本(ben)發明涉及智能調(diao)控(kong)領域，尤(you)其涉及基于深度學習的交通信號燈智能調(diao)控(kong)方法及系統。

背景技術：

1、現代城市(shi)中，交(jiao)通(tong)信(xin)(xin)號燈(deng)(deng)繁多(duo)，交(jiao)通(tong)信(xin)(xin)號燈(deng)(deng)安裝在(zai)各個(ge)路(lu)口，每(mei)個(ge)路(lu)口的(de)(de)(de)(de)車流(liu)量大(da)小不(bu)一，且隨著(zhu)時間(jian)段的(de)(de)(de)(de)變化而變化。現有的(de)(de)(de)(de)交(jiao)通(tong)信(xin)(xin)號燈(deng)(deng)在(zai)使(shi)用時，常常出現一種狀(zhuang)態，在(zai)車流(liu)量少(shao)的(de)(de)(de)(de)時段，交(jiao)通(tong)信(xin)(xin)號燈(deng)(deng)的(de)(de)(de)(de)綠(lv)燈(deng)(deng)時長(chang)(chang)(chang)保持和車流(liu)量高峰(feng)時一樣長(chang)(chang)(chang)，行(xing)人通(tong)過(guo)時需等待的(de)(de)(de)(de)紅(hong)燈(deng)(deng)時長(chang)(chang)(chang)很長(chang)(chang)(chang)，行(xing)人通(tong)過(guo)很不(bu)方(fang)便。同時也存(cun)在(zai)另(ling)一問(wen)題，在(zai)車流(liu)量高峰(feng)期(qi)，汽車通(tong)過(guo)時綠(lv)燈(deng)(deng)的(de)(de)(de)(de)時長(chang)(chang)(chang)短，單次綠(lv)燈(deng)(deng)時間(jian)內通(tong)過(guo)汽車的(de)(de)(de)(de)輛數少(shao)，容(rong)易造成堵車，因此需要在(zai)不(bu)同時間(jian)段對交(jiao)通(tong)信(xin)(xin)號燈(deng)(deng)紅(hong)綠(lv)燈(deng)(deng)點亮時長(chang)(chang)(chang)進(jin)行(xing)調(diao)節，使(shi)行(xing)人及汽車更方(fang)便通(tong)行(xing)。

2、中國專利授權公告號：cn116363876b公開(kai)了一種(zhong)基于(yu)(yu)自(zi)旋(xuan)(xuan)玻璃模(mo)(mo)型(xing)的(de)(de)(de)智能(neng)(neng)(neng)(neng)交(jiao)(jiao)通(tong)信(xin)號燈(deng)調(diao)(diao)控(kong)方法(fa)及系統，屬于(yu)(yu)計算(suan)(suan)機智能(neng)(neng)(neng)(neng)交(jiao)(jiao)通(tong)控(kong)制技術(shu)領域，經過高德、百度等(deng)地圖(tu)測繪企業提供的(de)(de)(de)道路(lu)流(liu)量數(shu)據，結(jie)合(he)實(shi)(shi)際(ji)道路(lu)交(jiao)(jiao)叉口的(de)(de)(de)監控(kong)圖(tu)像數(shu)據等(deng)，獲得道路(lu)的(de)(de)(de)實(shi)(shi)時交(jiao)(jiao)通(tong)流(liu)量信(xin)息；根據實(shi)(shi)際(ji)道路(lu)的(de)(de)(de)拓撲連接結(jie)構推算(suan)(suan)當前時刻的(de)(de)(de)車流(liu)轉向概率等(deng)信(xin)息，從(cong)而構建實(shi)(shi)時的(de)(de)(de)城(cheng)市(shi)交(jiao)(jiao)通(tong)流(liu)量模(mo)(mo)型(xing)，并(bing)通(tong)過數(shu)學等(deng)價運算(suan)(suan)可(ke)使其與經典自(zi)旋(xuan)(xuan)玻璃模(mo)(mo)型(xing)相(xiang)對(dui)應。基于(yu)(yu)上(shang)述模(mo)(mo)型(xing)，結(jie)合(he)模(mo)(mo)擬(ni)退火算(suan)(suan)法(fa)和模(mo)(mo)擬(ni)分支算(suan)(suan)法(fa)等(deng)全局優化算(suan)(suan)法(fa)，從(cong)而實(shi)(shi)現對(dui)全局交(jiao)(jiao)通(tong)燈(deng)的(de)(de)(de)智能(neng)(neng)(neng)(neng)動態調(diao)(diao)控(kong)，盡可(ke)能(neng)(neng)(neng)(neng)減(jian)少道路(lu)擁堵以提升城(cheng)市(shi)現有道路(lu)的(de)(de)(de)通(tong)勤效率。該算(suan)(suan)法(fa)的(de)(de)(de)部署(shu)能(neng)(neng)(neng)(neng)有效提升城(cheng)市(shi)交(jiao)(jiao)通(tong)信(xin)號燈(deng)對(dui)不同交(jiao)(jiao)通(tong)模(mo)(mo)式的(de)(de)(de)動態調(diao)(diao)整能(neng)(neng)(neng)(neng)力，從(cong)而提升了城(cheng)市(shi)路(lu)網利用(yong)率，減(jian)少擁堵的(de)(de)(de)發生。

