本發(fā)明主要涉及公共服務領域，尤其涉及一種基于云計算的智能交通管理系統(tǒng)及方法。

背景技術：

隨著城市內保有的私家車數量越來越多，道路通行狀況成為城市管理的難題，目前，絕大多數的道路交通管理仍然依靠定時的紅綠燈，然而，這種死板的管理模式，很容易導致某些道路擁擠，而同時卻有某些道路處于空閑狀態(tài)，因此，這種淡出依靠紅綠燈定時放行的管理模式，已經不能適應目前城市的交通狀況。

隨著城市智能化管理的提升，特別是云計算技術的興起，很多發(fā)明人提出了利用云計算實現交通信號燈只能管控的方法，但是，目前提出的方法主要分為兩大類，一類是給車輛安裝傳感器，從而可以實時監(jiān)測道路上車輛數量和狀態(tài)，但是這種模式在實際應用中存在很多困難，比如傳感器并不是車輛的固有零件，那么就需要考慮在哪個環(huán)節(jié)來安裝傳感器，并且考慮增加的費用由誰支付，實際上，不論這個費用增加到哪個環(huán)節(jié)，最終都是消費者來買單，顯然消費者并不會樂于支付這個費用，那么就無法做到有效推廣，整個系統(tǒng)也就無法有效運行；另一類是接入城市的交通管理系統(tǒng)，通過交通管理系統(tǒng)的大數據來預測或實時判斷車流量狀況，這種模式同樣存在一些問題，比如數據分析的結果與實時的狀態(tài)之間會有一些延遲，交通管理系統(tǒng)中的數據會有一些偏差，這都會導致整個交通系統(tǒng)的智能管控發(fā)生偏差，無法滿足快速、準確的交通管控。

技術實現要素：

為了解決上述問題，本發(fā)明提供了一種基于云計算的智能交通管理系統(tǒng)及方法，通過圖像處理技術采集實時的現場畫面，進行車流量數據統(tǒng)計，統(tǒng)計數據經過云計算服務器處理，用于設定交通指示燈時間和車載gps信息通報，以提高道路交通管理效率，有效的解決道路擁擠問題。

本發(fā)明采用以下技術方案：

一種基于云計算的智能交通管理系統(tǒng)，包括若干圖像采集單元、云計算服務器和交通指示燈，所述的圖像采集單元包括攝像頭、圖像分析模塊和數據存儲模塊，攝像頭用于拍攝路口處的圖像，圖像分析模塊用于識別圖像中的車輛并對車輛進行計數，得出車流量數據；數據存儲模塊對圖像數據和車流量數據進行存儲，并將車流量數據上傳到云計算服務器，云計算服務器根據車流量數據設定交通指示燈。

進一步的，智能交通管理系統(tǒng)包括還道路狀態(tài)發(fā)布平臺，所述的道路狀態(tài)發(fā)布平臺從云計算服務器獲取車流量數據以及設定后交通指示燈的通行時間，并將上述信息發(fā)送至車載gps中。

進一步的，所述的道路狀態(tài)發(fā)布平臺內還設有路徑規(guī)劃模塊，該路徑規(guī)劃模塊與車載gps、道路狀態(tài)發(fā)布平臺進行實時數據交互，并配合車載gps生成實時的最優(yōu)路徑。

基于上述的系統(tǒng)，本發(fā)明還提出了一種基于云計算的智能交通管理方法，所述的方法包括以下步驟：

步驟1：圖像采集單元獲取各個路口的車流量數據并上傳至云計算服務器；

步驟2：云計算服務器根據主干路整體車流量設置基準通行時間t；

步驟3：根據每個路口的車流量數據，調整并設置每個路口的通行時間。

進一步的，步驟1實現的具體過程為：

1)在該路口攝像頭拍攝范圍內的每條車道上設置虛擬檢測區(qū)域；

2)截取該路口監(jiān)測區(qū)域內1s內所有幀的圖像；

3)將任意相鄰幀圖像對應像素值相減得到差分圖像；

4)對差分圖像二值化；

5)標記所有的背景像素和前景像素，具體方法為：如果對應像素值變化小于事先確定的閡值時，則此區(qū)域為背景像素；如果圖像區(qū)域的像素值變化很大，則該區(qū)域標記為前景像素；

6)將所有前景像素相加得到該路口車流量sn，其中n為路口編號。

進一步的，步驟2的具體實現過程為：

1)預設主干路三個通行時間分別為：60s、90s、120s；

2)預設主干路的設計車流量s0；

3)將主干路上所有路口車流量相加，得到主干路總體車流量s；

4)比較主干路總體車流量s和設計車流量s0，設定主干路基準通行時間t，具體標準為：若s≤s0，則t＝120s；若s0<s<2*s0，則t＝90s，若s>2*s0，則t＝60s。

