交通信号灯的控制方法及装置与流程

1.本技术属于交通安全技术领域，尤其涉及一种交通信号灯的控制方法及装置。


背景技术：

2.为了交通安全，在道路的路口一般均设置有交通信号灯。行人以及来往车辆需根据交通信号灯的指示，按照交通规则来穿过路口。
3.目前，交通信号灯一般都是按照预先设置好的状态变化规律来控制信号灯切换状态，例如某一路口的交通信号灯被设置为红灯亮40秒，绿灯亮30秒，黄灯亮3秒以此循环。这种控制方法会导致以下两个问题：第一：车辆在无行人横穿道路且遇到红灯亮时，仍然需要停下来等待红灯，这会导致车辆的无效等待时间较长，还会造成交通行驶不畅的问题；第二：在横穿道路的行人较多时，一次绿灯可能无法使全部行人通过，仍然需要行人等待多次绿灯才能穿过道路，导致行人的无效等待时间较长，给行人带来不便。
4.因此，如何减少行人或车辆在路口的无效等待时间，从而减少交通堵塞成为目前急需解决的技术问题。


技术实现要素：

5.本技术实施例提供一种交通信号灯的控制方法及装置，能够实现减少行人或车辆在路口的无效等待时间，减少交通堵塞。
6.第一方面，本技术实施例提供一种交通信号灯的控制方法，包括：获取道路路口目标检测区域内的目标车辆饱和度以及目标行人饱和度；通过隶属度函数，分别计算所述目标车辆饱和度对应的目标车辆饱和度集合以及所述目标行人饱和度对应的目标行人饱和度集合；根据所述目标车辆饱和度集合以及所述目标行人饱和度集合，查询关系表，得到交通信号灯对应的目标点亮时长类型，其中，所述关系表为车辆饱和度集合和行人饱和度集合与交通信号灯对应的点亮时长类型之间的对应关系；根据所述目标点亮时长类型，控制所述交通信号灯的点亮时长。
7.在一种实施例中，所述获取道路路口目标检测区域内的目标车辆饱和度以及目标行人饱和度，具体包括：获取由摄像机采集到的所述道路路口所在预设区域的区域图像，其中，所述预设区域中至少包括目标检测区域；根据所述区域图像，识别所述目标检测区域内的目标车辆以及目标行人；根据所述目标车辆以及所述目标行人，分别确定所述目标车辆饱和度以及所述目标行人饱和度。
8.在一种实施例中，所述目标检测区域包括检测驶向所述道路路口的车辆的第一检测区域以及检测横穿所述道路路口的行人的第二检测区域，
所述根据所述目标车辆以及所述目标行人，分别确定所述目标车辆饱和度以及所述目标行人饱和度，具体包括：将位于所述第一检测区域内的目标车辆的识别框进行合并，得到第一合并框；计算所述第一合并框的面积，得到位于所述目标检测区域内的目标车辆的检测面积；计算所述目标检测区域内的目标车辆的检测面积与所述第一检测区域的面积的比值，得到所述目标车辆饱和度。
9.在一种实施例中，所述根据所述目标车辆以及所述目标行人，分别确定所述目标车辆饱和度以及所述目标行人饱和度，具体包括：将位于所述第二检测区域内的目标行人的识别框进行合并，得到第二合并框；计算根据所述第二合并框的面积，得到位于所述目标检测区域内的目标行人的检测面积；计算所述目标检测区域内的目标行人的检测面积与所述第二检测区域的面积的比值，得到所述目标行人饱和度。
10.在一种实施例中，所述目标检测区域包括检测驶向所述道路路口的车辆的第一检测区域以及检测横穿所述道路路口的行人的第二检测区域，所述根据所述区域图像，识别所述目标检测区域内的目标车辆以及目标行人，具体包括：根据所述区域图像，识别所述预设区域内的车辆；根据所述车辆所处的位置，确定位于所述第一检测区域内的目标车辆度。
11.在一种实施例中，所述根据所述区域图像，识别所述目标检测区域内的目标车辆以及目标行人，具体包括：根据所述区域图像，识别所述预设区域内的行人；根据所述行人所处的位置，确定位于所述第二检测区域内的目标行人。
12.在一种实施例中，所述根据所述目标点亮时长类型，控制所述交通信号灯的点亮时长，具体包括：根据所述目标点亮时长类型，获取所述交通信号灯的点亮时长；根据所述点亮时长，控制所述交通信号灯的点亮时长。
13.在一种实施例中，在得到交通信号灯对应的目标点亮时长类型之前，还包括：将交通信号灯的预设点亮时长输入到隶属度函数中，得到交通信号灯点亮时长的隶属度值；通过模糊控制算法计算所述隶属度值对应的所述交通信号灯对应的点亮时长类型；所述预设关系为目标密度集合与交通信号灯点亮时长集合的对应关系。
