交通燈智能控制方法及系統與流程
2023-06-10 15:23:11 3
本發明涉及一種智能交通燈控制方法及系統，特別涉及能夠識別當前交通運行規律的交通燈智能控制方法及系統。
背景技術：
：以往的交通燈通常是只能根據預設的程序進行周而復始的運行，不能根據需要通行的車輛的多少來自動調整交通燈的分配時間，經常出現當前通行相位的車道上已經沒有車輛需要通過，而當前非通行相位的車道上的車輛卻依然在排隊等候的情況，造成了時間的浪費，效率低下。目前，逐漸出現可以根據車輛的多少來調節交通燈時間的算法，但是其依據的計算函數往往是預先設置的幾個計算函數，這些預設的函數參數或函數係數都是固定的，因此並不能很好的適應每種交通狀態，例如：周一、下雨、特定事件發生時，車輛道路狀態都是不一樣，如果讓有限的幾個計算函數去適應無限可能的道路狀態，幾乎是不可能的，因此交通控制並不能達到最優。技術實現要素：為解決上述技術問題，本發明提供的技術方案是：實時採集交通路口處的各車道上的車流信息，並採用函數規則庫中打分最高的函數進行車流通行時間預測，並能夠在在當前函數打分值最高的函數所對應的函數打分值低於設定值時，自動從歷史交通數據中尋找規律，並進行函數規則庫的更新，從而不斷提高函數規則庫對車流通行時間的預測能力，使得交通燈的分配時間更加合理，從而實現提高交通路口處的車輛通行效率。一方面，本發明提供了一種交通燈智能控制方法，包括如下步驟：實時獲取交通路口指定區域內車流信息，該車流信息包括排隊等待通過交通路口的車輛數和/或車流長度；根據車流信息，採用函數規則庫中符合當前適用條件的最高分值函數計算當前車道的預測通行時間；根據當前車道的預測通行時間對交通燈進行控制；獲取車流信息的實際通行數據，該實際通行數據為實際通過路口的車輛數和/或車流長度；將車流信息和實際通行數據存儲到歷史交通資料庫，該歷史交通資料庫中還存儲有採集的車輛運行狀態數據；將上述實際通行數據逐一代入函數規則庫中符合當前適用條件的函數中，計算當前時刻各車道的車流預測通行時間，再根據每個車道的車流預測通行時間和該車道對應的車流實際通行時間，對滿足當前適用條件的函數進行評分，根據該評分更新函數規則庫中各函數的分值；重複上述步驟。進一步的，函數規則庫包括預設函數和根據母版函數生成的預測函數，預設函數為預先設定好的用於預測車流通行時間的函數，預測函數同樣用來預測車流通行時間，但沒有預先設置在函數規則庫中，其由母版函數庫中的母版函數生成，其中，母版函數庫包括以下一個或多個函數：Tt＝T01+Vn*(N-1)(1)Tt＝T01+Vu*(Nu-1)(2)Tt＝T01+Vl*Ln(3)Tt＝T01+Vq*Lq，Lq＝Ln*Q(4)Tt＝T01+Vn*(N+Nd*Tt-1)(5)Tt＝T01+Vu*(Nu+Nud*Tt-1)(6)Tt＝T01+Vl*(Ln+Lnd*Tt)(7)Tt＝T01+Vq*(Lq+Lqd*Tt)(8)Tt＝T01+T2+Vn*(N-Nj-1),T2＝Vj*Nj(9)Tt＝T01+T2+Vu*(Nu-Nuj-1),T2＝Vuj*Nuj(10)Tt＝T01+T2+Vl*(Ln-Lj),T2＝Vlj*Lj(11)Tt＝T01+T2+Vq*(Lq-Lqj),T2＝Vqj*Lqj(12)Tt＝T01+T2+Vn*(N-Nj-1+Nd*Tt),T2＝Vj*Nj(13)Tt＝T01+T2+Vu*(Nu-Nuj-1+Nud*Tt),T2＝Vuj*Nuj(14)Tt＝T01+T2+Vl*(Ln-Lj+Lnd*Tt),T2＝Vlj*Lj(15)Tt＝T01+T2+Vq*(Lq-Lqj+Lqd*Tt),T2＝Vqj*Lqj(16)Tt＝T01+T2+Vn*(N-Nj-1+Nd*Tt+Nd*Td),T2＝Vj*Nj(17)Tt＝T01+T2+Vu*(Nu-Nuj-1+Nud*Tt+Nud*Td),T2＝Vuj*Nuj(18)Tt＝T01+T2+Vl*(Ln-Lj+Lnd*Tt+Lnd*Td),T2＝Vlj*Lj(19)Tt＝T01+T2+Vq*(Lq-Lqj+Lqd*Tt+Lnd*Td),T2＝Vqj*Lqj(20)Tt＝T01+Vn*(N+Nd*Tt+Nd*Td-1)(21)Tt＝T01+Vu*(Nu+Nud*Tt+Nud*Td-1)(22)Tt＝T01+Vl*(Ln+Lnd*Tt+Lnd*Td)(23)Tt＝T01+Vq*(Lq+Lqd*Tt+Lqd*Td)(24)其中，Tt表示預測通行時間；如下參數為母版函數係數：T0表示綠燈亮後第一輛啟動並通過停止線的時間；T1表示綠燈亮後第一輛車通過停止線後，通過到達線的時間，車輛通過到達線則視為通過交通口；T01＝T0+T1；Vn表示到達線截面車輛通行速度；Vu表示到達線截面車輛通行速度，其中車輛為轉化為PCU後的標準車輛；Vl表示到達線車輛通行速度，以隊列長度計；Vq表示到達線車輛通行速度，以車輛物理長度計，Vq＝Lq/t，Lq為去首隊列中車長總和；Nd：表示到達率，單位時間到達的車輛數；Nud：表示到達率，單位時間到達的車輛數，以PCU計；Lnd：表示到達率，單位時間到達隊列的長度；Lqd：表示到達率，單位時間到達車輛長度，以車輛物理長度計；T2：表示綠燈亮後第一輛車通過停止線至車輛達到正常通行速度時經過的時間；Nj：表示除首車輛，達到正常通行速度時已通行的車輛數；Vj：表示除首車輛，達到正常通行速度前的平均通行速度，其中，Vj＝T2/Nj；Nuj：表示除首車輛，達到正常通行速度時已通行的車輛數，以PCU計；Vuj：表示除首車輛，達到正常通行速度前的平均通行速度，其中Vuj＝T2/Nuj；Lj：表示除首車輛，達到正常通行速度時已通行的長度；Vlj：表示除首車輛，達到正常通行速度前的平均通行速度，其中Vlj＝T2/Lj；Lqj：表示除首車輛，達到正常通行速度時已通行的長度，以車輛物理長度計；Vqj：表示除首車輛，達到正常通行速度前的平均通行速度，以車輛物理長度計，其中，Vqj＝T2/Lqj；如下參數為母版函數變量：N，表示車輛數；Nu表示轉化為PCU後的車輛數；L表示隊列長度，即首車車頭到尾車車尾的長度；L1表示首車長度，即首車車頭到首車車尾長度；Ln表示去首車隊列長度，即首車車尾至尾車車尾的長度，其中，Ln＝L-L1；Lq表示去首隊列中車長總和；Q表示隊列車輛密度，其中Q＝Lq/Ln；Td表示計劃等待時間，即從當前時間開始，到給測預通行時間的車道綠燈放行所計劃經歷的時間。上述母版函數變量和母版函數係數對應的車輛運行狀態通過車輛檢測裝置採集獲得或通過計算獲得。