3、中國(guo)專利(li)授權公(gong)告號(hao)(hao)：cn110164152b公(gong)開了一種(zhong)用于單交(jiao)叉路(lu)口交(jiao)通(tong)(tong)信號(hao)(hao)燈(deng)(deng)控(kong)制(zhi)系統，包括圖像采集模(mo)(mo)塊(kuai)、車流(liu)量檢測模(mo)(mo)塊(kuai)、車速檢測模(mo)(mo)塊(kuai)、智(zhi)能調控(kong)模(mo)(mo)塊(kuai)和信號(hao)(hao)燈(deng)(deng)控(kong)制(zhi)模(mo)(mo)塊(kuai)。該發明(ming)利(li)用機器視覺(jue)技術實時獲(huo)取路(lu)口交(jiao)通(tong)(tong)流(liu)信息，結合模(mo)(mo)糊神經網(wang)絡算法對路(lu)口各個方向(xiang)的交(jiao)通(tong)(tong)燈(deng)(deng)進行(xing)(xing)智(zhi)能調控(kong)，根據路(lu)口車流(liu)量的狀況(kuang)，合理分配通(tong)(tong)行(xing)(xing)時長(chang)，車流(liu)量較(jiao)多(duo)時分配較(jiao)多(duo)的通(tong)(tong)行(xing)(xing)時長(chang)，車流(liu)量較(jiao)少(shao)時分配較(jiao)少(shao)時長(chang)，盡快(kuai)切換相位(wei)，使其他相位(wei)獲(huo)得通(tong)(tong)行(xing)(xing)權，提高通(tong)(tong)行(xing)(xing)效率。

4、但是，上述(shu)方法(fa)存(cun)在以下問題：無法(fa)實時對(dui)交通(tong)信號燈進行(xing)智能化調控、運(yun)作效率低。

技術實現思路

1、為(wei)此，本(ben)發(fa)明提(ti)供基于深度學(xue)習(xi)的(de)交(jiao)通信(xin)號燈(deng)智(zhi)能調控方法及系統，用以克(ke)服現(xian)有(you)技術中(zhong)無法實時對交(jiao)通信(xin)號燈(deng)進行智(zhi)能化調控、運(yun)作(zuo)效率低的(de)問題。