14.在一种实施例中，本技术任一实施例中所述的交通信号灯的控制方法，应用于安装在道路路口的摄像机。
15.第二方面，本技术实施例提供了一种交通信号灯的控制装置，装置包括：获取模块，用于获取道路路口目标检测区域内的目标车辆饱和度以及目标行人饱和度；
计算模块，用于通过隶属度函数，分别计算所述目标车辆饱和度对应的目标车辆饱和度集合以及所述目标行人饱和度对应的目标行人饱和度集合；查询模块，用于根据所述目标车辆饱和度集合以及所述目标行人饱和度集合，查询关系表，得到交通信号灯对应的目标点亮时长类型，其中，所述关系表为车辆饱和度集合和行人饱和度集合与交通信号灯对应的点亮时长类型之间的对应关系；控制模块，用于根据所述目标点亮时长类型，控制所述交通信号灯的点亮时长。
16.本技术实施例的一种交通信号灯的控制方法及装置，交通信号灯的点亮时长由目标点亮时长类型来控制，而目标点亮时长类型又是查询关系表得到的目标车辆饱和度集合与目标行人饱和度集合协同控制后的结果。针对不同的目标车辆饱和度集合与目标行人饱和度集合有不同的目标点亮时长类型，从而能够针对道路路口不同的行人饱和度与车辆饱和度情况，来控制交通信号灯的不同显示时长，道路路口的行人与车辆在等待交通信号灯的指示穿过路口时，能够在不同的流量情况下有不同的等待时间，从而减少了行人或车辆在路口的无效等待时间，进一步减少交通堵塞。此外，仅通过查表就能得到目标点亮时长类型，不必专门计算目标点亮时长类型，还降低了对计算交通信号灯的点亮时长的算力，降低了对设备的算力要求，进一步降低运营维护成本。
附图说明
17.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单的介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.图1是本技术实施例提供的一种交通信号灯的控制方法流程示意图；图2是本技术实施例提供的另一种交通信号灯的控制方法流程示意图；图3是本技术实施例提供的再一种交通信号灯的控制方法流程示意图；图4是本技术实施例提供的一种交通信号灯的控制方法应用场景图；图5是本技术实施例提供的再一种交通信号灯的控制方法流程示意图；图6是本技术实施例提供的一种交通信号灯的控制装置的结构示意图。
具体实施方式
19.下面将详细描述本技术的各个方面的特征和示例性实施例，为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本技术进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本技术，而不是限定本技术。对于本领域技术人员来说，本技术可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本技术的示例来提供对本技术更好的理解。
20.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括
所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
21.现有路口设置的交通信号灯因为其的点亮时长是预先设置好的，不能根据路口不同的交通状态来改变各颜色信号灯的点亮时长，导致路口行人或车辆的无效等待时长较长，从而会导致交通堵塞。
22.发明人发现可以利用路口的行人饱和度与车辆量来协同控制路口的交通信号灯的点亮时长，从而针对道路路口不同的行人饱和度与车辆饱和度情况，来控制交通信号灯的不同显示时长，道路路口的行人与车辆在等待交通信号灯的指示穿过路口时，能够在不同的流量情况下有不同的等待时间，从而减少了行人或车辆在路口的无效等待时间，进一步减少交通堵塞。此外，发明人还考虑到，可以通过使用轻量级网络利用模糊控制来减轻设备对交通信号灯的点亮时长的算力，这样直接利用前端设备，例如，安装在道路路口的摄像机，来计算交通信号灯的点亮时长，不需要云端计算，节省了计算交通信号灯的点亮时长的算力，降低了对设备的算力要求，进一步降低运营维护成本。
23.为了解决现有技术问题，本技术实施例提供了一种交通信号灯的控制方法及装置。下面首先对本技术实施例所提供的一种交通信号灯的控制方法进行介绍。
