一个通行指向；

10、所述路径分布信息为相应交通管控区域内所有路径分别对应的路径信息构成的集合；所述路径信息包括各个路径的分布区域及相应路径的车道布局；

11、所述构建的每个交通管控区域对应的交通布局模型中，根据所得路径分布信息中的路径分布区域，构建相应交通管控区域的路径分布区域的等比例缩放模型，记为第一路径分布缩放模型；结合路径分布信息中的各个路径中不同位置的车道布局，在第一路径分布缩放模型中对各个路径的车道进行标记，且将交通灯的时间显示方案与第一路径分布缩放模型中相应交通灯的时间显示方案绑定，得到相应交通管控区域对应的交通布局模型；

12、所述构建交通布局模型中每个路段对应的关联协同干扰路段集的过程中，将相邻两个交通灯路口之间的道路区段记为一个路段，交通布局模型中每个路段对应的关联协同干扰路段集为相应交通布局模型中与相应路段连接的各个路段构成的集合。

13、本发明中因不同路段之间的连接关系不同，进而各个路段对应的关联协同干扰路段集存在差异，相应路段对应的关联协同干扰路段集中的每个元素对应的关联协同干扰路段集中均包含相应路段。

14、进一步的，所述交通路况信息包括相应路段内的通行车辆密度、相应路段在最近预设单位时长内交通灯路口处各个车道的通行的车辆个数分别除以预设单位时长的商，以及在交通灯路口处属于相应路段的预设区域内的通行车辆密度；所述通行车辆密度表示相应路段内的通行车辆个数与相应路段区域面积的比值；

15、所述分析交通布局模型中每个路段对应的路段拥堵评估值时，采用以下公式：

16、ypg=vdg+μ·rvdg+μ1·lvdg，

17、其中，ypg表示交通布局模型中第g个路段对应的路段拥堵评估值；vdg表示交通布局模型中第g个路段在最近一次获取的交通路况信息中相应路段内的通行车辆密度；rvdg表示交通布局模型中第g个路段在最近一次获取的交通路况信息中，相应路段中在交通灯路口处预设区域内的通行车辆密度；lvdg表示交通布局模型中第g个路段在最近一次获取的交通路况信息中，相应路段在最近预设单位时长内交通灯路口处各个车道的通行的车辆个数分别除以预设单位时长的商中的最大值；

18、μ及μ1均为评估转化系数，且μ及μ1均为数据库中预置的常数。

19、本发明中评估每个路段对应的路段哦拥堵评估值时，从三个角度进行评估，分别为从路段整体的通行车辆密度、相应路段在交通灯路口处预设半径内的通行车辆密度及相应路段在最近预设单位时长内交通灯路口处各个车道的通行车辆个数与时间的比值。

20、进一步的，所述历史路段拥堵调节系数表示相应路段在历史数据中分别对相应交通灯中各个颜色灯持续时长的调节系数，所述调节系数的调节对象是相应交通灯中在一个亮灯周期内，每个车道所属通行指向对应绿灯亮灯时长与个亮灯周期时长的比值；所述调节系数等于相应调节对象在调节后与调节前分别对应数据的比值；

21、所述分析交通布局模型中相应路段对应的路段拥堵调节系数预测值时，结合交通布局模型中每个路段的历史路段拥堵调节系数及所得的相应路段的路段拥堵评估值，构建相应路段每个通行指向对应调节对象的历史拥堵调节数据对，记为（ypl，tx），

22、相应路段每个通行指向对应调节对象的历史拥堵调节数据对均对应一个最大单调变化时间区间，所述最大单调变化时间区间包含一个或多个相应通行指向的路段拥堵调节系数对应的调节时间点，且对应调节时间点与最大单调变化时间区间相邻的路段拥堵调节系数与最大单调变化时间区间内的任意一个调节时间点对应的路段拥堵调节系数不呈单调变化趋势；所述最大单调变化时间区间中涉及的各个路段拥堵调节系数呈单调变化趋势，所述最大单调变化区间表示相应时间区间中对应的各个路段拥堵调节系数均大于等于1或均小于1；

23、其中，tx表示相应历史拥堵调节数据对对应的最大单调变化时间区间中涉及的各个路段拥堵调节系数的乘积；ypl表示相应历史拥堵调节数据对对应的最大单调变化时间区间中相应路段的各个路段拥堵评估值的最大值；

24、根据sigmoid函数模型对相应路段每个通行指向对应调节对象的各个历史拥堵调节数据对进行函数拟合，将所得函数记为相应路段相应通行指向的拥堵调节拟合函数；将交通布局模型中相应路段的路段拥堵评估值代入相应路段相应通行指向的拥堵调节拟合函数后的函数值，记为交通布局模型中相应路段相应通行指向对应的路段拥堵调节系数预测值。