2、為實現(xian)上述(shu)目的(de)，本發明提供(gong)基于深度學(xue)習的(de)交通信號燈智能調控系統，包括：

3、若(ruo)干采集模塊，其用以拍攝若(ruo)干交通(tong)信號燈(deng)各個方向(xiang)的進(jin)道口的車輛圖像；

4、計算模塊(kuai)，其(qi)與若干所述采集模塊(kuai)相連(lian)，用以預處理所述車(che)輛(liang)圖像(xiang)，生(sheng)成(cheng)對應的預處理數(shu)據；

5、學習(xi)模塊，其與所述(shu)計算模塊相連，用以選取所述(shu)預處理數(shu)據的若干指標特征(zheng)進行學習(xi)，并生成(cheng)對(dui)應的車況圖；

6、調(diao)整(zheng)(zheng)模塊(kuai)(kuai)，其與(yu)所(suo)述(shu)(shu)學(xue)習(xi)模塊(kuai)(kuai)相(xiang)連，用以根(gen)據所(suo)述(shu)(shu)學(xue)習(xi)模塊(kuai)(kuai)的(de)學(xue)習(xi)結果，確定(ding)所(suo)述(shu)(shu)交通信(xin)號燈(deng)的(de)優先(xian)(xian)級，并根(gen)據優先(xian)(xian)級確定(ding)所(suo)述(shu)(shu)交通信(xin)號燈(deng)的(de)調(diao)整(zheng)(zheng)順序，按照(zhao)所(suo)述(shu)(shu)調(diao)整(zheng)(zheng)順序調(diao)整(zheng)(zheng)若干所(suo)述(shu)(shu)交通信(xin)號燈(deng)；

7、其中，所述(shu)預處理數據包括所述(shu)車輛(liang)圖(tu)像中的車輛(liang)數量和經(jing)過時間(jian)；

8、所(suo)述(shu)學(xue)習模塊中設有車(che)況學(xue)習模型，用以根(gen)(gen)據所(suo)述(shu)預(yu)處(chu)理數據進行(xing)擬合，并(bing)生成采(cai)樣率(lv)(lv)為標準采(cai)樣率(lv)(lv)的若干(gan)數據，根(gen)(gen)據對應的指標特征生成對應的車(che)況圖。

9、進一(yi)步地(di)，所述采集模塊，包括：

10、攝(she)(she)像(xiang)頭，其用以對所(suo)述車輛圖像(xiang)進(jin)行拍攝(she)(she)，

11、其中，所述攝(she)像頭(tou)中設有(you)間隔時長(chang)，用以控制所述攝(she)像頭(tou)每隔所述間隔時長(chang)對(dui)所述車輛(liang)圖像進行拍攝(she)；

12、存(cun)儲器，其與所述攝像(xiang)頭相連，用以儲存(cun)若干所述車輛圖像(xiang)；

13、傳(chuan)送器(qi)，其與所述(shu)(shu)存儲器(qi)相連，用以將若干所述(shu)(shu)車輛(liang)圖像傳(chuan)入所述(shu)(shu)計算模塊。

14、進(jin)一(yi)步地，所(suo)述計算模塊，包括：

15、數量(liang)監測(ce)儀，其用以(yi)根據所述車輛圖像監測(ce)車輛的等(deng)候數量(liang)和滯留數量(liang)；

16、時間(jian)監測儀，其用以根據(ju)所述車輛圖(tu)像(xiang)監測相鄰綠燈(deng)與紅燈(deng)之(zhi)間(jian)的通過(guo)時長(chang)；

17、預(yu)(yu)處理(li)器，其與(yu)所(suo)述(shu)(shu)數(shu)量監測儀和所(suo)述(shu)(shu)時間監測儀相(xiang)連，用以將所(suo)述(shu)(shu)等候數(shu)量、所(suo)述(shu)(shu)滯留(liu)數(shu)量和所(suo)述(shu)(shu)通過時長進行過濾，得(de)到所(suo)述(shu)(shu)預(yu)(yu)處理(li)數(shu)據；