24.图1示出了本技术实施例提供的一种交通信号灯的控制方法流程示意图，所示方法包括：s110，获取道路路口目标检测区域内的目标车辆饱和度以及目标行人饱和度。
25.s120，通过隶属度函数，分别计算所述目标车辆饱和度对应的目标车辆饱和度集合以及所述目标行人饱和度对应的目标行人饱和度集合。
26.s130，根据所述目标车辆饱和度集合以及所述目标行人饱和度集合，查询关系表，得到交通信号灯对应的目标点亮时长类型，其中，所述关系表为车辆饱和度集合和行人饱和度集合与交通信号灯对应的点亮时长类型之间的对应关系。
27.s140，根据所述目标点亮时长类型，控制所述交通信号灯的点亮时长。
28.本技术实施例中，交通信号灯的点亮时长由目标点亮时长类型来控制，而目标点亮时长类型又是查询关系表得到的目标车辆饱和度集合与目标行人饱和度集合协同控制后的结果。针对不同的目标车辆饱和度集合与目标行人饱和度集合有不同的目标点亮时长类型，从而能够针对道路路口不同的行人饱和度与车辆饱和度情况，来控制交通信号灯的不同显示时长，道路路口的行人与车辆在等待交通信号灯的指示穿过路口时，能够在不同的流量情况下有不同的等待时间，从而减少了行人或车辆在路口的无效等待时间，进一步减少交通堵塞。此外，仅通过查表就能得到目标点亮时长类型，不必专门计算目标点亮时长类型，还降低了对计算交通信号灯的点亮时长的算力，降低了对设备的算力要求，进一步降低运营维护成本。
29.下面详细介绍s110-s140。
30.在s110中，具体地，通过安装在道路路口的至少一个摄像机，利用摄像机自带处理器计算当前路口在目标检测区域内的目标车辆饱和度以及目标行人饱和度。
31.为了提高了目标车辆饱和度以及目标行人饱和度的计算效率，在一种实施例中，如图2所示的本技术实施例提供的另一种交通信号灯的控制方法流程示意图，所述获取道路路口目标检测区域内的目标车辆饱和度以及目标行人饱和度，可以包括：s111，获取由摄像机采集到的所述道路路口所在预设区域的区域图像，其中，所述
预设区域中至少包括目标检测区域。
32.s112，根据所述区域图像，识别所述目标检测区域内的目标车辆以及目标行人。
33.s113，根据所述目标车辆以及所述目标行人，分别确定所述目标车辆饱和度以及所述目标行人饱和度。
34.本技术实施例中，通过摄像机就能识别道路路口所在预设区域的区域图像中的目标行人与车辆来计算目标车辆饱和度以及目标行人饱和度，避免了在道路路口安装专门的检测器，也避免了将区域图像上传至云服务器进行计算，提高了目标车辆饱和度以及目标行人饱和度的计算效率的同时，还降低了对设备的算力要求，降低了运营维护成本。
35.在s111中，具体地，通过安装在道路路口的至少一个摄像机，拍摄摄像机所能覆盖的区域的图像，将其中至少一张包括预先设置好的目标检测区域的图像作为区域图像。
36.示例性，可以通过安装角度和拍摄角度能够完好的覆盖到道路路口车辆和路边行人的卡口摄像头，来拍摄包括目标检测区域的预设区域的图像，从而得到区域图像。
37.值得注意的是，本技术实施例中安装在道路路口的摄像机为小型算力的摄像机，本技术实施例不限制摄像机型号与种类。
38.在s112中，具体地，将上一步骤摄像机采集的区域图像输入到设置在摄像机内的对象检测模型中，对象检测模型将输入的区域图像中的所有车辆与行人，通过不同的识别框标识出来，通过车辆与行人的位置来判断车辆与行人是否在目标检测区域内。
39.为了提高目标检测区域内目标车辆识别效率，在一种实施例中，所述根据所述区域图像，识别所述目标检测区域内的目标车辆以及目标行人，可以包括，根据所述区域图像，识别所述预设区域内的车辆。
40.根据所述车辆所处的位置，确定位于所述第一检测区域内的目标车辆。
41.为了提高目标检测区域内目标行人识别效率，在一种实施例中，所述根据所述区域图像，识别所述目标检测区域内的目标车辆以及目标行人，可以包括，根据所述区域图像，识别所述预设区域内的行人。
42.根据所述行人所处的位置，确定位于所述第二检测区域内的目标行人。
43.本技术实施例中，先识别预设区域内的行人，在根据识别的行人所处的位置，来判断行人是否在第二检测区域内，避免了对第二检测区域内行人的直接识别提高了目标检测区域内目标行人的识别效率。