進一步的，還包括如下步驟：當歷史交通資料庫出現新的交通記錄後，和/或，當函數規則庫中滿足當前適用條件的具有最高分值的預測函數的分值低於預設分值時，使用以下步驟更新函數規則庫：a)逐一識別母版函數庫中的母版函數係數對應的車輛運行狀態在當前適用條件下是否存在車輛運行規律；b)查詢歷史交通資料庫，當母版函數係數對應的車輛運行狀態存在車輛運行規律時，將該車輛運行規律加入至車輛運行規律資料庫；c)在車輛運行規律資料庫中查詢適用條件所對應的歷史交通記錄集合存在交集的車輛運行規律，當任意母版函數中的全部係數都能在車輛運行規律資料庫中查詢到，並該全部係數能夠同時滿足某個適用條件時，根據該母版函數生成新的預測函數，此時該新的預測函數的適用條件為全部係數適用條件的交集，即該預測函數的適用條件為同時滿足該預測函數所有係數的適用條件；d)將上述新的預測函數進行初始評分後加入至函數規則庫。進一步的，初始評分具體包括：將滿足當前適用條件的母版函數變量對應的車流量歷史交通數據逐一代入新的預測函數以獲得車流預測通行時間，通過比較車流預測通行時間和車流實際通行時間，根據當前適用條件對應的評分過程進行評分，評分方法為：車流預測通行時間越接近車流實際通行時間，即預測精度越高，預測函數分值越高。進一步的，評分過程還包括：根據路口交通需求的達成程度對函數進行評分，達成程度越高，分值越高，路口交通需求包括：更快的通行時間、更大的通行車流量、更少等待時間或延誤、更少的停車次數、給優先通行車輛更少的等待時間和停車次數中的一種或多種。進一步的，交通需求與情景模式相關，該情景模式包括車流高峰情景、閒時情景、與車流量相關的情景、與事件相關的情景、與時間相關的情景中的至少一種情景。進一步的，車輛運行規律的判斷方法包括：a)查詢某一適用條件下的全部交通記錄數；b)計算當前車輛的母版函數係數對應的車輛運行狀態正負預定範圍內交通記錄數量和全部交通記錄數的比值，當該比值大於預設比例時，識別車輛運行規律成功；c)逐一識別相同適用條件下的其他母版函數係數對應的車輛運行狀態是否存在車輛運行規律；d)變更適用條件，逐一識別其它適用條件下的每個母版函數係數對應的車輛運行狀態是否存在車輛運行規律。進一步的，車輛運行規律的判斷方法包括：a)當適用條件為時間時，預定義周期模式庫，周期模式包括若干組，每組包括時間長度不同的多個周期，多個周期按從大到小的順序排布；b)查詢在該適用條件下，在周期模式庫中某一組的最大周期內對應的全部交通記錄數；c)計算上述適用條件下，某一母版函數係數對應的車輛運行狀態在周期模式庫中上述組的最大周期內且正負預定範圍內對應的交通記錄數量和上述全部交通記錄數的比值，當該比值大於等於預設比例時，識別車輛運行規律成功，隨後繼續按照從大到小的周期排布順序，依次識別該組其他周期內該母版函數係數是否存在車輛運行規律；當該比值小於預設比例時，識別車輛運行規律不成功，隨後仍然按照從大到小的周期排布順序，依次識別該組其他周期內該母版函數係數是否存在車輛運行規律；d)重複上述步驟，逐一識別其他母版函數係數對應的車輛運行狀態是否存在車輛運行規律；e)變更上述分組，重複上述步驟，逐一識別改變後的適用條件下的每個母版函數係數對應的車輛運行狀態是否存在車輛運行規律。進一步的，車輛運行規律的判斷方法包括：a)當適用條件為事件時，預定義事件模式庫，該事件模式庫中包括多種不同的事件狀態；b)採集車輛在滿足事件模式庫中某一事件狀態時，車輛在當前適用條件下的全部交通記錄數；c)計算滿足事件模式庫中上述事件狀態時，當前車輛的母版函數係數對應的車輛運行狀態在正負預定範圍內的交通記錄數量和上述全部交通記錄數的比值，當該比值大於預設比例時，識別車輛運行規律成功，當該比例小於預設比例時識別失敗；d)重複上述步驟，逐一識別相同適用條件下的其他母版函數係數對應的車輛運行狀態是否存在車輛運行規律；e)變更適用條件，重複上述步驟，逐一識別其它適用條件下的每個母版函數係數對應的車輛運行狀態是否存在車輛運行規律。進一步的，車輛運行規律的判斷方法包括：在車流信息中還包括母版函數係數對應的當前車輛運行狀態數據時，在歷史交通資料庫中查詢滿足上述當前車輛運行狀態數據正負預定範圍內的全部交通記錄；對上述全部交通記錄關聯的所有適用條件進行分組；分別在歷史交通資料庫中查詢當滿足任何一個分組的適用條件時全部記錄數即分組記錄數和當前車輛運行狀態數據正負預定範圍內的記錄數即分組預定範圍記錄數；計算每個分組預定範圍記錄數和分組記錄數的比值，當該比值大於預設比例時，識別車輛運行規律成功，比值為該車輛運行規律的適用條件可靠度。進一步的，車輛運行規律的判斷方法還包括如下步驟：1)在歷史交通資料庫中查詢某一適用條件下的全部歷史交通記錄數N1和當前適用條件下當前母版函數係數所對應的車輛運行狀態正負預定範圍內的歷史交通記錄數N2；2)按以下方法判斷車輛運行規律：設X為當前模板函數係數，A為當前適用條件所對應歷史交通記錄所組成的集合，K為可靠度，其中K＝(N2/N1)*100％；設L＝{Ln＝(Xn,An,Kn)|n＝1,2,3…}L是運行規律資料庫，Ln是車輛運行規律資料庫中任意車輛運行規律，Xn是車輛運行規律所對應的母版函數係數，An為車輛運行規律的適用條件所對應的歷史交通記錄所組成的集合，Kn為車輛運行規律所對應的可靠度；當不存在任何X等於Xn且時,只要K>Ky即為視別車輛運行規律成功，其中Ky為當前母版函數係數所對應的預設可靠度；當存在任意X等於Xn且時，K大於所有Kn，其中X＝Xn,此時表示視別車輛運行規律成功。進一步的，對任意兩種適用條件進行複合規律處理，複合規律處理方法是：1)判斷第一適用條件對應的歷史交通記錄的集合與第二適用條件對應的歷史交通記錄的集合的交集是否存在車輛運行規律，存在則加入車輛運行規律庫；2)判斷第一適用條件對應的歷史交通記錄的集合與第二適用條件對應的歷史交通記錄的集合的差集是否存在車輛運行規律，存在則加入車輛運行規律庫；3)判斷第二適用條件對應的歷史交通記錄的集合與第一適用條件對應的歷史交通記錄的集合的差集是否存在車輛運行規律，存在則加入車輛運行規律庫。進一步的，還包括如下步驟：將車輛運行規律資料庫內所有車輛運行規律的適用條件定義為集合A，其中，A＝{An|n＝1,…,n}，An表示集合A的任一元素，即車輛運行規律的適用條件；將所有適用條件定義為集合V＝{Vk|k＝1，…,k}，其中，Vk表示集合V的任一元素；適用條件包括：預定義周期模式庫所對應的所有適用條件，預定義事件庫所對應的所有適用條件，車輛運行規律資料庫中的所有車輛運行規律的適用條件即集合A的全部元素，所有預設函數的適用條件和所有母版函數生成的預測函數的適用條件；將集合A中每一個元素與集合V中每一個元素兩兩之間進行複合規律處理。進一步的，集合V中有新元素加入時，即出現了新的適用條件定義時，設該新的適用條件為d，按照以下一個或多個步驟檢測新的車輛運行規律：判斷滿足適用條件d時，每個母版函數係數是否存在車輛運行規律，存在則加入車輛運行規律資料庫；將適用條件d與集合V內每一元素兩兩之間進行複合規律處理；將適用條件d與集合A內每一元素兩兩之間進行複合規律處理。