一种红绿灯调控系统、方法、终端设备和存储介质

1.本发明涉及计算机视觉与控制技术领域，尤其涉及一种红绿灯调控系统、方法、终端设备和存储介质。


背景技术：

2.目前，城市交通路口红绿灯对路口车辆数量的调度还有待完善，比如：在车流量小的一些路口，时常会出现绿灯方向无车通过，而红灯方向却有车等待的现象，存在人性化不足的问题，因此，现有技术中，一般的智慧城市解决方案是通过在路口安装雷达、摄像头等装置，将画面等数据发送到城市中心的集群服务器进行处理，监测路口的行车数量、车距、车速及行人数量，动态调整红绿灯时长。
3.但是，现有技术的红绿灯系统依赖城市中心的集群服务器进行计算与调度，而建设大规模集群服务器对于国内三四线城市而言成本较高，且智慧城市设备的部署较为复杂，需要分配大量人力资源进行设备安装与调试工作。
4.因此，现有技术还有待改进和提高。


技术实现要素：

5.本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种红绿灯调控系统、方法、终端设备和存储介质，旨在解决现有技术中红绿灯系统依赖城市中心的集群服务器进行计算与调度，而建设大规模集群服务器对于国内三四线城市而言成本较高，且智慧城市设备的部署较为复杂，需要分配大量人力资源进行设备安装与调试工作的问题。
6.为了解决上述技术问题，本发明所采用的技术方案如下：
7.第一方面，本发明提供一种红绿灯调控系统，其中，所述系统包括：
8.盒体；
9.信息采集模块，所述信息采集模块包括四个摄像头，所述信息采集模块用于根据所述四个摄像头采集四向马路的影像信息；
10.数据处理模块，所述数据处理模块用于分析采集到的影像信息，以计算当前马路的交通繁忙程度；
11.控制模块，所述控制模块用于接收所述交通繁忙程度的数据，并发送调控指令至预设的红绿灯装置，以根据所述交通繁忙程度对所述红绿灯装置的红绿灯时长进行调控；
12.以及设备供电模块；其中，所述信息采集模块、所述数据处理模块、所述控制模块和所述设备供电模块均位于所述盒体上。
13.在一种实现方式中，所述盒体的四个侧面均设有一个孔，所述四个摄像头通过所述盒体在各个侧面的孔分别安装于所述盒体的四个侧面。
14.在一种实现方式中，所述盒体的内部安装有一块nvidia jetson开发板，所述nvidia jetson开发板是所述数据处理模块的计算核心组件，用于获取所述影像信息中的视频流数据进行边缘计算。
15.在一种实现方式中，所述盒体的顶部连接有太阳能板支架，所述太阳能板支架上用于安装蓄电池与太阳能板。
16.第二方面，本发明实施例还提供一种红绿灯调控方法，其中，所述方法包括：
17.获取所述四个摄像头在当前时刻采集到的影像信息，根据所述影像信息确定当前车辆数量；
18.将所述当前车辆数量输入至预设的神经网络，以获得当前时刻的交通繁忙程度；
19.根据所述交通繁忙程度对当前时刻的红绿灯时长进行调控。
20.在一种实现方式中，所述获取所述四个摄像头在当前时刻采集到的影像信息，根据所述影像信息确定当前车辆数量，包括：
21.获取所述影像信息中的图像并对所述图像作预处理，根据预处理的图像确定所述图像中的车道分割线以及车道的像素范围；
22.根据所述车道分割线以及车道的像素范围确定当前车辆数量。
23.在一种实现方式中，所述红绿灯调控方法还包括：
24.获取所述四个摄像头在一周内各个时间段采集到的影像信息，根据所述影像信息确定各个时间段的车辆数量；
25.将所述一周内各个时间段的车辆数量输入至预设的神经网络，以获得一周内各个时间段的车流量数据；
26.基于所述车流量数据，预先对各个时间段的红绿灯时长进行分配。
27.在一种实现方式中，所述红绿灯调控方法还包括：
28.实时监控所述一周内各个时间段采集到的影像信息，并对所述一周内各个时间段采集到的影像信息进行更新；