18、其中，所(suo)述預(yu)處理數據中包含通行數量和通行速(su)率；

19、所(suo)(suo)述(shu)通(tong)行(xing)數量為所(suo)(suo)述(shu)等候數量與(yu)所(suo)(suo)述(shu)滯(zhi)留(liu)數量的差值(zhi)，所(suo)(suo)述(shu)通(tong)行(xing)速率為所(suo)(suo)述(shu)通(tong)行(xing)數量與(yu)所(suo)(suo)述(shu)通(tong)過時長的商；

20、所述等候(hou)(hou)數量為綠燈(deng)開(kai)始(shi)時(shi)，該(gai)交通信號燈(deng)在紅燈(deng)期間積壓的(de)等候(hou)(hou)車輛的(de)排隊長度；

21、所述滯(zhi)留(liu)數量為(wei)紅燈開(kai)始時，該交通信號燈在綠(lv)燈過后，滯(zhi)留(liu)的(de)等候車輛的(de)排隊長度。

22、進一步(bu)地，所述學習模(mo)塊，包括：

23、數量(liang)處(chu)理器，其用以對(dui)(dui)所述通行(xing)數量(liang)進行(xing)學習，并生(sheng)成(cheng)對(dui)(dui)應的數量(liang)數據；

24、速(su)率(lv)處理器，其用以對(dui)所(suo)述通(tong)行速(su)率(lv)進行學(xue)習，并(bing)生(sheng)成對(dui)應的速(su)率(lv)數據(ju)；

25、其中，所(suo)(suo)述(shu)數(shu)量(liang)處(chu)理器(qi)設有(you)數(shu)量(liang)閾(yu)(yu)值(zhi)(zhi)，所(suo)(suo)述(shu)速率處(chu)理器(qi)設有(you)速率閾(yu)(yu)值(zhi)(zhi)，所(suo)(suo)述(shu)數(shu)量(liang)閾(yu)(yu)值(zhi)(zhi)為(wei)(wei)等候數(shu)量(liang)與(yu)(yu)滯留數(shu)量(liang)差值(zhi)(zhi)的(de)(de)最大標準，所(suo)(suo)述(shu)速率閾(yu)(yu)值(zhi)(zhi)為(wei)(wei)通行(xing)數(shu)量(liang)與(yu)(yu)通過(guo)時長的(de)(de)商的(de)(de)最低標準。

26、進(jin)一步地，若(ruo)干所(suo)述(shu)(shu)(shu)攝像頭對所(suo)述(shu)(shu)(shu)車輛(liang)圖像進(jin)行(xing)拍攝，所(suo)述(shu)(shu)(shu)存儲(chu)器存儲(chu)若(ruo)干所(suo)述(shu)(shu)(shu)車輛(liang)圖像，并(bing)通過所(suo)述(shu)(shu)(shu)傳(chuan)送器傳(chuan)入所(suo)述(shu)(shu)(shu)計算(suan)模塊，所(suo)述(shu)(shu)(shu)計算(suan)模塊中對所(suo)述(shu)(shu)(shu)等候數量(liang)(liang)、所(suo)述(shu)(shu)(shu)滯留數量(liang)(liang)和所(suo)述(shu)(shu)(shu)通過時長進(jin)行(xing)監測(ce)并(bing)記錄(lu)，并(bing)生成對應的預處理數據，

27、其中(zhong)，所(suo)(suo)述(shu)(shu)數(shu)量(liang)監(jian)測(ce)儀和所(suo)(suo)述(shu)(shu)時(shi)間監(jian)測(ce)儀中(zhong)設有(you)車(che)輛監(jian)測(ce)模型，用以(yi)監(jian)測(ce)和計算所(suo)(suo)述(shu)(shu)車(che)輛圖像中(zhong)的所(suo)(suo)述(shu)(shu)等候數(shu)量(liang)、所(suo)(suo)述(shu)(shu)滯留數(shu)量(liang)和所(suo)(suo)述(shu)(shu)通過時(shi)長。

