具体实施方式

结合以下应用场景对本发明作进一步描述。

参见图1实施例所示一种基于AI物联网技术的智慧城市交通管控系统，包括信息采集终端1、智能基站2、车载信息终端3和云服务器4；其中，

信息采集终端1设置在路侧，用于采集道路的交通信息，并将采集到的交通信息传输到智能基站2；

车载信息终端3用于获取车辆状态信息，并将获取到的车辆状态信息传输到智能基站2；

智能基站2包括边缘计算模块和通信模块；

通信模块用于与信息采集终端1和车载信息终端3建立通信连接；

边缘计算模块用于根据接收到的交通信息和车辆状态信息进行分析处理，获取道路交通分析结果，根据道路交通分析结果向车载信息终端3发送相应的提示消息，并根据道路交通分析结果向交通指引设备发送相应的调控指令；以及将交通分析结果传输至云服务器4；

云服务器4用于根据接收到的交通分析结果实时更新城市交通情况；

车载信息终端3还用于接收并显示智能基站2发送的提示消息。

本发明上述实施方式，提出了一种基于人工智能和物联网技术的智慧城市交通管控系统，通过设置在道路路侧的信息采集终端1采集道路的交通信息，以及通过设置在行驶在道路上的车辆的车载信息终端3获取道路上车辆的车辆状态信息，并且由信息采集终端1和车载信息终端3分别将采集到的道路的交通信息和车辆状态信息实时传输到智能基站2，由智能基站2基于接收到的交通信息和车辆状态信息进行本地化的基于人工智能的分析处理，获取道路交通分析结果，一方面根据道路交通分析结果向车辆发送提示消息，以使得驾驶员能够根据提示消息了解路况和提前做出路径调整，另一方面根据道路交通分析结果向交通指引设备发送调控指令，以控制交通指引设备(例如红绿灯)调整相应的交通疏导策略，以及时根据道路实际状况缓解道路拥堵情况；基于智能基站2对一定区域内的道路进行本地化调控和管理，有助于道路交通的疏导管控，同时也有助于缓解云服务器4对数据传输和数据处理的压力。同时道路交通分析结果还同步上传至云服务器4，对云服务器4中的城市交通情况进行实时更新，满足智慧城市交通管控的其它需求。

一种实施方式中，信息采集终端1包括设置在路侧的传感器，其中传感器包括车流量传感器、车速传感器、视频传感器和环境传感器；通过传感器采集道路的交通信息，其中交通信息包括道路的车流量数据、车速数据、道路视频图像数据和环境数据，其中环境数据包括降雨量和水位等。

一种实施方式中，车载信息终端3获取车辆状态信息，其中车辆状态信息包括车辆定位信息、行驶路径规划信息、车辆运行状态信息和车辆异常状态信息，其中车辆运行状态信息包括车速，车辆异常状态信息包括车辆故障状态和交通事故状态。

一种实施方式中，智能基站2与其覆盖范围内的多个设置在路侧的传感器和多个车载信息终端3共同组成无线通信网络，传感器和车载信息终端3分别作为无线通信网络中的子节点，无线通信网络内的各个子节点通过单跳或多跳的数据传输方式将数据传输到智能基站2。

为了进一步降低智能基站2覆盖范围内，信息采集终端1和车载信息端将数据传输到智能基站2的整体能耗，上述实施方式中，还提出了一种根据智能基站2覆盖范围内的信息采集终端1的传感器和车载信息终端3共同构建无线通信网络，以使得传感器和车载信息终端3共同作为无线通信网络中的子节点，通过单挑或多跳的数据传输方式将数据发送和转发至智能基站2，有助于降低智能基站2覆盖范围内数据传输的整体能耗。

一种实施方式中，智能基站2向其覆盖范围内的子节点发送自身的定位信息，子节点根据自身的定位信息和智能基站2的定位信息进行判断，如果子节点与智能基站2的距离小于该子节点的一跳通信距离，则该子节点通过一跳的数据传输方式将数据直接传输到智能基站2；如果子节点与智能基站2的距离超过该子节点的一跳通信距离，则该子节点从其邻居节点中选取一个下一级节点，将数据传输到下一级节点通过多跳转发的方式将数据传输到智能基站2。

一种实施方式中，当子节点与智能基站2的距离超过该子节点的一跳通信距离时，子节点从其邻居节点中选取一个下一级节点，具体包括：

子节点周期性根据自身的节点类型信息和平均速度信息获取自身的节点分类，其中当节点类型为路侧传感器节点时，或节点类型为车载信息终端3节点且平均速度信息小于等于设定的标准速度v′，即时，则子节点将自身当前周期划分为A类节点；当节点类型为节点类型为车载信息终端3节点且平均速度信息大于等于设定的标准速度v′，即时，则子节点将自身当前周期划分为B类节点；其中设定的标准速度v′∈[20,30]km/h；

