信号灯故障监测方法、装置、电子设备及存储介质与流程

本公开涉及计算机技术领域，尤其涉及计算机视觉、智能交通等人工智能技术领域，具体涉及一种信号灯故障监测方法、装置、电子设备及存储介质。

背景技术：

随着道路车辆的逐渐增多，路口的信号灯以及监控设备在现代交通中起着非常重要的作用。但是，信号灯及监控设备故障是比较常见的，如果不及时处理，则可能会造成交通混乱，甚至造成严重的交通事故。因此，如何实时获取信号灯是否发生故障是至关重要的。

技术实现要素：

本公开提供了一种信号灯故障监测方法、装置、电子设备及存储介质。

根据本公开的第一方面，提供了一种信号灯故障监测方法，包括：

获取连续时间段内信号机反馈的信号灯状态信息；

对所述信号灯所在路口的监控设备在所述连续时间段内采集的数据进行解析，以获取在所述连续时间段内所述信号灯的显示状态及路口流量；

根据所述信号灯状态信息、所述信号灯的显示状态及路口流量，确定所述信号灯是否发生故障。

根据本公开的第二方面，提供了一种信号灯故障监测装置，包括：

第一获取模块，用于获取连续时间段内信号机反馈的信号灯状态信息；

第二获取模块，用于对所述信号灯所在路口的监控设备在所述连续时间段内采集的数据进行解析，以获取在所述连续时间段内所述信号灯的显示状态及路口流量；

确定模块，用于根据所述信号灯状态信息、所述信号灯的显示状态及路口流量，确定所述信号灯是否发生故障。

根据本公开的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法。

根据本公开第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如第一方面所述的方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如第一方面所述的方法。

本公开提供的信号灯故障监测方法、装置、电子设备及存储介质，存在如下有益效果：

首先获取连续时间段内信号机反馈的信号灯状态信息，之后对信号灯所在路口的监控设备在连续时间段内采集的数据进行解析，以获取在连续时间段内信号灯的显示状态及路口流量，最后根据信号灯状态信息、信号灯的显示状态及路口流量，确定信号灯是否发生故障。由此，基于多维数据实时获取信号灯是否出现故障，提高了信号灯故障监测的准确性和及时性。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开第一实施例的示意图；

图2是根据本公开第二实施例的示意图；

图3是根据本公开第三实施例的示意图；

图4是根据本公开第四实施例的示意图；

图5是根据本公开第五实施例的示意图；

图6是根据本公开第六实施例的示意图；

图7是根据本公开第七实施例的示意图；

图8是根据本公开第八实施例的示意图；

图9是根据本公开第九实施例的示意图；

图10是用来实现本公开实施例的信号灯故障监测方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

本公开实施例涉及计算机视觉、智能交通等人工智能技术领域。

人工智能(artificialintelligence)，英文缩写为ai。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

计算机视觉，指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。

智能交通，是将先进的科学技术(信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等)有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。

图1是根据本公开第一实施例的信号灯故障监测方法的流程示意图。

其中，需要说明的是，本实施例的信号灯故障监测方法的执行主体为信号灯故障监测装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在电子设备中，电子设备可以包括但不限于终端、服务器端等。

如图1所示，该信号灯故障监测方法包括：

s101：获取连续时间段内信号机反馈的信号灯状态信息。

其中，连续时间段可以为十分钟、五分钟或一分钟，本公开对此不做限定。

其中，信号灯的状态信息可以包括异常状态和正常状态，也可以为信号灯的电压或电流等信息，本公开对此不做限定。

s102：对信号灯所在路口的监控设备在连续时间段内采集的数据进行解析，以获取在连续时间段内信号灯的显示状态及路口流量。

可选的，可以对监控设备拍摄的视频数据中的车辆进行识别，以获取车辆的数量及车辆的行驶方向；也可以对视频数据中的信号灯进行识别，以获取信号灯的颜色和每个颜色信号灯对应的显示周期时长。