進一步的，步驟3的具體實現步驟為：

1)計算每個路口的通行時間tn＝sn*t/s，其中，sn為該路口的實際車流量，t為主干路基準通行時間，s為主干路總體車流量；

2)按照計算出的通行時間重新設定每個路口的紅綠燈。

進一步的，所述的方法還包括：

步驟4：車流量數據和各個路口通行時間發(fā)送至車載gps。

進一步的，所述的方法還包括：

步驟5：利用路徑規(guī)劃模塊和車載gps生成最新路徑信息。

進一步的，步驟5的具體實現方式為：路徑規(guī)劃模塊內預先存儲電子地圖，待系統(tǒng)重新計算車流量信息并設定路口紅綠燈通行時間后，路徑規(guī)劃模塊將獲取的車流量和紅綠燈時間加載到電子地圖上，生成顯示道路狀況和通行時間的實時電子地圖，車載gps通過網絡獲取該實時電子地圖，并利用車載gps原有算法規(guī)劃路徑。

本發(fā)明的有益效果是：

1、該發(fā)明基于實時的圖像信息獲取車流量的統(tǒng)計數據，并結合時間分配方案重新設定路口紅綠燈的通行時間，還可以將重新設定的路況數據發(fā)送給每一個車載終端并協助車載終端重新規(guī)劃路徑，可以有效優(yōu)化路況，提高車輛通行速度。

2、利用幀差法計算車流量，由于相鄰兩幀間的時間間隔非常短，用前一幀圖像作為當前幀的背景模型具有較好的實時性，其背景不積累，且更新速度快、算法簡單、計算量小。

附圖說明

圖1是本發(fā)明系統(tǒng)的結構原理框圖；

圖2是本發(fā)明方法的流程圖。

具體實施方式

為了使本領域的技術人員能夠更好地理解、實現本發(fā)明，下面通過具體實施例對本發(fā)明進行詳細說明。

如圖1所示，基于云計算的智能交通管理系統(tǒng)，包括若干圖像采集單元、云計算服務器、道路狀態(tài)發(fā)布平臺、交通指示燈，所述的圖像采集單元包括攝像頭、圖像分析模塊和數據存儲模塊，攝像頭用于拍攝路口處的圖像，圖像分析模塊用于識別圖像中的車輛并對車輛進行計數，得出車流量數據；數據存儲模塊對圖像數據和車流量數據進行存儲，并將車流量數據上傳到云計算服務器，云計算服務器根據車流量數據設定交通指示燈。所述的道路狀態(tài)發(fā)布平臺從云計算服務器獲取車流量數據以及設定后交通指示燈的通行時間，并將上述信息發(fā)送至車載gps中。所述的道路狀態(tài)發(fā)布平臺內還設有路徑規(guī)劃模塊，該路徑規(guī)劃模塊與車載gps、道路狀態(tài)發(fā)布平臺進行實時數據交互，并配合車載gps生成實時的最優(yōu)路徑。

基于上述的系統(tǒng)，本發(fā)明還提出了一種基于云計算的智能交通管理方法，如圖2所示，所述的方法包括以下步驟：

步驟1：圖像采集單元獲取各個路口的車流量數據并上傳至云計算服務器，具體過程為：

1)在該路口攝像頭拍攝范圍內的每條車道上設置虛擬檢測區(qū)域；

2)截取該路口監(jiān)測區(qū)域內1s內所有幀的圖像；

3)將任意相鄰幀圖像對應像素值相減得到差分圖像；

4)對差分圖像二值化；

5)標記所有的背景像素和前景像素，具體方法為：如果對應像素值變化小于事先確定的閡值時，則此區(qū)域為背景像素；如果圖像區(qū)域的像素值變化很大，則該區(qū)域標記為前景像素；

6)將所有前景像素相加得到該路口車流量sn，其中n為路口編號。

步驟2：云計算服務器根據主干路整體車流量設置基準通行時間t，具體實現過程為：

1)預設主干路三個通行時間分別為：60s、90s、120s；

2)預設主干路的設計車流量s0；

3)將主干路上所有路口車流量相加，得到主干路總體車流量s；

4)比較主干路總體車流量s和設計車流量s0，設定主干路基準通行時間t，具體標準為：若s≤s0，則t＝120s；若s0<s<2*s0，則t＝90s，若s>2*s0，則t＝60s。

步驟3：根據每個路口的車流量數據，調整并設置每個路口的通行時間，具體實現步驟為：

1)計算每個路口的通行時間tn＝sn*t/s，其中，sn為該路口的實際車流量，t為主干路基準通行時間，s為主干路總體車流量；

2)按照計算出的通行時間重新設定每個路口的紅綠燈。

進一步的，所述的方法還包括：

步驟4：車流量數據和各個路口通行時間發(fā)送至車載gps。

步驟5：利用路徑規(guī)劃模塊和車載gps生成最新路徑信息，具體實現方式為：路徑規(guī)劃模塊內預先存儲電子地圖，待系統(tǒng)重新計算車流量信息并設定路口紅綠燈通行時間后，路徑規(guī)劃模塊將獲取的車流量和紅綠燈時間加載到電子地圖上，生成顯示道路狀況和通行時間的實時電子地圖，車載gps通過網絡獲取該實時電子地圖，并利用車載gps原有算法規(guī)劃路徑。

盡管說明書及附圖和實施例對本發(fā)明創(chuàng)造已進行了詳細的說明，但是，本領域技術人員應當理解，仍然可以對本發(fā)明創(chuàng)造進行修改或者等同替換；而一切不脫離本發(fā)明創(chuàng)造的精神和范圍的技術方案及其改進，其均涵蓋在本發(fā)明創(chuàng)造專利的保護范圍當中。