智能交通信號燈動(dòng)態(tài)控制研究

高 欣

智能交通信號燈動(dòng)態(tài)控制研究

高 欣

（武漢軟件工程職業(yè)學(xué)院 汽車工程學(xué)院，湖北 武漢 430205）

針對現(xiàn)今市內(nèi)各交通路口交通信號燈僅靠傳統(tǒng)的輪流放行導(dǎo)致路口通行效率低下的問題，文章提出依靠路口攝像頭圖像識別技術(shù)，根據(jù)各路口排隊(duì)車輛動(dòng)態(tài)數(shù)據(jù)，智能控制放行路口方向以及時(shí)長?？紤]到人們想盡可能少的排隊(duì)，同時(shí)又不想自己排隊(duì)長度遠(yuǎn)遠(yuǎn)大于別人排隊(duì)長度，文章綜合考慮了路口排隊(duì)總和最小化以及各方向排隊(duì)長度方差最小化，將兩個(gè)因素加權(quán)求和，使最終結(jié)果最小化的控制策略即為最優(yōu)策略。為了跟輪流通行策略做對比，文章根據(jù)實(shí)地觀察，用計(jì)算機(jī)生成相仿的模擬數(shù)據(jù)來計(jì)算對比，從而實(shí)現(xiàn)智能交通信號燈的最優(yōu)動(dòng)態(tài)控制策略。

圖像識別；智能交通信號燈；控制策略；計(jì)算機(jī)模擬

隨著中國人口向城市聚集以及人們生活水平的提高，城市里機(jī)動(dòng)車輛越來越多，導(dǎo)致部分交通繁忙的路口出現(xiàn)大量排隊(duì)車輛。在傳統(tǒng)交通信號燈控制策略下，路口各來向的車隊(duì)交替通行一段時(shí)間，由于各來向車流量密度不一，各來向路況不同導(dǎo)致路口通行速率有差異，僅僅依靠交通信號燈通行可能導(dǎo)致某些來向排起了長長的隊(duì)伍，某些來向空空如也，通行效率十分低下。尤其是在其他各來向均無車輛的情況下還要等一輪交通信號燈，降低通行效率的同時(shí)，車輛長時(shí)間怠速還會產(chǎn)生過多有害氣體。盡管將車流量大或通行速率低的來向放行時(shí)間拉長有助于緩解該問題，但各來向車流量密度并非一成不變。

如果利用各路口攝像頭捕捉實(shí)時(shí)圖像，通過圖像識別技術(shù)[1]得到各來向排隊(duì)車輛數(shù)實(shí)時(shí)數(shù)據(jù)，再統(tǒng)計(jì)最近一段時(shí)間內(nèi)各來向車輛通行速率，然后綜合考慮路口排隊(duì)總和最小化以及各方向排隊(duì)長度方差最小化，將兩個(gè)因素加權(quán)求和，使最終結(jié)果最小化即可得到交通信號燈最優(yōu)控制策略。

1 方案設(shè)計(jì)

1.1 相關(guān)概念說明

在一個(gè)由交通信號燈控制的交叉路口，有個(gè)方向駛來的車輛需要通行，信號燈每次只允許一個(gè)來向的車輛通行。

通過路口攝像頭圖像識別即可得到各來向排隊(duì)等候的車輛數(shù)量，各來向排隊(duì)等候車輛數(shù)量集合記為C，C[](1≤≤)表示第個(gè)來向排隊(duì)等候通過路口的車輛數(shù)。

考慮到路口不同來向路況以及車道數(shù)的不同，車輛通過路口的速率也會有所差別，通過統(tǒng)計(jì)最近一段時(shí)間內(nèi)路口車輛通行情況，即可得到各來向車輛通過路口速率平均值，該值的集合記為S，S[](1≤≤)表示單位時(shí)間內(nèi)第個(gè)來向排隊(duì)等候的車輛通過路口的數(shù)量。

將兩個(gè)因子和加權(quán)求和得到=?+?（和分別為兩個(gè)因子的權(quán)重），選取合適的和，在某個(gè)來向放行一定數(shù)量（數(shù)量記作，交通信號燈按時(shí)長控制，根據(jù)各來向車輛通行速率S[]以及要放行的車輛數(shù)即可根據(jù)公式/S[]得到控制時(shí)長）車輛后，使得取值最小的交通信號燈控制策略即為最優(yōu)策略。

1.2 計(jì)算方法

式中，和為策略需要控制的變量，通過計(jì)算機(jī)計(jì)算可以得到使最小的和取值。

在一天的時(shí)間里，車流量半夜幾乎為0，從早上開始慢慢增加，再從晚上開始慢慢減少，直至半夜減至幾乎為0。本文用一個(gè)簡化的模型來模擬車流量的增減過程：用一段時(shí)間內(nèi)的標(biāo)準(zhǔn)高斯分布[3-4]來表示一天車流量的開始到結(jié)束，從0時(shí)刻開始車流量從0開始增加，在中間時(shí)刻車流量達(dá)到極大值，在最后時(shí)刻車流量減少至0。

由于存在假期或天氣等原因，每天的車流量不盡相同，需要生成不同車流量密度的多組模擬數(shù)據(jù)。作為對比，對每組模擬數(shù)據(jù)都按照固定時(shí)長輪流放行的策略也計(jì)算一遍，對比兩種方式所得到的等待車輛總數(shù)曲線以及各來向等待車輛長度方差曲線。

2 控制策略分析

2.1 模擬數(shù)據(jù)生成

實(shí)地觀察武漢市洪山區(qū)南湖大道與軟件園中路十字路口于2023年8月18日早上9點(diǎn)上班高峰期10 min內(nèi)車流量情況，如表1所示。