進一步的，將適用條件集合V中的元素兩兩之間進行複合規律處理。另一方面，本發明還提供了一種交通燈智能控制系統，包括如下模塊：車流信息獲取模塊，其用於實時獲取交通路口指定區域內車流信息，該車流信息包括排隊等待通過交通路口的車輛數和/或車流長度；通行時間預測模塊，其用於根據車流信息，採用函數規則庫中符合當前適用條件的最高分值函數計算當前車道的預測通行時間；交通燈控制模塊，用於根據當前車道的預測通行時間對交通燈進行控制；實際通行數據獲取模塊，用於獲取車流信息的實際通行數據，該實際通行數據為實際通過路口的車輛數和/或車流長度；存儲模塊，用於將車流信息和實際通行數據存儲到歷史交通資料庫，該歷史交通資料庫中還存儲有採集的車輛運行狀態數據；分值更新模塊，用於將上述實際通行數據逐一代入函數規則庫中符合當前適用條件的函數中，計算當前時刻各車道的車流預測通行時間，再根據每個車道的車流預測通行時間和該車道對應的車流實際通行時間，對滿足當前適用條件的函數進行評分，根據該評分更新函數規則庫中各函數的分值；重複執行上述各模塊。附圖說明圖1是本發明提供的交通燈智能控制方法的流程圖；圖2是本發明提供的交通燈智能控制系統的結構圖。具體實施方式下面通過具體的實施例進一步說明本發明，但是，應當理解為，這些實施例僅僅是用於更詳細具體地說明之用，而不應理解為用於以任何形式限制本發明。實施例1：結合圖1，詳細說明本實施例的交通燈智能控制方法，包括如下步驟：步驟S1：通過攝像頭、地面設置的電磁線圈、紅外攝像裝置、測速雷達等傳感器實時獲取交通路口指定區域內車流信息，指定區域可以是路口的某條車道或其他區域，該車流信息包括排隊等待通過交通路口的車輛數和/或車流長度；步驟S2：根據車流信息，採用函數規則庫中符合當前適用條件的最高分值函數計算當前車道的預測通行時間；現有技術中，一旦知曉車輛排隊長度或排隊數量，可以通過通用公式計算車道的預測通行時間，具體計算方式屬於本領域的公知常識，在此不做贅述。步驟S3：根據當前車道的預測通行時間對交通燈進行控制；步驟S4：通過傳感器獲取車流信息的實際通行數據，該實際通行數據為實際通過路口的車輛數和/或車流長度；步驟S5：將車流信息和實際通行數據存儲到歷史交通資料庫；步驟S6：將上述實際通行數據逐一代入函數規則庫中符合當前適用條件的函數中，計算當前時刻各車道的車流預測通行時間，再根據每個車道的車流預測通行時間和該車道對應的車流實際通行時間，對滿足當前適用條件的函數進行評分，根據該評分更新函數規則庫中各函數的分值；重複上述步驟。上面所說的適用條件是指採集當前車流信息或車輛運行狀態時的時間、地點、事件、環境等具有標誌性的條件，用於作為識別車輛運行規律時的先決條件。例如：周一下雨天的上午八點、周一早上、開演唱會並下雨等等都可以認為是適用條件。上面所說的函數規則庫實質上是根據當前車流狀態進行具體計算的多種函數集合的資料庫，需要計算時，從函數規則庫中選一個最適合的函數，最適合體現在函數的分值最高，該分值最高體現在車流預測通行時間與車流實際通行時間最匹配或最能達到期望目標的。優選的，函數規則庫包括預設函數和根據母版函數生成的預測函數，二者的地位是完全相同的，區別就是預設函數為預先設定好的用於預測車流通行時間的函數，現有技術中已經存在如何獲得此類計算函數的方法，因此在本申請中不再贅述，預測函數同樣用來預測車流通行時間，但沒有預先設置在函數規則庫中，其由母版函數庫中的母版函數生成，其中，母版函數庫包括以下一個或多個函數：Tt＝T01+Vn*(N-1)(1)Tt＝T01+Vu*(Nu-1)(2)Tt＝T01+Vl*Ln(3)Tt＝T01+Vq*Lq，Lq＝Ln*Q(4)Tt＝T01+Vn*(N+Nd*Tt-1)(5)Tt＝T01+Vu*(Nu+Nud*Tt-1)(6)Tt＝T01+Vl*(Ln+Lnd*Tt)(7)Tt＝T01+Vq*(Lq+Lqd*Tt)(8)Tt＝T01+T2+Vn*(N-Nj-1),T2＝Vj*Nj(9)Tt＝T01+T2+Vu*(Nu-Nuj-1),T2＝Vuj*Nuj(10)Tt＝T01+T2+Vl*(Ln-Lj),T2＝Vlj*Lj(11)Tt＝T01+T2+Vq*(Lq-Lqj),T2＝Vqj*Lqj(12)Tt＝T01+T2+Vn*(N-Nj-1+Nd*Tt),T2＝Vj*Nj(13)Tt＝T01+T2+Vu*(Nu-Nuj-1+Nud*Tt),T2＝Vuj*Nuj(14)Tt＝T01+T2+Vl*(Ln-Lj+Lnd*Tt),T2＝Vlj*Lj(15)Tt＝T01+T2+Vq*(Lq-Lqj+Lqd*Tt),T2＝Vqj*Lqj(16)Tt＝T01+T2+Vn*(N-Nj-1+Nd*Tt+Nd*Td),T2＝Vj*Nj(17)Tt＝T01+T2+Vu*(Nu-Nuj-1+Nud*Tt+Nud*Td),T2＝Vuj*Nuj(18)Tt＝T01+T2+Vl*(Ln-Lj+Lnd*Tt+Lnd*Td),T2＝Vlj*Lj(19)Tt＝T01+T2+Vq*(Lq-Lqj+Lqd*Tt+Lnd*Td),T2＝Vqj*Lqj(20)Tt＝T01+Vn*(N+Nd*Tt+Nd*Td-1)(21)Tt＝T01+Vu*(Nu+Nud*Tt+Nud*Td-1)(22)Tt＝T01+Vl*(Ln+Lnd*Tt+Lnd*Td)(23)Tt＝T01+Vq*(Lq+Lqd*Tt+Lqd*Td)(24)其中，Tt表示預測通行時間；如下參數為母版函數係數：T0表示綠燈亮後第一輛啟動並通過停止線的時間；T1表示綠燈亮後第一輛車通過停止線後，通過到達線的時間，車輛通過到達線則視為通過交通口；T01＝T0+T1；Vn表示到達線截面車輛通行速度；Vu表示到達線截面車輛通行速度，其中車輛為轉化為PCU後的標準車輛；Vl表示到達線車輛通行速度，以隊列長度計；Vq表示到達線車輛通行速度，以車輛物理長度計，Vq＝Lq/t，Lq為去首隊列中車長總和；Nd：表示到達率，單位時間到達的車輛數；Nud：表示到達率，單位時間到達的車輛數，以PCU計；Lnd：表示到達率，單位時間到達隊列的長度；Lqd：表示到達率，單位時間到達車輛長度，以車輛物理長度計；T2：表示綠燈亮後第一輛車通過停止線至車輛達到正常通行速度時經過的時間；Nj：表示除首車輛,達到正常通行速度時已通行的車輛數；Vj：表示除首車輛,達到正常通行速度前的平均通行速度，其中，Vj＝T2/Nj；Nuj：表示除首車輛,達到正常通行速度時已通行的車輛數，以PCU計；Vuj：表示除首車輛,達到正常通行速度前的平均通行速度，其中Vuj＝T2/Nuj；Lj：表示除首車輛,達到正常通行速度時已通行的長度；Vlj：表示除首車輛,達到正常通行速度時的平均通行速度，其中Vlj＝T2/Lj；Lqj：表示除首車輛,達到正常通行速度時已通行的長度，以車輛物理長度計；Vqj：表示除首車輛,達到正常通行速度時的平均通行速度，以車輛物理長度計，其中，Vqj＝T2/Lqj；如下參數為母版函數變量：N，表示車輛數；Nu表示轉化為PCU後的車輛數；L表示隊列長度，即首車車頭到尾車車尾的長度；L1表示首車長度，即首車車頭到首車車尾長度；Ln表示去首車隊列長度，即首車車尾至尾車車尾的長度，其中，Ln＝L-L1；Lq表示去首隊列中車長總和；Q表示密度隊列車輛密度，其中Q＝Lq/Ln；Td表示計劃等待時間，即從當前時間開始，到給測預通行時間的車道綠燈放行所計劃經歷的時間；上述母版函數變量和母版函數係數對應的車輛運行狀態部分通過車輛檢測裝置採集獲得，部分通過計算獲得，具體參見上述公式。