44.在一种实施例中，对象检测模型可以包括以历史区域图像样本为输入，以包括历史区域图像样本中包括历史行人的行人识别框及包括历史车辆的车辆识别框为输出，进行训练得到的模型。
45.为了能够使用摄像机就完成对预设区域内的目标对象的识别，减少摄像机的算力负担，在一种实施例中，对象检测模型可以包括轻量级神经网络。
46.示例性地，对象检测模型可以包括设置在摄像机内的轻量级卷积神经网络，将区域图像输入到轻量级卷积神经网络中，轻量级卷积神经网络对区域图像中的所有行人和车辆进行识别，输出包括目标检测区域、行人和行人识别框以及车辆和车辆识别框的图像。
47.在s113中，具体地，通过设置在道路路口的摄像机内的车辆饱和度以及行人饱和度的计算算法，来根据区域图像中的目标车辆的识别框、目标行人的识别框和目标检测区域的面积来计算目标车辆饱和度以及目标行人饱和度。
48.为了提高计算车辆饱和度以及行人饱和度的效率，在一种实施例中，如图3所示，所述目标检测区域包括检测驶向所述道路路口的车辆的第一检测区域以及检测横穿所述道路路口的行人的第二检测区域，所述根据所述目标车辆以及所述目标行人，分别确定所述目标车辆饱和度以及所述目标行人饱和度，可以包括s1131至s1133：s1131，将位于所述第一检测区域内的目标车辆的识别框进行合并，得到第一合并框。
49.具体地，通过安装在道路路口的摄像机，计算在识别后的区域图像中位于第一检测区域内所有目标车辆的识别框的并集，也就是说，将位于第一检测区域内的相交叠的目标车辆的识别框去重后再合并，得到去重后的目标车辆在第一检测区域对应标识框中的合并框。
50.示例性地，如图4所示的本技术一实施例提供的一种目标车辆或目标行人识别应用场景图，摄像机采集某路口的区域图像，其中450为指示车辆穿过路口的交通信号灯，当前绿灯亮，车辆行驶过路口。过街区域图像中预设的第一检测区域为410，通过对象检测模型识别的目标车辆的识别框为420。
51.s1132，计算所述第一合并框的面积，得到位于所述目标检测区域内的目标车辆的检测面积。
52.具体地， 计算去重后的各个目标车辆的识别框的面积，将各个目标车辆的识别框的面积相加得到目标车辆对应的标识框中的合并后的总面积。
53.值得注意的是，本技术实施例不限制合并框的面积的方式，可以是先将第一检测区域对应标识框中进行合并后直接计算整个合并框的面积，也可以是，将第一检测区域对应标识框中进行合并后，计算合并框中各个去重后的第一检测区域对应标识框的面积在将计算这些面积的累加得到整个合并框的面积。
54.s1133，计算所述目标检测区域内的目标车辆的检测面积与所述第一检测区域的面积的比值，得到所述目标车辆饱和度。
55.具体地，根据式1将目标检测区域内的目标车辆的检测面积与第一检测区域的面积的比值作为目标车辆饱和度
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式1。
56.本技术实施例中，考虑到通过设置在道路路口的摄像机获取的图像中，由于不同路口的每个摄像机安装位置的高度不一，使得画面中目标对象的大小不一致，进而不能够直接通过摄像机获取的图像来反应当前路口的交通情况，因此发明人设置了目标检测区域，基于同样的理由直接统计目标检测区域内目标对象的个数方式并不可取。而且由于不同摄像机的焦距不一，其容量也不同，就进一步的使得目标检测区域内目标对象难以对当前路口的交通情况进行同一表示，因此，发明人想到通过计算目标检测区域内车辆饱和度来反应路口的交通情况。采用目标车辆的识别框在第一检测区域内合并后的面积来表征第一检测区域内目标车辆的面积，通过在第一合并框的面积与第一检测区域的面积的比值，来表征目标车辆饱和度，不用计算真实车辆的面积，也不用其它现有的复杂的方法来计算目标车辆饱和度，简化了路口的车辆饱和度的计算方法，进一步提高了车辆饱和度的计算
效率。
57.为了提高计算车辆饱和度以及行人饱和度的效率，在一种实施例中，如图3所示， 所述根据所述目标车辆以及所述目标行人，分别确定所述目标车辆饱和度以及所述目标行人饱和度，可以包括s1134至s1136：s1134，将位于所述第二检测区域内的目标行人的识别框进行合并，得到第二合并框。
58.具体地，通过安装在道路路口的摄像机，计算在识别后的区域图像中位于第二检测区域内所有目标行人的识别框的并集，也就是说，将位于第二检测区域内的相交叠的目标行人的识别框去重后再合并，得到去重后的目标行人在第二检测区域对应标识框中的合并框。