子节点将自身的状态信息广播至其一跳通信范围内的邻居节点(其他子节点)，并接收其一跳通信范围内的邻居节点的状态信息，其中状态信息包括子节点的节点分类信息f、节点类型y、一跳通信距离信息r、平均速度信息定位信息、剩余能量信息E；其中节点类型包括路侧传感器节点s和车载信息终端3节点c；平均速度信息为根据上一时间周期内子节点的平均速度统计所得，其中当子节点为路侧传感器节点时，其平均速度信息为0；节点分类信息包括子节点当前周期的节点分类，节点分类包括A类节点和B类节点；

子节点根据邻居节点的状态信息，分别计算邻居节点的多跳性能因子，并选取多跳性能因子最大对应的邻居节点作为下一级节点；

其中，当子节点自身为A类节点时，采用下列第一多跳性能因子计算函数获取邻居节点的多跳性能因子：

式中，α(n)表示第n个邻居节点的多跳性能因子，n＝1,2,…,N，N表示邻居节点的总数，K₁(f_n,A)表示分类判断因子，其中f_n表示第n个邻居节点的节点分类，当第n个邻居节点的节点分类为A类节点时f_n＝A，K₁(f_n,A)＝1；当第n个邻居节点的节点分类为B类节点时f_n＝B，K₁(f_n,A)＝0.01；K₂(y_n,c>s)表示类型判断因子，其中y_n表示第n个邻居节点的节点类型，当第n个邻居节点的节点类型为车载信息终端3节点c时，K₂(y_n,c>s)＝Y1；当第n个邻居节点的节点类型为路侧传感器节点s时，K₂(y_n,c>s)＝Y2，其中Y1远大于Y2，以使得当邻居节点为的节点类型为车载信息终端3节点c时的多跳性能因子均大于当邻居节点的节点类型为路侧传感器节点s时的多跳性能因子；r_n表示第n个邻居节点的一跳通信距离，D_n表示第n个邻居节点到智能基站2之间的距离，E_n表示第n个邻居节点的剩余能量百分比，表示邻居节点的剩余能量百分比均值，表示第n个邻居节点的平均速度信息，v′表示设定的标准速度；ω_D、ω_E、ω_v分别表示设定的距离、能量、速度权重调节因子，ω_D+ω_E+ω_v＝1

当子节点自身为B类节点时，采用下列第二多跳性能因子计算函数获取邻居节点的多跳性能因子：

式中，K₂(y_n,s>c)表示类型判断因子，其中y_n表示第n个邻居节点的节点类型，当第n个邻居节点的节点类型为路侧传感器节点s时，K₂(y_n,s>c)＝Y3；当第n个邻居节点的节点类型为车载信息终端3节点c时，K₂(y_n,s>c)＝Y4，其中Y3远大于Y4，以使得当邻居节点为的节点类型为路侧传感器节点s时的多跳性能因子均大于当邻居节点的节点类型为车载信息终端3节点c时的多跳性能因子；d_0n表示子节点与第n个邻居节点的距离。