29.根据更新后的所述影像信息所确定的车流量数据，对各个时间段的红绿灯时长进行分配。
30.第三方面，本发明实施例还提供一种终端设备，其中，所述终端设备包括存储器、处理器及存储在存储器中并可在处理器上运行的红绿灯调控方法程序，处理器执行红绿灯调控方法程序时，实现上述方案中任一项的红绿灯调控方法的步骤。
31.第四方面，本发明实施例还提供一种计算机可读存储介质，其中，计算机可读存储介质上存储有红绿灯调控方法程序，所述红绿灯调控方法程序被处理器执行时，实现上述方案中任一项所述的红绿灯调控方法的步骤。
32.有益效果：与现有技术相比，本发明公开了一种红绿灯调控系统、方法、终端设备和存储介质，所述系统包括：盒体；信息采集模块，所述信息采集模块包括四个摄像头，所述信息采集模块用于根据所述四个摄像头采集四向马路的影像信息；数据处理模块，所述数据处理模块用于分析采集到的影像信息，以计算当前马路的交通繁忙程度；控制模块，所述控制模块用于接收所述交通繁忙程度的数据，并发送调控指令至预设的红绿灯装置，以根据所述交通繁忙程度对所述红绿灯装置的红绿灯时长进行调控；以及设备供电模块；其中，所述信息采集模块、所述数据处理模块、所述控制模块和所述设备供电模块均位于所述盒体上。本发明结合了神经网络计算机视觉的相关技术来完善城市红绿灯调度机制、构建智能红绿灯系统，可以实现动态地调控交通灯的信号，以减少交通信号灯的空放时间，从而提高了三四线城市路口红绿灯调度的合理性与灵活性，提高了车辆的通行率。
附图说明
33.图1为本发明实施例提供的红绿灯调控系统的功能原理图。
34.图2为本发明实施例提供的红绿灯调控系统的基本组件的爆炸视图。
35.图3为本发明实施例提供的红绿灯调控系统的盒体内部示意图。
36.图4为本发明实施例提供的盒体安装太阳能板支架的视图。
37.图5为本发明实施例提供的盒体安装太阳能板的顶部视图。
38.图6为本发明实施例提供的盒体安装太阳能板的底部视图。
39.图7为本发明实施例提供的红绿灯调控方法的具体实施方式的流程图。
40.图8为本发明实施例提供的最优红绿灯时长的算法逻辑图。
41.图9为本发明实施例提供的车辆数量的算法逻辑图。
42.图10为本发明实施例提供的终端设备的原理框图。
具体实施方式
43.为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。
44.本领域技术人员应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
45.本实施例提供一种红绿灯调控系统，具体地，本实施例的红绿灯调控系统包括：盒体；信息采集模块，所述信息采集模块包括四个摄像头，所述信息采集模块用于根据所述四个摄像头采集四向马路的影像信息；数据处理模块，所述数据处理模块用于分析采集到的影像信息，以计算当前马路的交通繁忙程度；控制模块，所述控制模块用于接收所述交通繁忙程度的数据，并发送调控指令至预设的红绿灯装置，以根据所述交通繁忙程度对所述红绿灯装置的红绿灯时长进行调控；以及设备供电模块；其中，所述信息采集模块、所述数据处理模块、所述控制模块和所述设备供电模块均位于所述盒体上。本实施例结合了神经网络计算机视觉的相关技术来完善城市红绿灯调度机制、构建智能红绿灯系统，可以实现动态地调控交通灯的信号，以减少交通信号灯的空放时间，从而提高了三四线城市路口红绿灯调度的合理性与灵活性，提高了车辆的通行率。
46.举例说明，本实施例提供的红绿灯调控系统包括盒体、信息采集模块、数据处理模块、控制模块和设备供电模块，在数据处理模块中，能够分析采集到的影像信息、计算当前马路的交通繁忙程度；在控制模块中，能够接收所述交通繁忙程度的数据并发送调控指令至预设的红绿灯装置，以根据所述交通繁忙程度对所述红绿灯装置的红绿灯时长进行调控，可见，当信息采集模块采集到马路的影像信息时，只需要通过本实施例的红绿灯调控系统的数据处理模块和控制模块就能够实现对所述马路的影像信息进行计算与调度，从而降