59.示例性地，如图4所示的本技术一实施例提供的一种目标车辆或目标行人识别应用场景图，摄像机采集某路口的区域图像，其中460为指示行人过街的交通信号灯，当前红灯亮，行人停止过街。检测行人的预设的第二检测区域为430，通过对象检测模型识别的目标行人的识别框为440。
60.s1135，计算根据所述第二合并框的面积，得到位于所述目标检测区域内的目标行人的检测面积。
61.具体地， 计算去重后的各个目标行人的识别框的面积，将各个目标行人的识别框的面积相加得到目标行人对应的标识框中的合并后的总面积。
62.值得注意的是，本技术实施例不限制合并框的面积的方式，可以是先将第二检测区域对应标识框中进行合并后直接计算整个合并框的面积，也可以是，将第二检测区域对应标识框中进行合并后，计算合并框中各个去重后的第二检测区域对应标识框的面积在将计算这些面积的累加得到整个合并框的面积。
63.s1136，计算所述目标检测区域内的目标行人的检测面积与所述第二检测区域的面积的比值，得到所述目标行人饱和度。
64.具体地，根据式2将目标检测区域内的目标行人的检测面积与第二检测区域的面积的比值作为目标行人饱和度
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式2。
65.本技术实施例中，考虑到通过设置在道路路口的摄像机获取的图像中，由于不同路口的每个摄像机安装位置的高度不一，使得画面中目标对象的大小不一致，进而不能够直接通过摄像机获取的图像来反应当前路口的交通情况，因此发明人设置了目标检测区域，基于同样的理由直接统计目标检测区域内目标对象的个数方式并不可取。而且由于不同摄像机的焦距不一，其容量也不同，就进一步的使得目标检测区域内目标对象难以对当前路口的交通情况进行同一表示，因此，发明人想到通过计算目标检测区域内行人饱和度来反应路口的交通情况。采用目标行人的识别框在第二检测区域内合并后的面积来表征第二检测区域内目标行人的面积，通过在第二合并框的面积与第二检测区域的面积的比值，来表征目标行人饱和度，不用计算真实行人的面积，也不用其它现有的复杂的方法来计算目标行人饱和度，简化了路口的行人饱和度的计算方法，进一步提高了行人饱和度的计算
效率。
66.以上为s110的具体介绍，下面介绍s120。
67.在s110中，具体地，隶属度函数有多种类型，如三角分布函数，z形分布函数，梯形分布函数，高斯分布函数等，本技术实施例不做限制，本技术实施例以高斯分布函数为例， 高斯型函数的图像具有平滑、平缓且稳定等特点，可以选用高斯分布函数。选取的高斯分布函数的公式可以如式3所示
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式3。
68.通过预先的大数据分析，不同的路口有不同的标准差 值与函数尖峰中心坐标c值，将针对不同路口的 值与c值提前输入到安装在路口的摄像机中，将目标车辆饱和度或目标行人饱和度x输入到式1中，其计算结果为目标车辆饱和度或目标行人饱和度的隶属度值，根据预设的不同隶属度对应不同的目标车辆饱和度集合或目标行人饱和度集合，来分配当前计算的目标车辆饱和度或目标行人饱和度对应的隶属度值所属的目标车辆饱和度集合或目标行人饱和度集合。
69.示例性地，目标车辆饱和度集合或目标行人饱和度集合可以包括通过模糊算法根据目标车辆饱和度或目标行人饱和度转换为目标车辆饱和度或目标行人饱和度对应的模糊子集。在轻量级卷积神经网络识别区域图像中的的行人和车辆后，计算得出当前路口的目标检测区域内目标车辆饱和度或目标行人饱和度。然后通过模糊算法，根据目标车辆饱和度或目标行人饱和度的隶属度值，将目标车辆饱和度或目标行人饱和度转换到{n(没有)， vs(极小)，s(小)，m(中等)，h(大)，vh(很大)}的模糊集合中对应的子集。
70.在s120中，具体地，查询预设设置的表示车辆饱和度集合和行人饱和度集合与交通信号灯对应的点亮时长类型之间的对应关系的关系表，得到目标车辆饱和度集合以及目标行人饱和度集合共同影响下的交通信号灯对应的目标点亮时长类型。