其中，信号灯的显示状态可以为红灯、绿灯及黄灯对应的显示周期时长，本公开对此不做限定。

其中，路口流量可以为信号灯所在位置的各个方向的车流量。

s103：根据信号灯状态信息、信号灯的显示状态及路口流量，确定信号灯是否发生故障。

比如，信号灯状态信息中的电压值和电流值超出正常阈值范围，则可以认为信号灯发生故障；信号灯的显示状态中信号灯的显示周期时长与通过信号机获取的配置时长的误差大于误差阈值，则可以认为信号灯发生故障；路口流量中某个方向在连续时间段内的车流量为0，则可以认为信号灯发生故障等等。由此，根据信号灯状态信息、信号灯的显示状态及路口流量中的任意一种，可以确定信号灯发生故障。

或者，信号灯状态信息中的电压值和电流值未超出正常阈值范围、但是信号灯的显示状态在连续时间段内一直为绿色状态，则可以认为信号灯发生故障。或者，路口流量中某个方向在连续时间段内的车流量为0、但是在连续时间段内信号灯的显示状态正常、且信号灯状态信息中的电压值和电流值未超出正常阈值范围，则可以认为信号灯未发生故障等等。即，本公开中，可以根据多维的信息，判断信号灯是否发生故障。比如若根据信号灯状态信息确定信号灯未发生故障，而根据信号灯的显示状态及路口流量确定信号灯发生故障，此时，若信号灯状态信息对信号灯故障判断的影响较小，则可以确定信号灯发生故障。

需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中信号灯的状态信息、信号灯的显示状态、路口流量及信号灯是否发生故障的限定。

本实施例中，首先获取连续时间段内信号机反馈的信号灯状态信息，之后对信号灯所在路口的监控设备在连续时间段内采集的数据进行解析，以获取在连续时间段内信号灯的显示状态及路口流量，最后根据信号灯状态信息、信号灯的显示状态及路口流量，确定信号灯是否发生故障。由此，基于多维的信息实时判断信号灯是否出现故障，提高了信号灯故障监测的准确性和及时性。

图2是根据本公开第二实施例的示意图，如图2所示，根据信号灯状态信息、信号灯的显示状态及路口流量，确定信号灯是否发生故障，包括：

s201：根据信号灯状态信息，确定第一识别结果。

其中，第一识别结果可以包括发生故障和未发生故障。

比如，信号灯状态信息中的电压值和电流值超出正常阈值范围，则第一识别结果为发生故障，信号灯状态信息中的电压值和电流值未超出正常阈值范围，则第一识别结果为未发生故障。

需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中信号灯状态信息及第一识别结果的限定。

s202：根据信号灯的显示状态，确定第二识别结果。

其中，第二识别结果可以包括发生故障和未发生故障。

比如，信号灯的显示状态中红色信号灯的显示周期时长与通过信号机获取的配置时长的误差大于误差阈值，则第二识别结果为发生故障；信号灯的显示状态中每个信号灯的显示周期时长与通过信号机获取的配置时长的误差均不大于误差阈值，则第二识别结果为未发生故障。

需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中信号灯的显示状态及第二识别结果的限定。

s203：根据路口流量，确定第三识别结果。

其中，第三识别结果可以包括发生故障和未发生故障。

比如，路口流量中北方的车流量在连续时间段内为0，而连续时间段内东方的车流量超过历史数据中同时间段的车流量，则第三识别结果为发生故障；在连续时间段内，路口流量中四个方向的车流量均在正常范围内，则第三识别结果为未发生故障。

需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中路口流量及第三识别结果的限定。

s204：在第一识别结果、第二识别结果及第三识别结果均指示信号灯未发生故障的情况下，确定信号灯未发生故障。

本实施例中，根据信号灯状态信息，确定第一识别结果，根据信号灯的显示状态，确定第二识别结果，根据路口流量，确定第三识别结果，最后，在第一识别结果、第二识别结果及第三识别结果均指示信号灯未发生故障的情况下，确定信号灯未发生故障。由此，基于多维的信息实时判断信号灯是否出现故障，提高了信号灯故障监测的准确性和及时性。