低了现有技术中红绿灯系统依赖城市中心的集群服务器进行计算与调度的大规模部署成本，此外，本实施例的数据处理模块还结合了神经网络计算机视觉的相关技术，比如，根据当前车辆数量获得当前时刻的交通繁忙程度等，从而实现动态地调控交通灯的信号，提高车辆的通行率。
47.示例性装置
48.如图1中所示，本实施例提供的红绿灯调控系统包括：盒体；
49.信息采集模块10，所述信息采集模块包括四个摄像头，所述信息采集模块用于根据所述四个摄像头采集四向马路的影像信息；
50.数据处理模块20，所述数据处理模块用于分析采集到的影像信息，以计算当前马路的交通繁忙程度；
51.控制模块30，所述控制模块用于接收所述交通繁忙程度的数据，并发送调控指令至预设的红绿灯装置，以根据所述交通繁忙程度对所述红绿灯装置的红绿灯时长进行调控；
52.以及设备供电模块40；其中，所述信息采集模块10、所述数据处理模块20、所述控制模块30和所述设备供电模块40均位于所述盒体上。
53.具体地，如图2中红绿灯调控系统的基本组件的爆炸视图所示，本实施例的红绿灯调控系统中，包括的基本组件有：盒体1、nvidia jetson开发板2、摄像头3、太阳能板支架4和太阳能板5。
54.进一步地，如图3中红绿灯调控系统的盒体内部示意图所示，盒体1的四个侧面均设有一个孔，四个摄像头3通过所述盒体1在各个侧面的孔分别安装于所述盒体的四个侧面，nvidia jetson开发板2安装在所述盒体1的内部，太阳能板支架4安装于所述盒体1的顶部，太阳能板5安装于所述太阳能板支架4的顶部。盒体1为本实施例的红绿灯调控系统提供一个组装的环境空间，并承接了信息采集模块10、数据处理模块20、控制模块30、以及设备供电模块40之间的连接。
55.在本实施例的一种实现方式中，本实施例的信息采集模块10包括：四个摄像头3，所述四个摄像头3用于采集四向马路的影像信息，所述信息采集模块用于根据所述四个摄像头采集四向马路的影像信息。其中，如图4中盒体安装太阳能板支架的视图所示，四个摄像头通过所述盒体在各个侧面的孔分别安装于所述盒体的四个侧面，通过在盒体1的侧面开孔，方便了摄像头3的安装。
56.进一步地，本实施例提供的红绿灯调控系统应当安装在十字路口的中间位置，因此，安装于所述盒体1的四个侧面的四个摄像头3正好可以采集到这个十字路口分别在四个方向上的影像信息。优选地，所述影像信息可以通过记录到的某一时间段的视频的方式进行保存，也可以通过截取到的某一时刻的图片的方式进行保存，其中，影像信息应当具备时间、地点以及事物等要素信息，通过该影像信息应当能够具体的确定影像上的车辆数量。
57.在本实施例的一种实现方式中，如图3中所示，本实施例提供的红绿灯调控系统的盒体内部示意图所示，所述盒体中安装有一台支持高速边缘计算的小型计算机，所述小型计算机用于对摄像头采集到的影像信息进行处理并发送调控指令至预设的红绿灯装置中进行红绿灯时长的调控。具体地，所述小型计算机包括数据处理模块20和控制模块30。
58.具体地，本实施例的数据处理模块20用于分析采集到的影像信息，以计算当前马
路的交通繁忙程度。为了实现车辆本地实时检测优化的硬件设计，本方案中选用nvidia公司的jetson系列开发板作为边缘计算的核心组件，nvidia jetson是适用于自主机器和其他嵌入式应用的先进平台，该平台包括jetson模组(外形小巧的高性能计算机)、用于加速软件的nvidia jetpack sdk，以及包含传感器、sdk、服务和产品的生态系统，从而加快开发速度。jetson与其他nvidia平台上使用的相同ai软件和云原生工作流兼容，它以亲民的价格提供出色的性能，并且能够提供客户构建软件定义的自主机器所需的节能性能。具体地，在本实施例中，所述数据处理模块的计算核心组件是一块nvidia jetson开发板2，当信息采集模块采集到四向马路的影像信息后，所述nvidia jetson开发板2用于获取所述影像信息中的视频流数据进行边缘计算，主要表现为通过其高性能将数据实时进行高精度的演算，再将摄像头视频流送到云端服务器，使用服务器对数据进行神经网络推理，以获得当前马路的交通繁忙程度。