根據該評分更新函數規則庫中各函數的分值，具體為：若預設函數分值發生變化，則更新預設函數的分值，若母版函數生成的預測函數的分值發生變化，則對預測函數更新分值。「正常通行速度」是指車道綠燈放行後，車輛完成通行加速進入相對穩定通行階段的速度，可以是預設值，但更優的方案是根據該車道歷史通行數據計算獲取。進一步優選的，當歷史交通資料庫出現新的交通記錄後，和/或，當函數規則庫中滿足當前適用條件的具有最高分值的預測函數的分值低於預設分值時，使用以下步驟更新函數規則庫：a)逐一識別母版函數庫中的母版函數係數對應的車輛運行狀態在當前適用條件下是否存在車輛運行規律；b)查詢歷史交通資料庫，當母版函數係數對應的車輛運行狀態存在車輛運行規律時，將該車輛運行規律加入至車輛運行規律資料庫；c)在車輛運行規律資料庫中查詢適用條件所對應的歷史交通記錄集合存在交集的車輛運行規律，當任意母版函數中的全部係數都能在車輛運行規律資料庫中查詢到，並該全部係數能夠同時滿足某個適用條件時，根據該母版函數生成新的預測函數，此時該新的預測函數的適用條件為全部係數適用條件的交集；d)將上述新的預測函數進行初始評分後加入至函數規則庫。此外，「適用條件所對應的歷史交通記錄集合存在交集」是指：假設規律庫中，存在以下規律：1)T01＝12秒，適用條件，下雨天2)Vn＝0.2輛/秒，適用條件，周一3)Vn＝0.3輛/秒，適周條件，周二那麼1),2)存在交集，即周一下雨天，因為可以在歷史交通資料庫查詢到同時滿足上述兩個適用條件(即周一下雨天)的交通記錄；2)，3)不存在交集，因為在歷史交通資料庫中查詢不到同時滿足上述兩個適用條件(即周一，周二)的交通記錄。其中，「同時滿足某個適用條件」是指：1)，2)同時滿足條件：周一下雨天，與交集同理。「母版函數中的全部係數都能在車輛運行規律資料庫中查詢到」是指：以母版函數Tt＝T01+Vn*(N-1)為例，此母版函數需要兩個係數，T01和Vn，當規律庫中存在交集的係數只有T0和Vn時，不滿足要求；而如果同時包含T01和Vn時則滿足要求。當然規律庫存在交集的係數同時包含T0,T1和Vn時，由於T01＝T0+T1，所以也視為滿足要求。此外，車輛運行規律的識別方法具體實例如下：以母版函數係數Vn為例，假定當前速度為Vn＝0.5輛/秒或30輛/分，通行時段為：2016年8月1日星期一9：02：00到9:02:50(24小時表示法，下同)。按每日規律識別：1)獲取每天時間T(9:02)正負2分鐘(R：最小容差範圍)範圍內的所有記錄,設記錄數為N1；2)計算Vn正負預定範圍0.05車輛/秒之間記錄數N2，當N2/N1*100％大於預設比例Ky(如：95％)時，識別有車輛運行規律則成功，否則規律識別失敗，成功後將規律(即：Vn＝0.5輛/秒,適用條件為每天9:00-9：04)加入規律庫。3)繼續嘗試其它方式，重複1)2)步驟，其它方式包括：a)縮小範圍：只獲取最近兩個月每天9：02正負2分鐘的數據；b)縮小範圍：只獲取最近一個月每天9：02正負2分鐘的數據；c)換一種方式：所有周一9：02正負2分鐘的數據；d)縮小範圍：只獲取最近兩個月周一9：02正負2分鐘的數據；e)縮小範圍：只獲取最近一個月周一9：02正負2分鐘的數據；f)換一種方式：每月一號9：02正負2分鐘，近一年每月一號9：02正負2分鐘，近半年每月一號9：02正負2分鐘，近三個月每月一號9：02正負2分鐘；g)換一種方式：每年的8月1號9：02正負2分鐘等。進一步優選的，初始評分具體包括如下過程：將滿足當前適用條件的母版函數變量對應的車流量歷史交通數據逐一代入新的預測函數以獲得車流預測通行時間，通過比較車流預測通行時間和車流實際通行時間，根據當前適用條件對應的評分過程進行評分，評分方法為：車流預測通行時間越接近車流實際通行時間，即預測精度越高，預測函數分值越高，即根據準確性評分，例如：根據預測精度：(1)一級：1秒或2％以內，100分(2)二級：1.5秒或2.5％以內，95分(3)三級：2秒或3％以內，80分(4)四級：3秒或3.5％以內，70分(5)五級：3.5秒或4％以內，60分或者，根據分值＝(1-|預測通行時間-實際通行時間|/實際通行時間)*100％。進一步優選的，評分過程還包括：根據路口交通需求的達成情況對函數進行評分，達成程度越高，分值越高，路口交通需求包括：更快的通行時間、更大的通行車流量、更少等待時間或延誤、更少的停車次數、給優先通行車輛更少的等待時間和停車次數中的一種或多種。例如：Score綜＝∑(Pk*Qk)其中Pk是各交通需求達成情況評分，Qk是各交通需求評分的權重。關於對更快的通行時間、更大的通行車流量、更少等待時間或延誤、更少的停車次數，給優先通行車輛更少的等待時間和停車次數等評分方法屬於現有技述，本處不再贅述。進一步優選的，評分還考慮歷史分值，評分方法為歷史分值越高，最終分值越高，例如：假設預測函數F1原始分值是95分，最新打分是60分那麼它的最終分值很可能是95*90％+60*10％＝91.5其中90％為原始分值權重，10％為新分值權重。進一步優選的，交通需求與情景模式相關，該情景模式包括車流高峰情景、閒時情景、與事件相關的情景、與時間相關的情景中的至少一種情景。系統可以預設多種情景模式，分別為每情景模式定義交通需求及交通需求的評分權重。然後對適用範圍內的預測函數在各情景模式下獨立打分，例如：預設以下情景模式和交通需求的權重，參見表1：1)上下班車流高峰，車流通行量最重要，權重設為50％，平均等待時間次之30％，預測精度15％，其它成分5％2)晚間閒時時段，平均等待時間權重為50％,預測精度：30％，平均停車次數20％3)下雨時段，預測精度50％，車流通行量30％，平均等待時間10％，其它10％4)高峰下雨時段，預測精度40％，車流通行量20％，平均等待時間20％，其它20％以下是多個預測函數在不同情景模式下打分表2：N/A表示預測函數在指定情景模式下不適用，不參與打分。