28、進一步地，所(suo)(suo)述(shu)(shu)數(shu)(shu)量(liang)(liang)處理器(qi)中的所(suo)(suo)述(shu)(shu)車況(kuang)學(xue)習(xi)模型對(dui)所(suo)(suo)述(shu)(shu)通行(xing)數(shu)(shu)量(liang)(liang)進行(xing)學(xue)習(xi)，若(ruo)所(suo)(suo)述(shu)(shu)數(shu)(shu)量(liang)(liang)數(shu)(shu)據高于所(suo)(suo)述(shu)(shu)數(shu)(shu)量(liang)(liang)閾(yu)值，則(ze)所(suo)(suo)述(shu)(shu)調(diao)整模塊(kuai)不(bu)對(dui)該交(jiao)通信號燈做調(diao)整。

29、進一步(bu)地，若所(suo)(suo)(suo)(suo)述(shu)(shu)數(shu)(shu)量(liang)數(shu)(shu)據低于所(suo)(suo)(suo)(suo)述(shu)(shu)數(shu)(shu)量(liang)閾值，則所(suo)(suo)(suo)(suo)述(shu)(shu)調(diao)(diao)整(zheng)模塊對所(suo)(suo)(suo)(suo)述(shu)(shu)交通信(xin)號燈(deng)做時間調(diao)(diao)整(zheng)，按照所(suo)(suo)(suo)(suo)述(shu)(shu)通行數(shu)(shu)量(liang)確(que)定(ding)若干(gan)所(suo)(suo)(suo)(suo)述(shu)(shu)交通信(xin)號燈(deng)的(de)優(you)先級(ji)，并根據所(suo)(suo)(suo)(suo)述(shu)(shu)優(you)先級(ji)確(que)定(ding)所(suo)(suo)(suo)(suo)述(shu)(shu)交通信(xin)號燈(deng)的(de)調(diao)(diao)整(zheng)順(shun)序(xu)，按照所(suo)(suo)(suo)(suo)述(shu)(shu)調(diao)(diao)整(zheng)順(shun)序(xu)調(diao)(diao)整(zheng)若干(gan)所(suo)(suo)(suo)(suo)述(shu)(shu)交通信(xin)號燈(deng)綠燈(deng)時間。

30、進(jin)一步(bu)地，所述(shu)(shu)時間調整之后，所述(shu)(shu)采集模(mo)(mo)塊再次對所述(shu)(shu)車輛圖(tu)像進(jin)行拍攝(she)，并將對應的所述(shu)(shu)預處理(li)數據傳入所述(shu)(shu)速率(lv)處理(li)器(qi)，所述(shu)(shu)車況學習模(mo)(mo)型(xing)對所述(shu)(shu)預處理(li)數據進(jin)行學習。