图3是根据本公开第三实施例的示意图，如图3所示，根据信号灯状态信息、信号灯的显示状态及路口流量，确定信号灯是否发生故障，包括：

s301：根据信号灯状态信息，确定第一识别结果及第一置信度。

其中，第一置信度可以用来反映根据信号灯状态信息确定的第一识别结果对判断信号灯是否发生故障的重要程度。

s302：根据信号灯的显示状态，确定第二识别结果及第二置信度。

其中，第二置信度可以用来反映根据信号灯的显示状态确定的第二识别结果对判断信号灯是否发生故障的重要程度。

s303：根据路口流量，确定第三识别结果及第三置信度。

其中，第三置信度可以用来反映根据路口流量确定的第三识别结果对判断信号灯是否发生故障的重要程度。

需要说明的是，第一置信度、第二置信度和第三置信度的大小可以相同也可以不同，本公开对此不做限定。

s304：根据第一识别结果、第二识别结果、第三识别结果及每个识别结果对应的置信度，确定信号灯是否发生故障。

可选的，在第一识别结果、第二识别结果及第三识别结果中任一识别结果指示信号灯发生故障、且任一识别结果对应的置信度大于或等于第一阈值的情况下，确定信号灯发生故障。

比如，第一识别结果指示信号灯发生故障，第二识别结果及第三识别结果指示信号灯未发生故障，第一阈值为0.6，第一识别结果对应的第一置信度为0.8，第一置信度0.8大于第一阈值0.6，因此，确定信号灯发生故障。

需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中第一识别结果、第二识别结果、第三识别结果、第一置信度及第一阈值的限定。

可选的，在第一识别结果、第二识别结果及第三识别结果中任一识别结果指示信号灯发生故障、且任一识别结果对应的置信度小于第二阈值、且用于指示信号灯未发生故障的两个识别结果对应的置信度均大于或等于第三阈值的情况下，确定信号灯未发生故障。

比如，第一识别结果指示信号灯发生故障，第二识别结果及第三识别结果指示信号灯未发生故障，第一识别结果对应的第一置信度为0.5，第二识别结果对应的第二置信度为0.8，第三识别结果对应的第三置信度为0.9，第二阈值为0.6，第三阈值为0.7，则第一置信度小于第二阈值，第二置信度及第三置信度均大于第三阈值，因此，确定信号灯未发生故障。

需要说明的是，上述示例只是举例说明，不能作为对本公开实施例中第一识别结果、第二识别结果、第三识别结果、第一置信度、第二置信度、第三置信度、第二阈值及第三阈值的限定。

本实施例中，首先根据信号灯状态信息，确定第一识别结果及第一置信度，根据信号灯的显示状态，确定第二识别结果及第二置信度，根据路口流量，确定第三识别结果及第三置信度，最后根据第一识别结果、第二识别结果、第三识别结果及任一识别结果对应的置信度，确定信号灯是否发生故障。由此，基于多维信息的识别结果及对应的置信度实时判断信号灯是否出现故障，进一步提高了信号灯故障监测的准确性。

图4是根据本公开第四实施例的示意图，如图4所示，本公开提供的信号灯故障监测方法，包括：

s401：获取连续时间段内信号机反馈的信号灯状态信息。

s402：对信号灯所在路口的监控设备在连续时间段内采集的数据进行解析，以获取在连续时间段内信号灯的显示状态及路口流量。

其中，上述步骤s401和步骤s402的具体实现形式，可参照本公开中其他各实施例的详细描述，在此不再赘述。

s403：获取在连续时间段内的交通异常事件。

可选的，可以通过交警提供的数据、各地图软件提供的数据或交通异常上报系统里的数据获取连续时间段内的交通异常事件及发生交通异常时间的地点信息，本公开对此不做限定。

s404：响应于任一交通异常事件对应的地点信息与信号灯所在路口关联，根据交通异常事件、信号灯状态信息、信号灯的显示状态及路口流量，确定信号灯是否发生故障。

可选的，根据信号灯状态信息，确定第一识别结果；根据信号灯的显示状态，确定第二识别结果；根据路口流量，确定第三识别结果；根据交通异常事件，确定第四识别结果；最后在第一识别结果、第二识别结果、第三识别结果及第四识别结果均指示信号灯未发生故障的情况下，确定信号灯未发生故障。

可选的，根据信号灯状态信息，确定第一识别结果及第一置信度；根据信号灯的显示状态，确定第二识别结果及第二置信度；根据路口流量，确定第三识别结果及第三置信度；根据交通异常事件，确定第四识别结果及第四置信度；最后根据第一识别结果、第二识别结果、第三识别结果、第四识别结果及每个识别结果对应的置信度，确定信号灯是否发生故障。