59.进一步地，本实施例的控制模块30用于接收所述交通繁忙程度的数据，并发送调控指令至预设的红绿灯装置，以根据所述交通繁忙程度对所述红绿灯装置的红绿灯时长进行调控。本实施例提供一种预设的红绿灯装置，当本实施例的红绿灯调控系统与所述预设的红绿灯装置连接后，就能通过红绿灯调控系统中的控制模块发送调控指令至预设的红绿灯装置，进行红绿灯时长的动态调控。
60.优选地，本实施例的控制模块30发出的调控指令与当前马路的交通繁忙程度相关联，举个例子，若当前马路的交通繁忙程度为拥堵，则所述发出的控制指令控制红绿灯装置的红灯时长缩短、绿灯时长延长；若当前马路的交通繁忙程度为畅通，则所述发出的控制指令控制红绿灯装置的红灯时长延长、绿灯时长缩短，以此实现动态地调控交通灯的信号，减少交通信号灯的空放时间，提高城市路口红绿灯调度的合理性与灵活性，最终提高路口车辆通行率。
61.在本实施例的一种实现方式中，如图5-6所示，本实施例中的设备供电模块40包括有太阳能板支架4、太阳能板5，以及蓄电池等基本组件。
62.更进一步地，本实施例的盒体1的顶部连接有太阳能板支架4，所述太阳能板支架4上用于安装蓄电池与太阳能板5。
63.优选地，当处于太阳光线充足的日间时，本实施例提供的红绿灯调控系统通过所述太阳能板5为所述信息采集模块、所述数据处理模块、所述控制模块以及所述供电设备模块中的蓄电池提供电力；当处于太阳光线不佳的日间或者是处于夜晚时，本实施例提供的红绿灯调控系统通过所述蓄电池为所述信息采集模块、所述数据处理模块、所述控制模块继续提供电力，以此保证了本方案的红绿灯调控系统实现全天24小时的实时检测与调控红绿灯。
64.综上，本实施例提供一种红绿灯调控系统，具体地，本实施例的红绿灯调控系统包括：盒体；信息采集模块，所述信息采集模块包括四个摄像头，所述信息采集模块用于根据所述四个摄像头采集四向马路的影像信息；数据处理模块，所述数据处理模块用于分析采集到的影像信息，以计算当前马路的交通繁忙程度；控制模块，所述控制模块用于接收所述交通繁忙程度的数据，并发送调控指令至预设的红绿灯装置，以根据所述交通繁忙程度对所述红绿灯装置的红绿灯时长进行调控；以及设备供电模块；其中，所述信息采集模块、所述数据处理模块、所述控制模块和所述设备供电模块均位于所述盒体上。本实施例结合了
神经网络计算机视觉的相关技术来完善城市红绿灯调度机制、构建智能红绿灯系统，可以实现动态地调控交通灯的信号，以减少交通信号灯的空放时间，从而提高了三四线城市路口红绿灯调度的合理性与灵活性。因此，本实施例实现了动态地调控红绿灯时长，减少绿灯空放时间，提高了车辆的通行率。
65.示例性方法
66.基于上述实施例，本实施例还提供一种红绿灯调控方法，如图7-9所示，本实施例的红绿灯调控方法可应用于上述实施例的红绿灯调控系统中。如图7中所示，本实施例的红绿灯调控方法,包括如下步骤：
67.步骤a1、获取所述四个摄像头在当前时刻采集到的影像信息，根据所述影像信息确定当前车辆数量。
68.具体地，为了提高城市路口红绿灯调度的合理性，本实施例提供的红绿灯调控方法首先对不同方向的车辆数量进行识别，然后根据各个方向不同的车辆数量分配最优的红绿灯时长，从而达到动态地调控红绿灯的效果。因此，本实施例优先需要获取路口的影像信息，根据影像信息来确定该路口的当前车辆数量，以便在后续过程中通过当前车辆数量对当前时刻的红绿灯时长进行调控。
69.在一种实现方式中，本实施例在获取所述四个摄像头在当前时刻采集到的影像信息，根据所述影像信息确定当前车辆数量时，包括如下步骤：