進一步優選的，車輛運行規律的判斷方法還可以是：a)查詢某一適用條件下的全部交通記錄數；b)計算上述適用條件下，當前車母版函數係數對應的車輛運行狀態正負預定範圍內交通記錄數量和上述全部交通記錄數的比值，當該比值大於預設值時，識別車輛運行規律成功；c)逐一識別相同適用條件下的其他母版函數係數對應的車輛運行狀態是否存在車輛運行規律；d)變更適用條件，逐一識別其它適用條件下的每個母版函數係數對應的車輛運行狀態是否存在車輛運行規律。上述預設值表示規律的可靠度閘值，例如：假設系統發現周一T0＝3秒，系統查詢適用條件周一的全部歷史交通記錄數N1＝2000條，其中T0＝3正負0.05範圍內記錄數N2＝1800條，那麼可靠度K＝N2/N1＝1800/2000*100％＝90％，假設T0的可靠度閘值為85％，那麼代表系統發現了新的車輛運行規律。進一步優選的，當適用條件為時間時，車輛運行規律的識別方法為：a)當適用條件為時間時，預定義周期模式庫，周期模式包括若干組，每組包括時間長度不同的多個周期，多個周期按從大到小的順序排布；b)查詢在該適用條件下在周期模式庫中某一組的最大周期內對應的全部交通記錄數；c)計算上述適用條件下，某一母版函數係數在周期模式庫上述組的最大周期內且正負預定範圍內對應的交通記錄數量和上述全部交通記錄數的比值，當該比值大於等於預設比例時，識別車輛運行規律成功，隨後繼續按照從大到小的周期排布順序，依次識別該組其他周期內該係數是否存在車輛運行規律；當該比值小於預設比例時，識別車輛運行規律不成功，隨後仍然按照從大到小的周期排布順序，依次識別該組其他周期內該係數是否存在車輛運行規律。d)重複上述步驟，逐一識別其他母版函數係數對應的車輛運行狀態是否存在車輛運行規律；e)改變分組，則重複上述步驟，逐一識別改變後的適用條件下的每個母版函數係數對應的車輛運行狀態是否存在車輛運行規律。預定義周期模式庫可以是以下一種或多種:a)每天，近一年每天，近半年每天，近一季每天，近兩月每天，近一月每天，近一周每天；b)每周，所有周，近一年每周，近半年每周，近一季每周，近兩月每周，近一月每周；c)每月，所有月，近三年每月，近兩年每月，近一年每月，近半年每月；d)每年，所有年，近十年，近五年，近三年。進一步優選的，當適用條件為事件時，車輛運行規律的識別方法為：a)當適用條件為事件時，預定義事件模式庫，該事件模式庫中包括多種不同的事件狀態；b)採集車輛在滿足事件模式庫中某一事件狀態時，車輛在當前適用條件下對應的全部交通記錄數；c)計算滿足事件模式庫中上述事件狀態時，當前車輛的母版函數係數對應的車輛運行狀態在正負預定範圍內的交通記錄數量和上述全部交通記錄數的比值，當該比值大於預設比例時，識別車輛運行規律成功，否則逐個識別其他事件狀態時該母版函數係數是否存在車輛運行規律；d)重複上述步驟，逐一識別相同適用條件下的其他母版函數係數對應的車輛運行狀態是否存在車輛運行規律；e)變更適用條件，重複上述步驟，逐一識別其它適用條件下的每個母版函數係數對應的車輛運行狀態是否存在車輛運行規律。事件模式庫可以是以下一種或多種事件：a)節假日，含法定節假日、傳統節日、外國節日、含陰曆和陽曆，另外可以標識每個節假日第一天，第N天；b)天氣情況，含雨，雪，風，冰雹，霧或低能見度指標，別外可以進行分級，如小雨，中雨，大雨；c)事件，含交易會，運動會，演唱會，展會，廟會，慶典，考試，演出等聚集性活動；d)其它突發事件，道路施工，交通事故等。進一步優選的，還可以通過以下方式識別車輛運行規律：車流信息中還包括母版函數係數對應的當前車輛運行狀態數據；在歷史交通資料庫中查詢滿足上述當前車輛運行狀態數據正負預定範圍內的全部交通記錄；對上述全部交通記錄關聯的所有適用條件進行分組；分別在歷史交通資料庫中查詢當滿足任何一個分組的適用條件時全部記錄數即分組記錄數和當前車輛運行狀態數據正負預定範圍內的記錄數即分組預定範圍記錄數；計算每個分組預定範圍記錄數和分組記錄數的比值，當該比值大於預設比例時，識別車輛運行規律成功，比值為該車輛運行規律的適用條件可靠度。比如：當T1＝5秒，查詢T1＝5秒正負0.15範圍內所有交通歷史記錄，按關聯的適用條件分組後如下：1)周一5000條2)周二200條3)周一下雨天300條4)周三30條設N1適用條件歷史交通記錄總數，N2為適用條件T1＝5正負0.15範圍內交通記錄數，經處理得下表3:N1N2可靠度(N2/N1)周一20000530026.50％周二190002001.05％周一下雨天32030093.75％周三19500300.15％T1可靠度預設比例為90％時，分組「周一下雨天T1＝5」視別車輛運行規律成功，其它分組視別車輛運行規律失敗。進一步優選的，車輛運行規律的判斷方法還包括如下步驟：1)在歷史交通資料庫中查詢某一適用條件下的全部歷史交通記錄數N1和該適用條件下當前母版函數係數所對應的車輛運行狀態正負預定範圍內的歷史交通記錄數N2；2)按以下方法判斷車輛運行規律：設X為當前模板函數係數、A為當前適用條件所對應歷史交通記錄所組成的集合，K為可靠度，其中K＝(N2/N1)*100％；設L＝{Ln＝(Xn,An,Kn)|n＝1,2,3…}，L是運行規律資料庫，Ln是車輛運行規律資料庫中任意車輛運行規律，Xn是車輛運行規律所對應的母版函數係數，An為車輛運行規律的適用條件所對應的歷史交通記錄所組成的集合，Kn為車輛運行規律所對應的可靠度；當不存在任何X等於Xn且時,只要K>Ky即為視別車輛運行規律成功，其中Ky為當前母版函數係數所對應的預設可靠度；當存在任意X等於Xn且時，K大於所有Kn，其中X＝Xn,此時表示視別車輛運行規律成功。上述步驟的一個具體的實例是：假設新系統發現T0在周一早上9：00存在規律，T0＝3秒；假設規律庫中存一個規律T0＝3.1使用條件為周一，可靠度為K2＝90％，周一包含周一早上9：00；那麼新價值規律的可靠度K1必須大於K2＝90％才算是有價值的新規律，例如，當K1＝95％則識別成功，而當K1＝89％，雖然大於設定閘值85％，但於由於低於90％所以識別失敗，也就是說，雖然有規律，但是沒有價值。優選的，對任意兩種適用條件進行複合規律處理，複合規律處理方法是：1)判斷第一適用條件對應的歷史交通記錄的集合與第二適用條件對應的歷史交通記錄的集合的交集是否存在車輛運行規律，存在則加入車輛運行規律庫；2)判斷第一適用條件對應的歷史交通記錄的集合與第二適用條件對應的歷史交通記錄的集合的差集是否存在車輛運行規律，存在則加入車輛運行規律庫；3)判斷第二適用條件對應的歷史交通記錄的集合與第一適用條件對應的歷史交通記錄的集合的差集是否存在車輛運行規律，存在則加入車輛運行規律庫。