本实施例中，首先获取连续时间段内信号机反馈的信号灯状态信息；对信号灯所在路口的监控设备在连续时间段内采集的数据进行解析，以获取在连续时间段内信号灯的显示状态及路口流量；获取在连续时间段内的交通异常事件；最后，响应于任一交通异常事件对应的地点信息与信号灯所在路口关联，根据交通异常事件、信号灯状态信息、信号灯的显示状态及路口流量，确定信号灯是否发生故障。由此，基于交通异常事件、信号灯状态信息、信号灯的显示状态及路口流量等多维信息实时判断信号灯是否出现故障，进一步提高了信号灯故障监测的准确性。

图5是根据本公开第五实施例的示意图，如图5所示，本公开提供的信号灯故障监测方法，包括：

s501：获取连续时间段内信号机反馈的信号灯状态信息。

s502：对信号灯所在路口的监控设备在连续时间段内采集的数据进行解析，以获取在连续时间段内信号灯的显示状态及路口流量。

其中，上述步骤s501和步骤s502的具体实现形式，可参照本公开中其他各实施例的详细描述，在此不再赘述。

s503：获取信号机在连续时间段内反馈状态信息的频率。

s504：根据信号灯状态信息、信号机在连续时间段内反馈状态信息的频率、信号灯的显示状态及路口流量，确定信号灯是否发生故障。

可选的，根据信号灯状态信息，确定第一识别结果；根据信号灯的显示状态，确定第二识别结果；根据路口流量，确定第三识别结果；根据信号机在连续时间段内反馈状态信息的频率，确定第五识别结果；最后在第一识别结果、第二识别结果、第三识别结果及第五识别结果均指示信号灯未发生故障的情况下，确定信号灯未发生故障。

可选的，根据信号灯状态信息，确定第一识别结果及第一置信度；根据信号灯的显示状态，确定第二识别结果及第二置信度；根据路口流量，确定第三识别结果及第三置信度；根据信号机在连续时间段内反馈状态信息的频率，确定第五识别结果及第五置信度；最后根据第一识别结果、第二识别结果、第三识别结果、第五识别结果及每个识别结果对应的置信度，确定信号灯是否发生故障。

本实施例中，首先获取连续时间段内信号机反馈的信号灯状态信息；对信号灯所在路口的监控设备在连续时间段内采集的数据进行解析，以获取在连续时间段内信号灯的显示状态及路口流量；获取信号机在连续时间段内反馈状态信息的频率；最后，响应于任一交通异常事件对应的地点信息与信号灯所在路口关联，根据信号灯状态信息、信号机在连续时间段内反馈状态信息的频率、信号灯的显示状态及路口流量，确定信号灯是否发生故障。由此，基于信号机在连续时间段内反馈状态信息的频率、信号灯状态信息、信号灯的显示状态及路口流量等多维信息实时判断信号灯是否出现故障，进一步提高了信号灯故障监测的准确性。

图6是根据本公开第六实施例的示意图，如图6所示，该信号灯故障监测装置60，包括：第一获取模块601、第二获取模块602及确定模块603。

第一获取模块601，用于获取连续时间段内信号机反馈的信号灯状态信息；

第二获取模块602，用于对信号灯所在路口的监控设备在连续时间段内采集的数据进行解析，以获取在连续时间段内信号灯的显示状态及路口流量；

确定模块603，用于根据信号灯状态信息、信号灯的显示状态及路口流量，确定信号灯是否发生故障。

在本公开的一些实施例中，确定模块603，具体用于：

根据信号灯状态信息，确定第一识别结果；

根据信号灯的显示状态，确定第二识别结果；

根据路口流量，确定第三识别结果；

在第一识别结果、第二识别结果及第三识别结果均指示信号灯未发生故障的情况下，确定信号灯未发生故障。

在本公开的一些实施例中，如图7所示，图7是根据本公开第七实施例的示意图，该信号灯故障监测装置70，包括：第一获取模块701、第二获取模块702及确定模块703，其中，确定模块703，包括：