25、进一步的，所述对所得关联协同干扰路段集中各个元素分别基于相应路段的调节协同系数集时，获取路段对应的关联协同干扰路段集，将路段对应的关联协同干扰路段集中第a个元素基于相应路段的调节协同系数集记为gxa，将gxa中的第n个元素记为gxa{n}，

26、gxa{n}=qn{（txxa-1）·tdxa·ypxa·mxa/m+ypx}，

27、其中，txxa表示路段对应的关联协同干扰路段集中第a个元素在通行指向为相应路段时对应的拥堵调节系数预测值；tdxa表示路段对应的关联协同干扰路段集中第a个元素通行指向为相应路段时对应的调节对象；ypxa表示路段对应的关联协同干扰路段集中第a个元素对应的路段拥堵评估值；mxa表示相应路段对应的关联协同干扰路段集中第a个元素对应的路段区域面积；m表示相应路段的路段区域面积；

28、ypx表示相应路段对应的路段拥堵评估值；qn{}表示相应路段第n个通行指向对应的拥堵调节拟合函数。

29、进一步的，所述得到交通布局模型中每个路段的拥堵协同调节系数集时，将交通布局模型中第i个路段的拥堵协同调节系数记为csi，将csi中第b个元素记为csi{b}，

30、，

31、其中，tx（i，b）表示交通布局模型中第i个路段的第b个通行指向对应的路段拥堵调节系数预测值；txx（i，b，a）表示交通布局模型中第i个路段的关联协同干扰路段集中第a个元素基于相应路段的调节协同系数集中第b个元素值；ai表示交通布局模型中第i个路段的关联协同干扰路段集中的元素总个数；

32、基于各个路段的拥堵协同调节系数集对相应路段中的交通灯进行调节时，将相应路段的拥堵协同调节系数集中各个元素分别与相应的调节对象相乘，得到新的调节对象。

33、基于人工智能的智慧交通管理系统，所述系统包括以下模块：

34、交通布局模型构建模块，所述交通布局模型构建模块将待测区域划分成不同的交通管控区域，分别获取每个交通管控区域内的交通灯设备信息及相应的路径分布信息，构建每个交通管控区域对应的交通布局模型；

35、路段关系分析模块，所述路段关系分析模块根据交通布局模型中各个路段之间的连接关系，构建交通布局模型中每个路段对应的关联协同干扰路段集；

36、路段拥堵评估模块，所述路段拥堵评估模块通过人工智能技术及图像识别技术实时获取交通布局模型中各个路段内的交通路况信息，分析交通布局模型中每个路段对应的路段拥堵评估值；

37、路段协同调节分析模块，所述路段协同调节分析模块结合交通布局模型中每个路段的历史路段拥堵调节系数及所得的相应路段的路段拥堵评估值，分析交通布局模型中相应路段对应的路段拥堵调节系数预测值；结合路段对应的关联协同干扰路段集，对所得关联协同干扰路段集中各个元素分别基于相应路段的调节协同系数集；

38、交通调节智能管理模块，所述交通调节智能管理模块根据交通布局模型中每个路段对应的路段拥堵调节系数预测值及相应路段属于其余路段的关联协同干扰路段集时分别对应的各个调节协同系数，得到交通布局模型中每个路段的拥堵协同调节系数集，并基于各个路段的拥堵协同调节系数集对相应路段中的交通灯进行调节；

39、交通调节后续跟踪模块，所述交通调节后续跟踪模块持续监控交通布局模型中交通灯调节后相应路段在预设时间段内的交通路况信息，反馈给相应交通管控区域的管理员。

40、进一步的，所述路段协同调节分析模块包括用拥堵调节系数预测单元及调节协同系数集获取单元，

41、所述拥堵调节系数预测单元结合交通布局模型中每个路段的历史路段拥堵调节系数及所得的相应路段的路段拥堵评估值，分析交通布局模型中相应路段对应的路段拥堵调节系数预测值；

42、所述调节协同系数集获取单元结合路段对应的关联协同干扰路段集，对所得关联协同干扰路段集中各个元素分别基于相应路段的调节协同系数集。

43、与现有技术相比，本发明所达到的有益效果是：本发明能够根据路段的车辆情况实现对相应路段的交通灯显示时间规划方案的动态调整，且在调整过程中，考虑到每个路段对应的关联协同干扰路段集，及所得关联协同干扰路段集中各个元素分别基于相应路段的调节协同系数集，实现对不同交通灯之间的联控调节，降低因对相应路口交通拥堵情况调节而导致对后续相连路段中交通拥堵情况的干扰影响，实现对交通数据的有效管理。