具體的實例為：假設適用條件1代表周一，適用條件2代表下雨天，適用條件1與適用條件2對應的全部歷史交通記錄集合之間存在交集，表示周一的下雨天這個條件下，是存在若干車輛運行狀態的記錄的，可能存在車輛運行規律，具體的規律判定過程參見之前描述過的步驟。適用條件1與適用條件2對應的全部歷史交通記錄集合之間存在差集，即全部車輛運行狀態集合之間存在差集，表示從適用條件1中排除適用條件2，即周一除了下雨的其它時間存在若干車輛運行狀態的記錄的，可能存在車輛運行規律，具體的規律判定過程參見之前描述過的步驟。適用條件2與適用條件1對應的全部歷史交通記錄集合之間存在差集，即全部車輛運行狀態集合之間存在差集，表示從適用條件2中排除適用條件1，即除了周一之外的所有下雨天存在若干車輛運行狀態的記錄的，可能存在車輛運行規律，具體的規律判定過程參見之前描述過的步驟。進一步優選的，將車輛運行規律資料庫內所有車輛運行規律的適用條件定義為集合A，其中，A＝{An|n＝1,…,n}，An表示集合A的任一元素，即車輛運行規律的適用條件；將所有適用條件定義為集合V＝{Vk|k＝1，…,k}，其中，Vk表示集合V的任一元素；適用條件包括：預定義周期模式庫所對應的所有適用條件，預定義事件庫所對應的所有適用條件，車輛運行規律資料庫中的所有車輛運行規律的適用條件即集合A的全部元素，所有預設函數的適用條件和所有母版函數生成的預測函數的適用條件及其它的預定義或複合適用條件；將集合A中每一個元素與集合V中每一個元素兩兩之間進行複合規律處理。通過上述步驟，可以發現新的車輛運行規律或更高可靠度的車輛運行規律。進一步優選的，適用條件集合V中有新元素加入時，即出現了新的適用條件定義時，設該新的適用條件為d，按照以下步驟檢測新的車輛運行規律：1)判斷滿足適用條件d時，是否存在車輛運行規律，存在則加入車輛運行規律資料庫；2)將適用條件d與集合V內每一元素兩兩之間進行複合規律處理；3)將適用條件d與集合A內每一元素兩兩之間進行複合規律處理。具體的，假設國家法定節假日增加了一個五四青年節，其可以成為一個新的預設適用條件，因為該條件有檢測的價值存在，例如：有可能該日期會導致交通擁堵等等。那麼在歷史交通資料庫中，符合這個節日的歷史交通數據即車輛運行狀態就構了成集合D。再比如，可以將國家高速免費通行日作為一個新的適用條件(事件)增加至預設事件庫，高速免費通行也可以對諸多交通路口的車流量產生各式的影響。進一步優選的，將預設的適用條件集合V中的元素兩兩之間進行複合規律處理。以進一步發現新的或更高可靠度的車輛運行規律。實施例2：結合圖2，該實施例提供了一種交通燈智能控制系統，該系統既可以通過電腦程式實現，也可以通過硬體裝置實現，具體包括如下模塊：車流信息獲取模塊1，其用於實時獲取交通路口指定區域內車流信息，該車流信息包括排隊等待通過交通路口的車輛數和/或車流長度；通行時間預測模塊2，其用於根據車流信息，採用函數規則庫中符合當前適用條件的最高分值函數計算當前車道的預測通行時間；交通燈控制模塊3，用於根據當前車道的預測通行時間對交通燈進行控制；實際通行數據獲取模塊4，用於獲取車流信息的實際通行數據，該實際通行數據為實際通過路口的車輛數和/或車流長度；存儲模塊5，用於將車流信息和實際通行數據存儲到歷史交通資料庫，該歷史交通資料庫中還存儲有採集的車輛運行狀態數據；分值更新模塊6，用於將上述實際通行數據逐一代入函數規則庫中符合當前適用條件的函數中，計算當前時刻各車道的車流預測通行時間，再根據每個車道的車流預測通行時間和該車道對應的車流實際通行時間，對滿足當前適用條件的函數進行評分，根據該評分更新函數規則庫中各函數的分值；重複執行上述各模塊。優選的，函數規則庫包括預設函數和根據母版函數生成的預測函數，預設函數為預先設定好的用於預測車流通行時間的函數，預測函數同樣用來預測車流通行時間，但沒有預先設置在函數規則庫中，其由母版函數庫中的母版函數生成，其中，母版函數庫包括以下一個或多個函數：Tt＝T01+Vn*(N-1)(1)Tt＝T01+Vu*(Nu-1)(2)Tt＝T01+Vl*Ln(3)Tt＝T01+Vq*Lq，Lq＝Ln*Q(4)Tt＝T01+Vn*(N+Nd*Tt-1)(5)Tt＝T01+Vu*(Nu+Nud*Tt-1)(6)Tt＝T01+Vl*(Ln+Lnd*Tt)(7)Tt＝T01+Vq*(Lq+Lqd*Tt)(8)Tt＝T01+T2+Vn*(N-Nj-1),T2＝Vj*Nj(9)Tt＝T01+T2+Vu*(Nu-Nuj-1),T2＝Vuj*Nuj(10)Tt＝T01+T2+Vl*(Ln-Lj),T2＝Vlj*Lj(11)Tt＝T01+T2+Vq*(Lq-Lqj),T2＝Vqj*Lqj(12)Tt＝T01+T2+Vn*(N-Nj-1+Nd*Tt),T2＝Vj*Nj(13)Tt＝T01+T2+Vu*(Nu-Nuj-1+Nud*Tt),T2＝Vuj*Nuj(14)Tt＝T01+T2+Vl*(Ln-Lj+Lnd*Tt),T2＝Vlj*Lj(15)Tt＝T01+T2+Vq*(Lq-Lqj+Lqd*Tt),T2＝Vqj*Lqj(16)Tt＝T01+T2+Vn*(N-Nj-1+Nd*Tt+Nd*Td),T2＝Vj*Nj(17)Tt＝T01+T2+Vu*(Nu-Nuj-1+Nud*Tt+Nud*Td),T2＝Vuj*Nuj(18)Tt＝T01+T2+Vl*(Ln-Lj+Lnd*Tt+Lnd*Td),T2＝Vlj*Lj(19)Tt＝T01+T2+Vq*(Lq-Lqj+Lqd*Tt+Lnd*Td),T2＝Vqj*Lqj(20)Tt＝T01+Vn*(N+Nd*Tt+Nd*Td-1)(21)Tt＝T01+Vu*(Nu+Nud*Tt+Nud*Td-1)(22)Tt＝T01+Vl*(Ln+Lnd*Tt+Lnd*Td)(23)Tt＝T01+Vq*(Lq+Lqd*Tt+Lqd*Td)(24)其中，Tt表示預測通行時間；如下參數為母版函數係數：T0表示綠燈亮後第一輛啟動並通過停止線的時間；T1表示綠燈亮後第一輛車通過停止線後，通過到達線的時間，車輛通過到達線則視為通過交通口；T01＝T0+T1；Vn表示到達線截面車輛通行速度；Vu表示到達線截面車輛通行速度，其中車輛為轉化為PCU後的標準車輛；Vl表示到達線車輛通行速度，以隊列長度計；Vq表示到達線車輛通行速度，以車輛物理長度計，Vq＝Lq/t，Lq為去首隊列中車長總和；Nd：表示到達率，單位時間到達的車輛數；Nud：表示到達率，單位時間到達的車輛數，以PCU計；Lnd：表示到達率，單位時間到達隊列的長度；Lqd：表示到達率，單位時間到達車輛長度，以車輛物理長度計；T2：表示綠燈亮後第一輛車通過停止線至車輛達到正常通行速度時經過的時間；Nj：表示除首車輛，達到正常通行速度時已通行的車輛數；Vj：表示除首車輛,達到正常通行速度前的平均通行速度，其