第一确定单元7031，用于根据信号灯状态信息，确定第一识别结果及第一置信度；

第二确定单元7032，用于根据信号灯的显示状态，确定第二识别结果及第二置信度；

第三确定单元7033，用于根据路口流量，确定第三识别结果及第三置信度；

第四确定单元7034，用于在第一识别结果、第二识别结果及第三识别结果中任一识别结果指示信号灯发生故障、且任一识别结果对应的置信度大于或等于第一阈值的情况下，确定信号灯发生故障。

在本公开的一些实施例中，其中，第四确定单元7034，具体用于：

在第一识别结果、第二识别结果及第三识别结果中任一识别结果指示信号灯发生故障、且任一识别结果对应的置信度小于第二阈值、且用于指示信号灯未发生故障的两个识别结果对应的置信度均大于或等于第三阈值的情况下，确定信号灯未发生故障。

在本公开的一些实施例中，如图8所示，图8是根据本公开第八实施例的示意图，该信号灯故障监测装置80，包括：第一获取模块801、第二获取模块802、第三获取模块803及确定模块804。

第三获取模块803，用于获取在连续时间段内的交通异常事件；

确定模块804，用于响应于任一交通异常事件对应的地点信息与信号灯所在路口关联，根据交通异常事件、信号灯状态信息、信号灯的显示状态及路口流量，确定信号灯是否发生故障。

在本公开的一些实施例中，如图9所示，图9是根据本公开第九实施例的示意图，该信号灯故障监测装置90，包括：第一获取模块901、第二获取模块902、第四获取模块903及确定模块904。

第四获取模块903，用于获取信号机在连续时间段内反馈状态信息的频率；

确定模块904，用于根据信号灯状态信息、信号机在连续时间段内反馈状态信息的频率、信号灯的显示状态及路口流量，确定信号灯是否发生故障。

可以理解的是，本公开各实施例中的信号灯故障监测装置60、信号灯故障监测装置70、信号灯故障监测装置80与信号灯故障监测装置90，第一获取模块601、第一获取模块701、第一获取模块801与第一获取模块901，第二获取模块602、第二获取模块702、第二获取模块802与第二获取模块902，确定模块603、确定模块703、确定模块804与确定模块904，可以具有相同的功能和结构。

需要说明的是，前述对信号灯故障监测方法的解释说明也适用于本实施例的信号灯故障监测装置，此处不再赘述。

本实施例中，首先获取连续时间段内信号机反馈的信号灯状态信息，之后对信号灯所在路口的监控设备在连续时间段内采集的数据进行解析，以获取在连续时间段内信号灯的显示状态及路口流量，最后根据信号灯状态信息、信号灯的显示状态及路口流量，确定信号灯是否发生故障。由此，基于多维的信息实时判断信号灯是否出现故障，提高了信号灯故障监测的准确性和及时性。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图10示出了可以用来实施本公开的实施例的示例电子设备1000的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图10所示，设备1000包括计算单元1001，其可以根据存储在只读存储器(rom)1002中的计算机程序或者从存储单元10010加载到随机访问存储器(ram)1003中的计算机程序，来执行各种适当的动作和处理。在ram1003中，还可存储设备1000操作所需的各种程序和数据。计算单元1001、rom1002以及ram1003通过总线1004彼此相连。输入/输出(i/o)接口1005也连接至总线1004。

设备1000中的多个部件连接至i/o接口1005，包括：输入单元10010，例如键盘、鼠标等；输出单元1007，例如各种类型的显示器、扬声器等；存储单元1008，例如磁盘、光盘等；以及通信单元1009，例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理，例如一种动态手势识别方法。例如，在一些实施例中，动态手势识别方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1008。在一些实施例中，计算机程序的部分或者全部可以经由rom1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到ram1003并由计算单元1001执行时，可以执行上文描述的动态手势识别方法的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行动态手势识别方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、互联网及区块链网络。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务("virtualprivateserver"，或简称"vps")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

本实施例中，首先获取连续时间段内信号机反馈的信号灯状态信息，之后对信号灯所在路口的监控设备在连续时间段内采集的数据进行解析，以获取在连续时间段内信号灯的显示状态及路口流量，最后根据信号灯状态信息、信号灯的显示状态及路口流量，确定信号灯是否发生故障。由此，基于多维的信息实时判断信号灯是否出现故障，提高了信号灯故障监测的准确性和及时性。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。