一种场景中，Y1＝1，Y2＝0.01，Y3＝1，Y4＝0.01。

针对路侧传感器节点通常没有配备专用持续能源系统，当路侧传感器监测节点的能源消耗完之后，路侧传感器监测节点会失效，需要进行专门的充电操作后才能够重新恢复，因此当路侧传感器节点持续承受过多的车载信息终端3数据传输的多跳转发任务时，会导致路侧传感器节点寿命降低的技术问题。上述实施方式特别提出了一种当无线通信网络中子节点(包括基站通信覆盖范围内的路侧传感器和车载信息终端3)需要进行多跳的数据传输方式进行数据传输时子节点能够自适应选取下一级(下一跳)节点的技术方案。其中子节点首先根据自身的状态信息，特别是节点类型信息和平均速度信息判断自身的节点分类，其中全部的路侧传感器节点，其都划分为A类节点；另外将行车速度较低的车辆的车载信息终端3节点也划分为A类节点；其余车辆的车载信息终端3节点划分为B类节点；其中不同分类的子节点根据其邻居节点的状态信息进行计算邻居节点的多跳性能因子，并从中选择多跳性能因子高的邻居节点作为下一级节点。其中，本申请对应划分为不同分类的子节点，提出了不同的多跳性能因子计算函数。考虑到车载信息终端3的能量补充便捷程度远远大于路侧传感器节点，因此针对行车速度较低的路段(例如是正在堵车的路段)，将行车速度较低的车辆的车载信息终端3承担更多数据转发任务，能够在保证数据传输可靠性的同时，有效地降低路侧传感器节点数据传输的能耗，因此当路侧传感器节点检测到邻居节点中存在移动速度较低的车载信息终端3节点时(例如是出现堵车的情况)，会自适应地优先从车载信息终端3节点中选择下一级节点，通过车载信息终端3节点来完成多跳数据传输的转发任务，同时在计算多跳性能因子的过程中，在常规的基于能耗、与基站距离的因素的情况下，还特别加入了移动速度作为判断下一级节点多跳性能的依据，提高了根据多跳性能因子选取下一级节点的可靠性。同时，车速较快的车载信息终端3节点，其中考虑到当子节点移动速度较快时，容易导致多跳数据传输的可靠性降低(例如是导致传输距离过远或者位移过大导致数据收发稳定性降低出现丢包等情况)，因此针对此类车载信息终端3节点，在计算多跳性能因子的过程中，还是优先考虑稳定性较高的路侧传感器节点作为下一级节点，以保证多跳数据传输的稳定性。通过上述子节点自适应根据邻居节点的状态信息进行下一级节点的选择，能够有效地针对智能基站2覆盖范围内城市道路交通信息采集终端1以及车载信息终端3的特性，对智能基站2无线通信网络的数据传输质量和能耗进行优化，间接对智慧城市交通管控系统进行了优化。

一种实施方式中，边缘计算模块包括路况分析单元；

其中路况分析单元用于基于人工智能算法，根据道路的交通信息和接收到的车辆状态信息对道路的路况进行分析，包括当前路况分析和路况预测，获取路况分析结果；并根据路况分析结果向基站覆盖范围内的车载信息终端3发出相应的提示消息；同时根据路况分析结果向相应的交通指引设备发送与路况分析结果对应的控制指令；以及将路况分析结果上传至云服务器4。

一种场景中，路况分析单元根据由信息采集终端1传输的道路平均车速测量数据，结合由该道路中车辆的车载信息终端3传输的车速数据进行分析，综合获取该道路的平均车速，根据获取的平均车速与设定的车速阈值进行比较，当检测到该道路的平均车速小于设定的车速阈值时，则判断该道路存在拥堵情况，并根据获取的拥堵分析结果，结合由车载信息终端3传输的行驶路径规划信息进行筛选出即将途径该拥堵路段的车辆，并向相应的车载信息终端3传输该路段拥堵的提示消息，以使得驾驶员能够通过车载信息终端3及时获取路段拥堵情况，并作出相应的路径调整；同时，路况分析单元根据获取的拥堵分析结果，向该拥堵路段相应的交通指引设备发送对应的控制指令，例如调控该路段及周边路段对应的红绿灯变化策略，以缓解该拥堵路段的堵塞情况，或者控制通往该拥堵路段的其他道路的智能显示牌显示该路段的拥堵信息，以提示附近道路的司机能够及时避开该拥堵路段，避免拥堵加剧。同时路况分析单元还将该路段的拥堵信息传输到云服务器4，以使得云服务器4能够在城市道路交通地图中更新该路段的拥堵信息，以使得当用户查看地图信息(例如通过用户终端的第三方地图应用软件访问云服务器4获取城市道路交通信息)时，能够及时掌握路况的实时情况。其中上述分析处理基于智能基站2的边缘计算模块完成，通过路况分析单元对道路的路况进行本地化的实时分析，能够完成路段交通指引设备的调控、附近车载信息终端3的提示、以及云服务器4信息的远程更新，能够从近、中、远三个维度完成道路交通的实时管控，有助于提高智能基站2覆盖范围内交通管控的实时性水平，也有助于提高智慧城市整体交通管控的可靠性水平。

一种场景中，路况分析单元根据获取的道路车流量数据，基于AI分析算法或者训练好的车流量预测模型对该路段的车流量数据变化趋势进行分析和预测，提前对道路的路况进行预测，并根据路况预测结果对附近车辆的车载信息终端3进行提示，并提前对相应的交通指引设备进行调控，以避免道路拥堵情况的发生。