中，Vj＝T2/Nj；Nuj：表示除首車輛,達到正常通行速度時已通行的車輛數，以PCU計；Vuj：表示除首車輛,達到正常通行速度前的平均通行速度，其中Vuj＝T2/Nuj；Lj：表示除首車輛，達到正常通行速度時已通行的長度；Vlj：表示除首車輛,達到正常通行速度前的平均通行速度，其中Vlj＝T2/Lj；Lqj：表示除首車輛，達到正常通行速度時已通行的長度，以車輛物理長度計；Vqj：表示除首車輛,達到正常通行速度前的平均通行速度，以車輛物理長度計，其中，Vqj＝T2/Lqj；如下參數為母版函數變量：N，表示車輛數；Nu表示轉化為PCU後的車輛數；L表示隊列長度，即首車車頭到尾車車尾的長度；L1表示首車長度，即首車車頭到首車車尾長度；Ln表示去首車隊列長度，即首車車尾至尾車車尾的長度，其中，Ln＝L-L1；Lq表示去首隊列中車長總和；Q表示隊列車輛密度，其中Q＝Lq/Ln；Td表示計劃等待時間，即從當前時間開始，到給測預通行時間的車道綠燈放行所計劃經歷的時間。上述母版函數變量和母版函數係數對應的車輛運行狀態通過車輛檢測裝置採集獲得或通過計算獲得。進一步優選的，函數規則庫更新模塊，其用於當歷史交通資料庫出現新的交通記錄後，和/或，當函數規則庫中滿足當前適用條件的具有最高分值的預測函數的分值低於預設分值時，使用以下步驟更新函數規則庫：a)逐一識別母版函數庫中的母版函數係數對應的車輛運行狀態在當前適用條件下是否存在車輛運行規律；b)查詢歷史交通資料庫，當母版函數係數對應的車輛運行狀態存在車輛運行規律時，將該車輛運行規律加入至車輛運行規律資料庫；c)在車輛運行規律資料庫中查詢適用條件所對應的歷史交通記錄集合存在交集的車輛運行規律，當任意母版函數中的全部係數都能在車輛運行規律資料庫中查詢到，並該全部係數能夠同時滿足某個適用條件時，根據該母版函數生成新的預測函數，此時該新的預測函數的適用條件為全部係數適用條件的交集，即該預測函數的適用條件為同時滿足該預測函數所有係數的適用條件；d)將上述新的預測函數進行初始評分後加入至函數規則庫。進一步優選的，初始評分具體包括：將滿足當前適用條件的母版函數變量對應的車流量歷史交通數據逐一代入新的預測函數以獲得車流預測通行時間，通過比較車流預測通行時間和車流實際通行時間，根據當前適用條件對應的評分過程進行評分，評分方法為：車流預測通行時間越接近車流實際通行時間，即預測精度越高，預測函數分值越高。進一步優選的，評分過程還包括：根據路口交通需求的達成情況和權重對函數進行評分，達成情況越高，權重越高，分值越高，路口交通需求包括：更快的通行時間、更大的通行車流量、更少等待時間或延誤、更少的停車次數、給優先通行車輛更少的等待時間和停車次數中的一種或多種。進一步優選的，交通需求與情景模式相關，該情景模式包括車流高峰情景、閒時情景、與車流量相關的情景、與事件相關的情景、與時間相關的情景中的至少一種情景。進一步優選的，系統可以預設多種情景模式，分別為每情景模式定義交通需求及交通需求的評分權重。然後對適用範圍內的預測函數在各情景模式下獨立打分進一步優選的，還包括車輛運行規律的判斷單元，其用於執行以下步驟：a)查詢某一適用條件下的全部交通記錄數；b)計算上述適用條件年，當前母版函數係數對應的車輛運行狀態正負預定範圍內交通記錄數量和上述全部交通記錄數的比值，當該比值大於預設比例時，識別車輛運行規律成功；c)逐一識別相同適用條件下的其他母版函數係數對應的車輛運行狀態是否存在車輛運行規律；d)變更適用條件，逐一識別其它適用條件下的每個母版函數係數對應的車輛運行狀態是否存在車輛運行規律。進一步優選的，還包括車輛運行規律的判斷單元，其用於執行以下步驟：a)當適用條件為時間時，預定義周期模式庫，周期模式包括若干組，每組包括時間長度不同的多個周期，多個周期按從大到小的順序排布；b)查詢在該適用條件下在周期模式庫中某一組的最大周期內對應的全部交通記錄數；c)計算上述適用條件下，某一母版函數係數在周期模式庫中上述組的最大周期內且正負預定範圍內對應的交通記錄數量和上述全部交通記錄數的比值，當該比值大於等於預設比例時，識別車輛運行規律成功，隨後繼續按照從大到小的周期排布順序，依次識別該組其他周期內該係數是否存在車輛運行規律；當該比值小於預設比例時，識別車輛運行規律不成功，隨後仍然按照從大到小的周期排布順序，依次識別該組其他周期內該係數是否存在車輛運行規律；d)重複上述步驟，逐一識別其他母版函數係數對應的車輛運行狀態是否存在車輛運行規律；e)變更上述分組，重複上述步驟，逐一識別改變後的適用條件下的每個母版函數係數對應的車輛運行狀態是否存在車輛運行規律。進一步優選的，還包括車輛運行規律的判斷單元，其用於執行以下步驟：a)當適用條件為事件時，預定義事件模式庫，該事件模式庫中包括多種不同的事件狀態；b)採集車輛在滿足事件模式庫中某一事件狀態時，車輛在當前適用條件下的全部交通記錄數；c)計算滿足事件模式庫中上述事件狀態時，當前車輛的母版函數係數對應的車輛運行狀態在正負預定範圍內的交通記錄數量和上述全部交通記錄數的比值，當該比值大於預設比例時，識別車輛運行規律成功，當該比例小於預設比例時識別失敗；d)重複上述步驟，逐一識別相同適用條件下的其他母版函數係數對應的車輛運行狀態是否存在車輛運行規律；e)變更適用條件，重複上述步驟，逐一識別其它適用條件下的每個母版函數係數對應的車輛運行狀態是否存在車輛運行規律。進一步優選的，還包括車輛運行規律的判斷單元，其用於：在車流信息中還包括母版函數係數對應的當前車輛運行狀態數據時，在歷史交通資料庫中查詢滿足上述當前車輛運行狀態數據正負預定範圍內的全部交通記錄；對上述全部交通記錄關聯的所有適用條件進行分組；分別在歷史交通資料庫中查詢當滿足任何一個分組的適用條件時全部記錄數即分組記錄數和當前車輛運行狀態數據正負預定範圍內的記錄數即分組預定範圍記錄數；計算每個分組預定範圍記錄數和分組記錄數的比值，當該比值大於預設比例時，識別車輛運行規律成功，比值為該車輛運行規律的適用條件可靠度。進一步優選的，還包括車輛運行規律的判斷單元，其用於執行以下步驟：在歷史交通資料庫中查詢某一適用條件下的全部歷史交通記錄數N1和當前適用條件下當前母版函數係數所對應的車輛運行狀態正負預定範圍內的歷史交通記錄數N2；按以下方法判斷車輛運行規律：設X為當前模板函數係數、A為當前適用條件所對應歷史交通記錄所組成的集合，K為可靠度，其中K＝(N2/N1)*100％；設L＝{Ln＝(Xn,An,Kn)|n＝1,2,3…},L是運行規律資料庫，Ln是車輛運行規律資料庫中任意車輛運行規律，Xn是車輛運行規律所對應的母版函數係數，An為車輛運行規律的適用條件所對應的歷史交通記錄所組成的集合，Kn為車輛運行規律所對應的可靠度；當不存在任何X等於Xn且時,只要K>Ky即為視別車輛運行規律成功，其中Ky為當前母版函數係數所對應的預設可靠度；當存在任意X等於Xn且時，K大於所有Kn，其中X＝Xn,此時表示視別車輛運行規律成功。