70.步骤a11、获取所述影像信息中的图像并对所述图像作预处理，根据预处理的图像确定所述图像中的车道分割线以及车道的像素范围；
71.步骤a12、根据所述车道分割线以及车道的像素范围确定当前车辆数量。
72.具体实施过程中，本实施例是通过摄像头采集的影像信息来获取路口的车辆数量信息的。具体如图9所示，当摄像头采集到当前时刻的影像信息后，本实施例会对当前时刻的影像信息进行图像预处理以及车辆识别，再将处理结果和识别结果进行合并，从而获得路口在当前时刻的车辆数量。
73.本实施例中的影像信息通过视频的形式进行存储，在具体分析时，本实施例选取当前视频的某一帧图像画面来进行具体分析，首先，对该帧图像进行预处理，所述预处理过程具体包括：对图像中车道线的识别和分割，将车道划分为左行车道、直行车道和右行车道，通过图像预处理能够消除图像中无关的信息、恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、图像分割、匹配和识别的可靠性。
74.进一步地，根据预处理的图像来确定车道的像素范围，其中，本实施例中车道的像素范围是根据具体情况来设定的，比如，本实施例中图片的像素为1024*768。具体地，车道分割线用于划分驶向不同方向的车辆，将车道划分为左行车道、直行车道和右行车道。本实施例中根据所述车道分割线以及车道的像素范围确定当前车辆数量，将像素范围内的左行车道、直行车道和右行车道的车辆分别进行计数，得到各个车道的当前车辆数量。
75.优选地，本实施例中的载具计数使用的是自研图像车辆计数算法，通过yolo v5算法(又称：目标检测算法)，能够去除神经网络在识别过程中的错误结果，提升算法的鲁棒性。由于此时得到的车辆数量只是采集到的视频中的某一帧图像中的，为了确保当前车辆数量的准确性，本实施例中通过对多帧图像数据进行统计，取其平均车辆数量作为当前时刻的车辆数量。
76.步骤a2、将所述当前车辆数量输入至预设的神经网络，以获得当前时刻的交通繁忙程度。
77.具体实施过程中，本实施例提供一个预设的神经网络，所述神经网络中预先训练有一个交通繁忙程度的标准计算模式，当输入当前车辆数量至该预设的神经网络，则会通过该预设的神经网络输出当前时刻的交通繁忙程度。如图8中所示，本实施例中的推理方法采用的是yolo神经网络推理，将yolo神经网络推理作为目标检测方法，其最大的优势就是速度快、通用性高，且yolo神经网络推理在训练和推理过程中关注整张图像的整体信息，在进行车辆数量识别时带来的背景误检率也低。因此，本实施例中根据当前车辆数量就可以计算当前时刻的交通繁忙程度，从而实现后续过程中的根据交通繁忙程度对当前时刻的红绿灯时长进行调控。
78.步骤a3、根据所述交通繁忙程度对当前时刻的红绿灯时长进行调控。
79.当获得当前时刻的交通繁忙程度后，本实施例的控制模块就会接收所述交通繁忙程度的数据，并发送调控指令至预设的红绿灯装置，以根据所述交通繁忙程度对所述红绿灯装置的红绿灯时长进行调控。具体地，本实施例的所发送的调控指令与当前马路的交通繁忙程度相关联，比如，若当前马路的交通繁忙程度为拥堵，则所述发出的控制指令用于控制红绿灯装置的红灯时长缩短、绿灯时长延长；若当前马路的交通繁忙程度为畅通，则所述发出的控制指令用于控制红绿灯装置的红灯时长延长、绿灯时长缩短，以此实现动态地调控交通灯的信号，减少交通信号灯的空放时间，提高城市路口红绿灯调度的合理性与灵活性，最终提高路口车辆通行率。
80.在一种实现方式中，本实施例的红绿灯调控方法，还包括如下步骤：
81.步骤b1、获取所述四个摄像头在一周内各个时间段采集到的影像信息，根据所述影像信息确定各个时间段的车辆数量。
