【CN109697867A】一种基于深度学习的交通控制方法及系统【专利】.pdf

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 109697867 A (43)申请公布日 2019.04.30 (21)申请号 201910078907.2 (22)申请日 2019.01.28 (71)申请人 深圳市欧德克科技有限公司 地址 518000 广东省深圳市前海深港合作 区前湾一路1号A栋201室（入驻深圳市 前海商务秘书有限公司） (72)发明人 常宇飞　李兰芳　 (74)专利代理机构 深圳市六加知识产权代理有 限公司 44372 代理人 宋建平 (51)Int.Cl. G08G 1/08(2006.01) 权利要求书2页 说明书14页 附图6页 (54)发明名称 一种基于深度学习的交通控制方法及系统 (57)摘要 本发明涉及人工智能与交通控制领域，公开 了一种基于深度学习的交通控制方法及系统，所 述方法包括：局部处理器获取交通路口的视频数 据，采用深度神经网络进行分析计算得到交通数 据，各模式下的所述局部处理器依据交通数据， 选择自行控制信号灯或者结合城市中央服务器 优化信号灯设置。通过上述方式，本发明实施例 能够解决目前无法精确监测交通路况的技术问 题，实现对信号灯的均衡调度，提高交通应变能 力。 A 7 6 8 7 9 6 9 0 1 N C CN 109697867 A 权　利　要　求　书 1/2页 1.一种基于深度学习的交通控制方法，其特征在于，应用于基于深度学习的交通控制 系统，所述交通控制系统包括：高清摄像头、信号灯、局部处理器以及城市交通中央服务器， 所述高清摄像头和信号灯分别连接所述局部处理器，所述局部处理器连接所述城市交通中 央服务器，所述方法包括： 所述局部处理器获取交通路口的视频数据，通过深度神经网络处理所述视频数据，确 定交通数据，所述交通数据包括：各相位的车流量、滞留量、堵车指数以及通行能力； 确定所述局部处理器的工作模式，所述工作模式包括：自主控制模式和多路口联合控 制模式； 若所述局部处理器处于多路口联合控制模式，则所述局部处理器根据所述交通数据， 分析所述信号灯的当前设置值是否合理； 若否，所述局部处理器向所述城市交通中央服务器发送信号灯调整请求； 所述城市交通中央服务器接收所述信号灯调整请求，并判断所述信号灯调整请求是否 合理，若是，则控制所述局部处理器基于所述信号灯调整请求，调整所述信号灯的当前设置 值。 2.根据权利要求1所述的交通控制方法，其特征在于，所述方法还包括： 若所述局部处理器处于自主控制模式，则根据各交通路口的实时滞留量以及实时停留 量实时调整信号灯。 3.根据权利要求1或2所述的交通控制方法，其特征在于，所述通过深度神经网络处理 所述视频数据，确定交通数据，包括： 根据所述交通路口的视频数据，将所述交通路口的各条道路上等红灯的车辆数记作实 时停留量；将所述交通路口的各条道路上处于绿灯但是未通过停车线的车辆数记作实时滞 留量； 将某个车流方向的全部车辆通过所述交通路口所需的大概时间记作通行时间；将某相 位多组通行时间与相应的绿灯时间的比值的平均值表示此相位的堵车指数； 将单位时间内通过某相位对应的路段的车辆数确定为该相位的车流量； 将在一次连续的绿灯时间内，连续通过某相位对应的停车线的最多车辆数确定为该相 位的通行能力；将某相位单位时间内通过的车辆数与该相位的通行能力的比值作为该相位 的通行指数。 4.根据权利要求1所述的交通控制方法，其特征在于，所述方法还包括：