一种场景中，当路况分析单元接收到由车载信息终端3发送的车辆发生故障或发生交通事故时，或者根据信息采集终端1传输的道路视频图像数据检测到道路中发生车辆故障或者交通事故从而堵塞道路时，则生成相应的事故检测结果，同时根据事故检测结果向附近的车载信息终端3发出提示消息，以使得相应的驾驶员能够提前得知事故的发生进行相应的躲避，同时也通过交通指引设备显示相应的事故提示消息，提醒过往车辆留意躲避事故区域(例如提前变道或者改变路线)，有助于缓解因事故到来的拥堵；当接收到车载信息终端3发送的消息或者通过道路视频图像获取到该事故处理完毕道路恢复正常后，生成相应的路况恢复正常结果，并及时向相应的车载信息终端3发送道路恢复正常消息，以及向相应的交通指引设备发送控制指令，以使得交通指引设备恢复正常提示消息的显示。

其中，上述所指的道路为单向道路，实际情况中的双向道路则可以被理解为是两条不同的道路。

一种实施方式中，边缘计算模块还包括异常检测单元；

其中异常检测单元用于根据由信息采集终端1上传的道路视频图像数据进行车辆违规检测，当检测到存在违规行为发生时，记录该违规行为信息，并将该违规行为信息传输到云服务器4中；

云服务器4还包括管理模块，管理模块用于对接收到的违规行为信息进行管理，供第三方终端查阅和调用。

智能基站2接收由信息采集终端1采集的道路视频图像数据，通过边缘计算模块的异常检测单元对道路中的车辆进行违规检测(例如车辆违停、非法变道、压线、备案失窃车辆检测等)，当检测到存在车辆违规行为发生时，则自动记录该违规行为信息，并将违规行为信息上传至云服务器4进行存储，供第三方终端(例如是公安系统、交通管理系统等)查阅和调用，有助于实现交通管控系统和城市管理其他领域的联动，为智慧城市的其他行政或者管理系统提供数据支持。

一种实施方式中，异常检测单元中，在根据由信息采集终端1上传的道路视频图像数据进行车辆违规检测之前，还包括基于图像处理算法对接收到的道路视频图像数据进行预处理，以提高道路视频图像的质量，避免因道路情况复杂从而导致信息采集终端1采集的道路视频图像数据容易受到噪声干扰或者环境干扰(例如因车辆强光灯影响)，使得根据道路视频图像数据进行车辆违规检测的准确性受到影响。

一种实施方式中，异常检测单元中，对接收到的道路视频图像数据进行预处理，具体包括：

将获取的道路视频图像从RGB颜色空间转换到Lab颜色空间，获取道路视频图像的亮度分量L、颜色分量a和颜色分量b；

针对获取的亮度分量进行亮度调节处理，其中采用的亮度调节函数为：

式中，L′(x，y)表示亮度调节后像素点(x，y)的亮度分量值，L_Y表示设定的基准亮度分量值，其中L_Y∈[50，75]，表示道路视频图像中各像素点的亮度分量均值，L(x，y)表示道路视频图像中像素点(x，y)的亮度分量值，L_5x5(x，y)表示以像素点(x，y)为中心的5x5邻域范围内的像素点的亮度分量均值，L_b表示设定的亮度分量补偿值，其中L_b∈[5,10]，表示判断因子，其中当时，当时，ω₁、ω₂和ω₃分别表示设定的权重调节因子，其中ω₁∈[0.3,0.6]，ω₂∈[0.3,0.6]，ω₃∈[0.1,0.2]，ω₁+ω₂+ω₃＝1。

根据亮度调节后的亮度分量L^′以及颜色分量a和颜色分量b进行重构，得到预处理后的道路视频图像。

上述实施方式中，提出了一种专门针对道路视频图像的预处理技术方案，能够适应亮度视频图像在白天、黑夜等不同情况下进行自适应的调节处理，使得道路视频图像的整体亮度趋向合适的水平，同时针对道路视频图像中存在因车辆强光灯等影响导致的曝光点进行自适应平滑，有助于提高图像的清晰度，同时针对本身整体亮度较暗的图像(例如是深夜灯光较暗时采集的道路视频图像)在自适应亮度增强后导致的亮度失真情况(例如是本来图像中的亮点因为整体亮度调节后超出了取值范围而进行了磨平处理导致亮度失真的情况)进行亮度补偿，提高了道路视频图像预处理的效果，有助于提升道路视频图像的清晰度，为异常检测单元进一步根据预处理后的道路视频图像进行进一步的车辆违规检测奠定基础。

一种实施方式中，云服务器4包括地图模块和访问模块；

地图模块用于显示城市道路地图，并将由智能基站2传输的路况分析结果更新到城市道路地图相应的道路中进行显示。

访问模块用于供第三方终端访问云服务器4并获取实时的城市道路地图信息。

一种实施方式中，车载信息终端3包括显示单元，显示单元用于显示由智能基站2发送的提示消息。

需要说明的是，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中，也可以是各个单元/模块单独物理存在，也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件功能单元/模块的形式实现。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。