82.具体实施时，本实施例提供的红绿灯调控方法还包括对一周内各个时间段的车流量数据进行分析，预先对各个时间段的红绿灯时长进行分配。本实施例中摄像头采集到影像信息会存储在信息采集模块中进行保存，本实施例会对所保存的一周内各个时间段的影像信息进行图像预处理以及车辆识别，再将处理结果和识别结果进行合并，从而获得路口在一周内各个时间段的车辆数量。优选地，本实施例中的载具计数使用的是自研图像车辆计数算法，通过yolo v5算法，能够去除神经网络在识别过程中的错误结果，提升算法的鲁棒性。为了确保当前车辆数量的准确性，本实施例中通过对多帧图像数据进行统计，取其一周内各个时间段的车辆数量。
83.步骤b2、将所述一周内各个时间段的车辆数量输入至预设的神经网络，以获得一周内各个时间段的车流量数据。
84.具体实施过程中，当输入一周内各个时间段的车辆数量至本实施例提供的预设的神经网络时，会通过该预设的神经网络输出一周内各个时间段的车流量数据，车流量具体表示为单位时间内通过某路段的车辆，用公式表示：车流量＝通过车辆数/时间，比如，每星期一至星期五的早上7:30-9:30这一时间段，以及星期一至星期五的傍晚17:30-19:30这一时间段，可以高达每分钟20-30辆车辆通过，则说明星期一至星期五的早上7:30-9:30这一时间段，以及星期一至星期五的傍晚17:30-19:30这一时间段的车流量数据都很大；而其他时间段内，几乎每分钟都小于20辆车辆通过，则说明这些时间段的车流量数据较小。进一步
unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
95.在一个实施例中，存储器101可以是电子设备的内部存储单元，例如电子设备的硬盘或内存。存储器101也可以是电子设备的外部存储设备，例如电子设备上配备的插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)等。进一步地，存储器101还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器101用于存储计算机程序以及终端设备所需的其他程序和数据。存储器101还可以用于暂时地存储已经输出或者将要输出的数据。
96.本领域技术人员可以理解，图10中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的终端设备的限定，具体的终端设备以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
97.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、运营数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双运营数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
98.综上，本发明公开了一种红绿灯调控系统、方法、终端设备和存储介质，所述系统包括：盒体；信息采集模块，所述信息采集模块包括四个摄像头，所述信息采集模块用于根据所述四个摄像头采集四向马路的影像信息；数据处理模块，所述数据处理模块用于分析采集到的影像信息，以计算当前马路的交通繁忙程度；控制模块，所述控制模块用于接收所述交通繁忙程度的数据，并发送调控指令至预设的红绿灯装置，以根据所述交通繁忙程度对所述红绿灯装置的红绿灯时长进行调控；以及设备供电模块；其中，所述信息采集模块、所述数据处理模块、所述控制模块和所述设备供电模块均位于所述盒体上。本发明实现了动态地调控红绿灯时长，减少绿灯空放时间，提高了车辆通行率。
99.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

技术特征：