進一步優選的，還包括對任意兩種適用條件進行複合規律處理的單元，該單元用於：判斷第一適用條件對應的歷史交通記錄的集合與第二適用條件對應的歷史交通記錄的集合的交集是否存在車輛運行規律，存在則加入車輛運行規律庫；判斷第一適用條件對應的歷史交通記錄的集合與第二適用條件對應的歷史交通記錄的集合的差集是否存在車輛運行規律，存在則加入車輛運行規律庫；判斷第二適用條件對應的歷史交通記錄的集合與第一適用條件對應的歷史交通記錄的集合的差集是否存在車輛運行規律，存在則加入車輛運行規律庫。進一步優選的，還包括用於實現如下功能的單元：將車輛運行規律資料庫內所有車輛運行規律的適用條件定義為集合A，其中，A＝{An|n＝1,…,n}，An表示集合A的任一元素，即車輛運行規律的適用條件；將所有適用條件定義為集合V＝{Vk|k＝1，…,k}，其中，Vk表示集合V的任一元素；適用條件包括：預定義周期模式庫所對應的所有適用條件，預定義事件庫所對應的所有適用條件，車輛運行規律資料庫中的所有車輛運行規律的適用條件即集合A的全部元素，所有預設函數的適用條件和所有母版函數生成的預測函數的適用條件；將集合A中每一個元素與集合V中每一個元素兩兩之間進行複合規律處理。進一步優選的，集合V中有新元素加入時，即出現了新的適用條件定義時，設該新的適用條件為d，按照以下一個或多個步驟檢測新的車輛運行規律：判斷滿足適用條件d時，每個母版函數係數是否存在車輛運行規律，存在則加入車輛運行規律資料庫；將適用條件d與集合V內每一元素兩兩之間進行複合規律處理；將適用條件d與集合A內每一元素兩兩之間進行複合規律處理。進一步優選的，將適用條件集合V中的元素兩兩之間進行複合規律處理。進一步優選的，系統數據加工處理模塊，用於對系統數據的加工處理，比如：由於傳感設備故障導致系統獲取的車流信息和實際通行數據失真時，可以通過外部系統或接口對歷史交通資料庫相關內容進行修正或清除無效數據。進一步優選的，重新計算部分或全部數據，如：車道運行規律庫，預測函數庫，預測函數評分等進一步優選的，事件獲取模塊，用於主動獲取和/或接受推送事件信息用於更新預設事件模式庫，如：每年國家法定節假日信息，具體的高速免費通行時段，城市或區域舉辦的活動和發行的事件(如城市舉辦交易會或運動會，區域學校設為考場等)。優選的，周期模式庫更新查塊，用於更新和優化預設周期模式庫內容。實施例3：本實施例是本發明提供的交通燈智能控制方法的實際應用場景。方案1：假設，N(假設為4)相位交通路口，以1，2，3，4順序輪流通行，輪到某道時，實時獲取該相位所有車道車流信息，利用預測函數預測通行時間，然後按預測通行時間設置綠燈時間。方案2：接方案1，第2相位當前通行，預測通行時間是50秒，設置綠燈47秒，黃燈3秒，50秒結束後，車輛未完成全部通行，2相位顯示紅色，下相位(3相位)推遲綠燈顯示，直到2相位通過停止線的車輛完全通過交通路口。系統記錄實際通行車輛，實際通行時間。然後根據結果對預測函數進行打分。方案3：接方案1，第2相位當前通行，預測通行時間是50秒，設置綠燈47秒，黃燈3秒，經人工測算，第3相位與第2相位最小衝突時間是5秒，則每3相位在第2相位紅色開始前3秒開始通行。方案4：N(假設為4)相位交通路口，以1，2，3，4順序輪流通行，2號相位通行即將結束，系統發現第3相位去向車道交能阻塞或沒有排隊等待車輛，系統跳過3號相位，直接給4號相位放行。方案5：N(假設為4)相位交通路口，以1，2，3，4順序輪流通行，2號相位當前為綠色通行狀態，設定通行時間為50秒，設置綠燈47秒，黃燈3秒，當系統運行至45秒時，發現其它車道沒有待通行車輛，而本相位仍有車輛通行或本相位包含最高權重的車道或本相位到達率最高，則系統延長本相關綠燈時間。方案6：接方案5，2號相當前為綠色延時通行狀態，4號相位有車輛到達或即將到達，其它相位沒有車輛通行、等待或即將到達，2號相位綠燈結束，顯示黃燈，4號相位紅燈倒計時，然後綠燈放行。方案7：接方案5，4號相位通行結束沒有待通行或即將到達的車輛，其它相位都沒有等待通行或即將到達的車輛，系統給含有最高權重車道的相位或最高到達率的2號相位設置綠燈延遲。方案8:N(假設為4)相位交通路口，1，2，3，4，其中2，3相位包含人行斑馬線，系統設置行人感知模塊，到行人數量大於閘值或等待時間超過閘值時，所有互斥車道顯示紅燈結束通行，其中綠燈相位，顯示黃燈，然後結束通行，且人行通道綠燈放行。方案9：N(假設為4)相位交通路口，1，2，3，4，其中2號相位即將通行，預測通行時間60秒，設置綠燈57秒，黃色3秒，實際通行時間40秒全部車輛提前通行完成，57-40＝17秒大於閘值3秒，其它相位有待通行車輛，系統提前結束綠色通行狀態，顯示黃色，下相位綠燈放行。方案10：N(假設為4)相位交通路口，1，2，3，4，其中2號相位包含3個車道，分別為21,22,23，則該相位通行時間的計算方法可採用如下任意一種：①分別計算3個車道的預測通行時間，取最大預測通行時間為本相位放行時間。②各車道預設權重或設置主車道，且在計算預測相位通行時間時，只需計算最高權重車道或主車道預測通行時間，並將上述預測通行時間設置為本相位放行時間。③分別計算3個車道的預測通行時間，根據上述預測通行時間的平均值設置本相位放行時間。④設置各車道權重，根據上述預測通行時間加權平均值設置本相位放行時間。此外，還可以設置附屬車道，即該車道不參與相位通行時間計算或滿足某種條件時才參與相位通行時間計算。方案11：接方案10，系統支持情景模式，每種情景模式可以採用不同的方案，可以為各車道設置不同權重或為相位設置不同的主車道。比如：上班車流尖峰時段設置2號相位22車道為主車道或最高權重車道，下班車流尖峰時段設置2號相位23車道為主車道或最高權重車道，在晚間閒時時段則將各車道預測通行時間最大值設置為相位放行時間，在下雨天則將各車道的平均值或加權平均值設置為相位放行時間。實施例4：方案12：交通路口支持可變相位，預定多個相位方案，或者說預定各可用相位方案。例如，對於某交通路口，具有多個可預定相位方案，例如，方案1：從東至西主車道車流高峰優化方案；方案2：從西至東主車道車流高峰優化方案；以及其它多個可用相位方案。相位方案可以以車輛運行庫中運行規律作為觸發條件。例如，當系統預測早上周一至周五8：35-9:20為從東至西主車道車流高峰，即車流量超過設定閘值，系統自動切換到相位方案1；當系統預測9月30日晚18：00-10月1日早11：00從西至東主車道車流高峰，則系統自動切換到相位方案2.此外，相位內各車道通行時間設置參照以上各實施例。當前第1頁1 2 3