31、進一步地，所(suo)(suo)(suo)(suo)(suo)(suo)述(shu)(shu)速(su)(su)(su)率(lv)數據(ju)(ju)高于(yu)所(suo)(suo)(suo)(suo)(suo)(suo)述(shu)(shu)速(su)(su)(su)率(lv)閾值(zhi)時(shi)，所(suo)(suo)(suo)(suo)(suo)(suo)述(shu)(shu)調(diao)(diao)整(zheng)模(mo)塊(kuai)不(bu)對該(gai)交(jiao)通(tong)信(xin)號(hao)燈(deng)(deng)(deng)做調(diao)(diao)整(zheng)，所(suo)(suo)(suo)(suo)(suo)(suo)述(shu)(shu)速(su)(su)(su)率(lv)數據(ju)(ju)低于(yu)所(suo)(suo)(suo)(suo)(suo)(suo)述(shu)(shu)速(su)(su)(su)率(lv)閾值(zhi)時(shi)，所(suo)(suo)(suo)(suo)(suo)(suo)述(shu)(shu)調(diao)(diao)整(zheng)模(mo)塊(kuai)對該(gai)交(jiao)通(tong)信(xin)號(hao)燈(deng)(deng)(deng)做二次時(shi)間調(diao)(diao)整(zheng)，按(an)照(zhao)所(suo)(suo)(suo)(suo)(suo)(suo)述(shu)(shu)通(tong)行速(su)(su)(su)率(lv)再(zai)次確定(ding)若(ruo)干所(suo)(suo)(suo)(suo)(suo)(suo)述(shu)(shu)交(jiao)通(tong)信(xin)號(hao)燈(deng)(deng)(deng)的(de)優先級，并根據(ju)(ju)新的(de)所(suo)(suo)(suo)(suo)(suo)(suo)述(shu)(shu)優先級確定(ding)所(suo)(suo)(suo)(suo)(suo)(suo)述(shu)(shu)交(jiao)通(tong)信(xin)號(hao)燈(deng)(deng)(deng)的(de)調(diao)(diao)整(zheng)順(shun)(shun)序(xu)，按(an)照(zhao)所(suo)(suo)(suo)(suo)(suo)(suo)述(shu)(shu)調(diao)(diao)整(zheng)順(shun)(shun)序(xu)再(zai)次調(diao)(diao)整(zheng)若(ruo)干所(suo)(suo)(suo)(suo)(suo)(suo)述(shu)(shu)交(jiao)通(tong)信(xin)號(hao)燈(deng)(deng)(deng)綠燈(deng)(deng)(deng)時(shi)間。

32、另(ling)一(yi)方面，本(ben)發(fa)明提供基于(yu)深度學習的交通信號燈(deng)智能調(diao)控方法，包括：

33、根據交通信號(hao)燈的通行(xing)數量和通行(xing)速率確定若(ruo)干(gan)所述交通信號(hao)燈的優(you)先(xian)級；

34、根(gen)據優先級確(que)定所述交通信號燈的(de)調整順序；

35、根(gen)據學習模塊的學習結果調整若干所述交(jiao)通信號燈的綠燈時間(jian)。

36、與現有(you)技術(shu)相比，本發明利用(yong)設置若(ruo)干采集模(mo)塊(kuai)，用(yong)以拍攝若(ruo)干交(jiao)(jiao)通(tong)(tong)(tong)信(xin)(xin)號(hao)燈各個(ge)方向(xiang)的(de)(de)(de)進(jin)(jin)道口的(de)(de)(de)車(che)(che)(che)輛圖像，計算模(mo)塊(kuai)，用(yong)以預(yu)處理(li)(li)車(che)(che)(che)輛圖像，生(sheng)成對(dui)應(ying)的(de)(de)(de)預(yu)處理(li)(li)數據(ju)(ju)，學習(xi)(xi)模(mo)塊(kuai)，用(yong)以選取(qu)預(yu)處理(li)(li)數據(ju)(ju)的(de)(de)(de)若(ruo)干指標(biao)特征進(jin)(jin)行學習(xi)(xi)，并生(sheng)成對(dui)應(ying)的(de)(de)(de)車(che)(che)(che)況圖，調(diao)(diao)整模(mo)塊(kuai)，用(yong)以根據(ju)(ju)學習(xi)(xi)模(mo)塊(kuai)的(de)(de)(de)學習(xi)(xi)結果，確定(ding)交(jiao)(jiao)通(tong)(tong)(tong)信(xin)(xin)號(hao)燈的(de)(de)(de)優(you)先(xian)(xian)級，并根據(ju)(ju)優(you)先(xian)(xian)級確定(ding)交(jiao)(jiao)通(tong)(tong)(tong)信(xin)(xin)號(hao)燈的(de)(de)(de)調(diao)(diao)整順序(xu)(xu)，按照調(diao)(diao)整順序(xu)(xu)調(diao)(diao)整若(ruo)干交(jiao)(jiao)通(tong)(tong)(tong)信(xin)(xin)號(hao)燈，利用(yong)車(che)(che)(che)輛檢測模(mo)型和(he)車(che)(che)(che)況學習(xi)(xi)模(mo)型對(dui)車(che)(che)(che)輛通(tong)(tong)(tong)行的(de)(de)(de)數量和(he)速率(lv)(lv)進(jin)(jin)行了(le)(le)可(ke)視化(hua)，能(neng)夠實時監控道路交(jiao)(jiao)叉口的(de)(de)(de)交(jiao)(jiao)通(tong)(tong)(tong)路況，并根據(ju)(ju)當前的(de)(de)(de)交(jiao)(jiao)通(tong)(tong)(tong)路況對(dui)交(jiao)(jiao)通(tong)(tong)(tong)信(xin)(xin)號(hao)燈實時調(diao)(diao)整，有(you)效(xiao)提升了(le)(le)交(jiao)(jiao)通(tong)(tong)(tong)信(xin)(xin)號(hao)燈智能(neng)調(diao)(diao)控的(de)(de)(de)運作效(xiao)率(lv)(lv)，避免(mian)了(le)(le)車(che)(che)(che)輛積壓造成的(de)(de)(de)道路擁堵，進(jin)(jin)一步提高了(le)(le)行車(che)(che)(che)效(xiao)率(lv)(lv)。