1.一种红绿灯调控系统，其特征在于，所述红绿灯调控系统包括：盒体；信息采集模块，所述信息采集模块包括四个摄像头，所述信息采集模块用于根据所述四个摄像头采集四向马路的影像信息；数据处理模块，所述数据处理模块用于分析采集到的影像信息，以计算当前马路的交通繁忙程度；控制模块，所述控制模块用于接收所述交通繁忙程度的数据，并发送调控指令至预设的红绿灯装置，以根据所述交通繁忙程度对所述红绿灯装置的红绿灯时长进行调控；以及设备供电模块；其中，所述信息采集模块、所述数据处理模块、所述控制模块和所述设备供电模块均位于所述盒体上。2.根据权利要求1所述的红绿灯调控系统，其特征在于，所述盒体的四个侧面均设有一个孔，所述四个摄像头通过所述盒体在各个侧面的孔分别安装于所述盒体的四个侧面。3.根据权利要求1所述的红绿灯调控系统，其特征在于，所述盒体的内部安装有一块nvidia jetson开发板，所述nvidia jetson开发板是所述数据处理模块的计算核心组件，用于获取所述影像信息中的视频流数据进行边缘计算。4.根据权利要求1所述的红绿灯调控系统，其特征在于，所述盒体的顶部连接有太阳能板支架，所述太阳能板支架上用于安装蓄电池与太阳能板。5.一种基于权利要求1-4任一项所述的红绿灯调控系统的红绿灯调控方法，其特征在于，所述方法包括以下步骤：获取所述四个摄像头在当前时刻采集到的影像信息，根据所述影像信息确定当前车辆数量；将所述当前车辆数量输入至预设的神经网络，以获得当前时刻的交通繁忙程度；根据所述交通繁忙程度对当前时刻的红绿灯时长进行调控。6.根据权利要求5所述的红绿灯调控方法，其特征在于，所述获取所述四个摄像头在当前时刻采集到的影像信息，根据所述影像信息确定当前车辆数量，包括：获取所述影像信息中的图像并对所述图像作预处理，根据预处理的图像确定所述图像中的车道分割线以及车道的像素范围；根据所述车道分割线以及车道的像素范围确定当前车辆数量。7.根据权利要求5所述的红绿灯调控方法，其特征在于，所述方法还包括以下步骤：获取所述四个摄像头在一周内各个时间段采集到的影像信息，根据所述影像信息确定各个时间段的车辆数量；将所述一周内各个时间段的车辆数量输入至预设的神经网络，以获得一周内各个时间段的车流量数据；基于所述车流量数据，预先对各个时间段的红绿灯时长进行分配。8.根据权利要求7所述的红绿灯调控方法，其特征在于，所述方法还包括：实时监控所述一周内各个时间段采集到的影像信息，并对所述一周内各个时间段采集到的影像信息进行更新；根据更新后的所述影像信息所确定的车流量数据，对各个时间段的红绿灯时长进行分配。
9.一种终端设备，其特征在于，所述终端设备包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的红绿灯调控方法程序，所述处理器执行红绿灯调控方法程序时，实现如权利要求5-8任一项所述的红绿灯调控方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有红绿灯调控方法程序，所述红绿灯调控方法程序被处理器执行时，实现如权利要求5-8任一项所述的红绿灯调控方法的步骤。

技术总结
本发明公开了一种红绿灯调控系统、方法、终端设备和存储介质，所述系统包括：盒体；信息采集模块，所述信息采集模块包括四个摄像头，所述信息采集模块用于根据所述四个摄像头采集四向马路的影像信息；数据处理模块，所述数据处理模块用于分析采集到的影像信息，以计算当前马路的交通繁忙程度；控制模块，所述控制模块用于接收所述交通繁忙程度的数据，并发送调控指令至预设的红绿灯装置，以根据所述交通繁忙程度对所述红绿灯装置的红绿灯时长进行调控；以及设备供电模块；其中，所述信息采集模块、所述数据处理模块、所述控制模块和所述设备供电模块均位于所述盒体上。本发明实现了动态地调控红绿灯时长，减少绿灯空放时间，提高了车辆通行率。了车辆通行率。了车辆通行率。


技术研发人员：沈小乐 李恒耿 许咏琪 周子杰 范梦婷 曹劲舟
受保护的技术使用者：深圳技术大学
技术研发日：2023.04.11
技术公布日：2023/7/12