[发明专利]交通网红绿灯控制方法、系统及计算机可读存储介质

说明书

本发明提供了一种基于边缘计算的交通网红绿灯控制方法、系统及计算机可读存储介质，路段相连接的边缘结点之间信息共享，中央云服务器共享所有结点的信息。每个边缘结点把实时交通运行状态发送至云服务器，云服务器根据特定的优化算法，对整个交通网络的配时方案进行优化，得到每个路口当前红绿灯的最佳设定时间；然后由云端服务器把相应的时间调整方案发送到每一个边缘结点。同时，每一个边缘结点会基于与之相连的结点构成的局部交通网进行区域配时优化，得到一个基于区域交通优化的局部配时方案；两个方案进行竞争，对优化目标提升最多的将被采用；然后由每个边缘终端控制模块对由其控制的交通信号设备进行实时调整。

技术领域

本发明涉及交通控制技术领域，尤其涉及一种交通网红绿灯控制方法、系统及计算机可读存储介质。

背景技术

现有的红绿灯控制策略都比较落后，基本都是采用人为的根据该路口以往车辆通行量的经验来设置该路口红绿灯的等待或者通行时间，忽略了路口在上下班时的早晚高峰期与节假日或突发情况下的车流量迸发。这就给该路口以及相邻路口所通行的路段带来了交通流量压力，降低了交通的通行效率，给城市居民的出行带来不便。而且，出行用户往往无法及时获取相关路段的通行信息，无法选择更适合的出行方案，消息的滞后性使得拥堵路段往往会持续很久。

边缘计算是一种分散式运算的架构，将原本完全由中心结点处理的大型服务细化分割成更小、更容易管理的活动单元，分散到各个边缘结点去处理。边缘结点更接近于终端设备，可以加快数据的处理与传输速度，减少延迟、提高实时性。在这种架构下，数据的分析与知识的产生，更接近数据资料的真实来源，因此更适合处理大数据。

物联网即“万物相连的互联网”，是互联网基础上的延伸和扩展的网络，通过各种信息传感设备，按约定的协议，把任何终端与互联网相连接，进行信息交换和通信，以实现对对象的智能检测、识别、控制和管理。

一个城市的完整道路系统就是一个巨大的网，每个路口都可以作为网的一个边缘结点，网内的交通流量信息是一个庞大的数据，基于整个网络来对交通系统做优化，能极大地提升交通的运行效率，更合理的利用交通资源。如果每一个边缘结点的视频监控等道路信息都作为数据传送到服务器进行处理，那会给网络的中央边缘结点带来极大的处理压力，以及引起一定的滞后。因此，基于边缘计算的城市交通网智能红绿灯控制系统把整个交通网的交通资源统筹起来，并在每个边缘结点区域内进行局部配时优化。基于全局和局部的优化相结合，能在城市交通系统全局上、智能程度上、实时性上给交通资源的配置带来极大的便利和极大地提高交通的通行效率。

在现有的技术中，有的方案使用Q-learning强化学习算法或深度Q网络算法来对交通模型进行配时优化，但人工设置的Q函数或者人工设计的动作选择策略往往具有极大的局限，并不能很好的从状态信息中利用状态携带的最有价值的特征。而且，交通信号控制的动作空间往往是连续的，一些基于离散动作空间的强化学习算法并不能适用于实际场景。

传统的信号控制系统普遍采用多时段定时信号机、感应式信号机和集中协调式信号机。交通信号的控制方案多采用根据路口各个方向以往车辆通过量的经验来固定配时或对某一路口建立数学模型然后进行优化来自适应配时。然而，当路口规模扩大，城市交通扩张时，集中式的控制系统不能满足大量交通数据流的通信传输和交通控制策略的实时优化，且交通模型越来越大，维护难度也变大。面对过于复杂的数据，传统的交通信号设备控制方案和交通数据处理方法已经无法匹配当今交通控制优化的需求。

有的地方采用可人工调整配时的交通信号装置放置在路口中间，当需要调整时由交警前往操作，这种带有主观性的调整方法大概率上并不能很好的解决当前路段遇到的问题，而且当车流量较大，通行复杂时，交警的人身安全容易受到威胁。而采用多种传感器来获取车流状态，意味着道路改造代价和传感器设备安装与维护的成本。

发明内容

为了克服上述技术缺陷，本发明的目的在于提供一种利用交通信息资源来缓解交通压力、并为出行用户提供更实时的道路状况信息的交通网红绿灯控制方法、系统及计算机可读存储介质。