37、進一步地(di)，通過在(zai)所述采集模塊中設置(zhi)間隔(ge)時長，可以保證(zheng)對交通信(xin)號(hao)燈的(de)實(shi)時調(diao)(diao)控(kong)，提高了對交通信(xin)號(hao)燈的(de)調(diao)(diao)控(kong)效率(lv)。

38、進(jin)一步地，通過(guo)在(zai)計算模塊中對(dui)等候數量(liang)、滯留數量(liang)和通過(guo)時長(chang)進(jin)行過(guo)濾，得(de)到預處理(li)(li)數據(ju)，消(xiao)除了深度學習(xi)(xi)中學習(xi)(xi)結果(guo)因預處理(li)(li)數據(ju)處理(li)(li)錯誤而產生的誤差，使(shi)學習(xi)(xi)結果(guo)更加準確。

39、進(jin)一步地，通(tong)過在學習模塊中(zhong)設置(zhi)數量閾(yu)值和速(su)率閾(yu)值，實現了(le)對交(jiao)通(tong)信號燈運作情(qing)況的篩選，便于根(gen)據當(dang)前交(jiao)通(tong)路況對交(jiao)通(tong)信號燈進(jin)行實時調(diao)整。

40、進一步(bu)地(di)，通過(guo)設(she)置車輛(liang)監(jian)測模型，實現了(le)對等候數量、滯留(liu)數量和通過(guo)時(shi)長(chang)的快(kuai)速計算，進一步(bu)提高了(le)行車效率。

41、進(jin)一步地(di)，通(tong)(tong)過設置車(che)(che)況(kuang)學習(xi)模型，對(dui)車(che)(che)輛通(tong)(tong)行的(de)數量和速率進(jin)行了可視化，有(you)效(xiao)提升了交通(tong)(tong)信號燈(deng)智能調控的(de)運(yun)作效(xiao)率，避免了車(che)(che)輛積壓造成的(de)道路擁堵。

42、進(jin)一(yi)步(bu)地，通(tong)過對交(jiao)通(tong)信(xin)(xin)號燈(deng)進(jin)行時間(jian)調(diao)(diao)整(zheng)和二次時間(jian)調(diao)(diao)整(zheng)，有(you)效(xiao)對交(jiao)通(tong)信(xin)(xin)號燈(deng)的(de)信(xin)(xin)號時間(jian)進(jin)行了調(diao)(diao)控，降低(di)了對于交(jiao)通(tong)信(xin)(xin)號燈(deng)調(diao)(diao)控的(de)復雜程度。