71.示例性地，在一种应用场景中，根据模糊数学理论，可以列出以目标车辆饱和度集合与目标行人饱和度集合为输入，以交通信号灯点亮时长集合为输出的动态模糊规则，并求出输入与输出间的模糊关系矩阵，关系表可以包括该模糊关系矩阵。之后利用模糊关系矩阵与模糊推理规则推理出目标车辆饱和度集合与目标行人饱和度集合对应的交通信号灯点亮时长类型。
72.本技术实施例对模糊推理规则不做限制，模糊推理规则可以包括但不限于推理的组成规则（compositional rule of inference，cri）方法、全蕴涵三i算法、真值流推理法、相似度推理算法或区间值推理法。
73.为了降低对带算力服务器的依赖，进一步降低运营维护成本，在一种实施例中，如图5所示，在得到交通信号灯对应的目标点亮时长类型之前，还可以包括s510-s520：s510，将交通信号灯的预设点亮时长输入到隶属度函数中，得到交通信号灯点亮时长的隶属度值。
74.具体地，本技术实施例对隶属度函数不做限制，本技术实施例以高斯分布函数为例如式3所示，通过预先的大数据分析，不同的路口有不同的标准差 值与函数尖峰中心坐标c值，将针对不同路口的 值与c值提前输入到安装在路口的摄像机中，将交通信号灯的
预设点亮时长x输入到式3中，其计算结果为交通信号灯点亮时长的隶属度值。
75.在一种实施例中，交通信号灯的预设点亮时长x可以是指示车辆或行人通行的绿灯时长。
76.示例性地，综合考虑交通流量和行人及车辆的通行安全，为降低闯红灯、车辆拥堵等情况，可以设置指示车辆通行的绿灯时长最大值为140s，指示行人通行的绿灯时长为80s。
77.s520，通过模糊控制算法计算所述隶属度值对应的所述交通信号灯对应的点亮时长类型。
78.具体地，根据上一步骤计算出的隶属度值和根据预设的不同隶属度对应不同的点亮时长类型，通过模糊控制算法来分配交通信号灯不同的点亮时长对应的隶属度值所属的点亮时长类型。
79.示例性地，通过式3计算出交通信号灯点亮时长的隶属度值后，通过隶属度值的大小来分配与隶属度值相对应的模糊集合，模糊集合可以是{n(没有)， d(短)，nd(较短)，m(中等)，nl(较长)，l(长)}，其中每个子集表示交通信号灯点亮时长类型。示例性地，当计算出的隶属度值为0.8时，可以将其划分到{ nl(较长)}子集中，表示当隶属度值为0.8时，交通信号灯对应的点亮时长类型为{ nl(较长)}。
80.本技术实施例中，利用隶属度函数来计算交通信号灯点亮时长的隶属度值，再通过隶属度值确定交通信号灯对应的点亮时长类型，其计算方法较为简单，能够节省计算设备的算力。通过使用表征模糊集合的数学工具隶属函数来确定的交通信号灯对应的点亮时长类型，是一种模糊集合，也就是说，得到的点亮时长集合不是对交通信号灯点亮时长的一个具体数值，而是一个较为模糊的点亮时长的时长程度表示，降低对带算力服务器的依赖，进一步降低运营维护成本。
81.以上为s120的具体介绍，下面介绍s130。
82.在s130中，具体地，将点亮时长类型进行清晰化计算得到点亮时长类型对应的具体的点亮时长，控制交通信号灯中某一个颜色的信号灯的显示时长。
83.为快速确定交通信号灯的点亮时长，在一种实施例中，所述根据所述目标点亮时长类型，控制所述交通信号灯的点亮时长，可以包括，根据所述目标点亮时长类型，获取所述交通信号灯的点亮时长。
84.根据所述点亮时长，控制所述交通信号灯的点亮时长具体地，目标点亮时长类型对点亮时长集合进行与模糊算法相对的清晰化计算，得到交通信号灯的具体点亮时长。
85.示例性地，当交通信号灯对应的点亮时长集合为{ nl(较长)}时，通过清晰化计算可以得到集合{ nl(较长)}对应的交通信号灯的点亮时长为70s。
86.本技术实施例中，通过点亮时长类型来确定交通信号灯的点亮时长，进一步控制交通信号灯的点亮时长。不同于通过云端计算直接得到具体点亮时长的方法，本技术实施例中的方法可以减少设备在计算具体点亮时长时所需的算力，进而能够实现直接在前端设备内部计算，例如，摄像机，就计算出交通信号灯的点亮时长，不必将数据上传云端来利用较大的算力去计算一个具体的点亮时长，节省设备算力的同时，降低了对设备的算力要求，降低了运营维护成本。
87.为降低对带算力服务器的依赖，在一种实施例中，本技术任一实施例中所述的交通信号灯的控制方法，可以应用于安装在道路路口的摄像机。
88.具体地，将安装在路口的摄像机内部的具有边缘计算能力，本技术任一实施例中所述的交通信号灯的控制方法都可以通过摄像机来实现。
89.本技术实施例中，该方法不需要将摄像机采集的图片联网发送至云服务器进行计算，可以直接在摄像机内部计算，降低了对设备的算力要求，降低了运营维护成本。
90.基于上述任一实施例提供的一种交通信号灯的控制方法，本技术还提供了一种交通信号灯的控制装置实施例。具体参见图6。
91.图6示出了本技术实施例提供一种交通信号灯的控制装置示意图。如图6所示，该装置可以包括：获取模块610，用于获取道路路口目标检测区域内的目标车辆饱和度以及目标行人饱和度。
92.计算模块620，用于通过隶属度函数，分别计算所述目标车辆饱和度对应的目标车辆饱和度集合以及所述目标行人饱和度对应的目标行人饱和度集合。
93.查询模块630，用于根据所述目标车辆饱和度集合以及所述目标行人饱和度集合，查询关系表，得到交通信号灯对应的目标点亮时长类型，其中，所述关系表为车辆饱和度集合和行人饱和度集合与交通信号灯对应的点亮时长类型之间的对应关系。
94.控制模块640，用于根据所述目标点亮时长类型，控制所述交通信号灯的点亮时长。
95.本技术实施例的装置，交通信号灯的点亮时长由目标点亮时长类型来控制，而目标点亮时长类型又是查询关系表得到的目标车辆饱和度集合与目标行人饱和度集合协同控制后的结果。针对不同的目标车辆饱和度集合与目标行人饱和度集合有不同的目标点亮时长类型，从而能够针对道路路口不同的行人饱和度与车辆饱和度情况，来控制交通信号灯的不同显示时长，道路路口的行人与车辆在等待交通信号灯的指示穿过路口时，能够在不同的流量情况下有不同的等待时间，从而减少了行人或车辆在路口的无效等待时间，进一步减少交通堵塞。此外，仅通过查表就能得到目标点亮时长类型，不必专门计算目标点亮时长类型，还降低了对计算交通信号灯的点亮时长的算力，降低了对设备的算力要求，进一步降低运营维护成本。
96.在一种实施例中，获取模块610可以包括，获取子模块，用于获取由摄像机采集到的所述道路路口所在预设区域的区域图像，其中，所述预设区域中至少包括目标检测区域。
97.识别子模块，用于根据所述区域图像，识别所述目标检测区域内的目标车辆以及目标行人。
98.确定子模块，用于根据所述目标车辆以及所述目标行人，分别确定所述目标车辆饱和度以及所述目标行人饱和度。
99.本技术实施例的装置，通过摄像机就能识别道路路口所在预设区域的区域图像中的目标行人与车辆来计算目标车辆饱和度以及目标行人饱和度，避免了在道路路口安装专门的检测器，也避免了将区域图像上传至云服务器进行计算，提高了目标车辆饱和度以及目标行人饱和度的计算效率的同时，还降低了对带算力的服务器的依赖，降低了运营维护
成本。
100.在一种实施例中，所述目标检测区域包括检测驶向所述道路路口的车辆的第一检测区域以及检测横穿所述道路路口的行人的第二检测区域，第一确定子模块可以包括，第一识别单元，用于将位于所述第一检测区域内的目标车辆的识别框进行合并，得到第一合并框。
101.第一计算单元，用于计算所述第一合并框的面积，得到位于所述目标检测区域内的目标车辆的检测面积。
102.第二计算单元，用于计算所述目标检测区域内的目标车辆的检测面积与所述第一检测区域的面积的比值，得到所述目标车流量。
103.本技术实施例的装置，采用目标车辆的识别框在第一检测区域内合并后的面积来表征第一检测区域内目标车辆的面积，通过在第一合并框的面积与第一检测区域的面积的比值，来表征目标车辆饱和度，不用计算真实车辆的面积，也不用其它现有的复杂的方法来计算目标车辆饱和度，简化了路口的车辆饱和度的计算方法，进一步提高了车辆饱和度的计算效率。
104.在一种实施例中，第一确定子模块可以包括，第二识别单元，用于将位于所述第二检测区域内的目标行人的识别框进行合并，得到第二合并框。
105.第三计算单元，用于计算根据所述第二合并框的面积，得到位于所述目标检测区域内的目标行人的检测面积。
106.第四计算单元，用于计算所述目标检测区域内的目标行人的检测面积与所述第二检测区域的面积的比值，得到所述目标人流量。
107.本技术实施例的装置，采用目标行人的识别框在第二检测区域内合并后的面积来表征第二检测区域内目标行人的面积，通过在第二合并框的面积与第二检测区域的面积的比值，来表征目标行人饱和度，不用计算真实行人的面积，也不用其它现有的复杂的方法来计算目标行人饱和度，简化了路口的行人饱和度的计算方法，进一步提高了行人饱和度的计算效率。
108.在一种实施例中，查询模块630还可以包括，输入子模块，用于将交通信号灯的预设点亮时长输入到隶属度函数中，得到交通信号灯点亮时长的隶属度值。
109.计算子模块，用于通过模糊控制算法计算所述隶属度值对应的所述交通信号灯对应的点亮时长类型。
110.本技术实施例的装置，利用隶属度函数来计算交通信号灯点亮时长的隶属度值，再通过隶属度值确定交通信号灯对应的点亮时长类型，其计算方法较为简单，能够节省计算设备的算力。通过使用表征模糊集合的数学工具隶属函数来确定的交通信号灯对应的点亮时长类型，是一种模糊集合，也就是说，得到的点亮时长集合不是对交通信号灯点亮时长的一个具体数值，而是一个较为模糊的点亮时长的时长程度表示，降低对带算力服务器的依赖，进一步降低运营维护成本。
111.此外，结合上述实施例中的交通信号灯的控制方法，本技术实施例可提供一种交通信号灯的控制设备，所述设备可以包括处理器以及存储有计算机程序指令的存储器，所
述处理器执行所述计算机程序指令时实现上述任一实施例中交通信号灯的控制方法。
112.另外，结合上述交通信号灯的控制方法，本技术实施例可提供一种计算机存储介质，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述任一实施例中交通信号灯的控制方法。
113.处理器可以包括中央处理器(cpu)，或者特定集成电路(application specific integrated circuit，asic)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
114.存储器可包括只读存储器（rom），随机存取存储器（ram），磁盘存储介质设备，光存储介质设备，闪存设备，电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器包括一个或多个编码有包括计算机可执行指令的软件的有形（非暂态）计算机可读存储介质（例如，存储器设备），并且当该软件被执行（例如，由一个或多个处理器）时，其可操作来执行参考根据本公开的一方面的方法所描述的操作。
115.需要明确的是，本技术并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本技术的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本技术的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
116.以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路（asic）、适当的固件、插件、功能卡等等。当以软件方式实现时，本技术的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、rom、闪存、可擦除rom（erom）、软盘、cd-rom、光盘、硬盘、光纤介质、射频（rf）链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
117.还需要说明的是，本技术中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本技术不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
118.上面参考根据本公开的实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
119.以上所述，仅为本技术的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法
实施例中的对应过程，在此不再赘述。应理解，本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本技术的保护范围之内。