表1 實(shí)地觀察統(tǒng)計(jì)數(shù)據(jù)

路口來向由西向東方向由北向南方向由東向西方向由南向北方向 到達(dá)路口數(shù)量/輛346297185295 離開路口數(shù)量/輛337286191292 綠燈時(shí)長/s70504060

由上述觀察數(shù)據(jù)可以計(jì)算得到車輛通行效率數(shù)據(jù)，如表2所示。

表2 車輛通行效率數(shù)據(jù)

路口來向由西向東方向由北向南方向由東向西方向由南向北方向 到達(dá)路口數(shù)量占比/%31261626 綠燈時(shí)長占比/%32231827 平均每10 s離開路口數(shù)量/輛17.721.017.517.8 平均每10 s到達(dá)路口數(shù)量/輛5.85.03.14.9

根據(jù)上述數(shù)據(jù)，以10 s為一個(gè)時(shí)間單位，生成一些與觀察數(shù)據(jù)相仿的模擬數(shù)據(jù)。生成由4個(gè)來向組成的交通路口車流量比例為6:5:3:5不同車流密度的4組數(shù)據(jù)，數(shù)據(jù)時(shí)長為600個(gè)時(shí)間單位（1個(gè)時(shí)間單位為10 s），在確定了總數(shù)量的情況下即可根據(jù)均值為300，方差為（600/π）2的高斯分布函數(shù)，將所有車輛隨機(jī)撒進(jìn)這600個(gè)時(shí)間單位內(nèi)（分布超出600個(gè)時(shí)間單位的重新隨機(jī)撒進(jìn)來）。生成4組數(shù)據(jù)（高峰時(shí)期車流量依次為表1觀察數(shù)據(jù)單位時(shí)間車流量的1/4倍、1/2倍、1倍、2倍），每個(gè)時(shí)間單位內(nèi)具體車流量不在文中列舉，僅將匯總數(shù)據(jù)列出，如表3所示。

表3 模擬數(shù)據(jù)生成統(tǒng)計(jì) 單位：輛

路口來向1234 生成到達(dá)各路口總數(shù)量數(shù)據(jù)A組432371231369 生成到達(dá)各路口總數(shù)量數(shù)據(jù)B組865743463738 生成到達(dá)各路口總數(shù)量數(shù)據(jù)C組1 7301 4859251 475 生成到達(dá)各路口總數(shù)量數(shù)據(jù)D組3 4602 9701 8502 950

各組數(shù)據(jù)單位時(shí)間內(nèi)車流量分布分別如圖1－圖4所示。

圖1 模擬生成數(shù)據(jù)A組各單位時(shí)間內(nèi)車流量分布

圖2 模擬生成數(shù)據(jù)B組各單位時(shí)間內(nèi)車流量分布

圖3 模擬生成數(shù)據(jù)C組各單位時(shí)間內(nèi)車流量分布

圖4 模擬生成數(shù)據(jù)D組各單位時(shí)間內(nèi)車流量分布

2.2 計(jì)算對比

在認(rèn)為排隊(duì)總長最小和各路口排隊(duì)長度方差最小同樣重要的情況下，章節(jié)1.2計(jì)算的公式中選取==1。

首先計(jì)算各路口輪流通行（路口通行時(shí)間參考表1的綠燈時(shí)長；各路口車輛通行速率參考表2的平均每10 s離開路口數(shù)量）時(shí)各路口排隊(duì)情況，然后按照式（1）計(jì)算得到最優(yōu)通行路口及時(shí)間（路口通行時(shí)長上限定為10個(gè)時(shí)間單位，下限定為2個(gè)時(shí)間單位；各路口車輛通行速率參考表2的平均每10 s離開路口數(shù)量）計(jì)算得到各路口排隊(duì)情況，計(jì)算結(jié)果如圖5－圖8所示。

圖5 模擬數(shù)據(jù)A組兩種方式各路口排隊(duì)對比

通過上述計(jì)算結(jié)果可以計(jì)算得到各組數(shù)據(jù)在不同通行策略下路口排隊(duì)總車輛數(shù)以及各路口排隊(duì)車輛數(shù)方差對比結(jié)果，如圖9－圖12所示。

圖9 數(shù)據(jù)A組兩種通行策略排隊(duì)總車輛數(shù)以及各路口排隊(duì)車輛數(shù)方差對比

圖10 數(shù)據(jù)B組兩種通行策略排隊(duì)總車輛數(shù)以及各路口排隊(duì)車輛數(shù)方差對比

圖11 數(shù)據(jù)C組兩種通行策略排隊(duì)總車輛數(shù)以及各路口排隊(duì)車輛數(shù)方差對比

圖12 數(shù)據(jù)D組兩種通行策略排隊(duì)總車輛數(shù)以及各路口排隊(duì)車輛數(shù)方差對比

從上述各組數(shù)據(jù)對比圖可以看到，無論是路口排隊(duì)車輛總數(shù)還是各路口排隊(duì)車輛數(shù)方差，本文所述交通信號燈控制策略均優(yōu)于各路口輪流通行策略：在車流量密度不高的情況下，路口排隊(duì)車輛顯著減少；在車流量密度較高的情況下，路口各來向排隊(duì)車隊(duì)長度差異顯著降低。

3 總結(jié)

本文借助交通路口攝像頭圖像識別技術(shù)得到各來向排隊(duì)車輛數(shù)，提出根據(jù)交通路口各來向排隊(duì)車輛實(shí)時(shí)數(shù)據(jù)計(jì)算得到最優(yōu)放行來向以及放行時(shí)間的智能信號燈[5-6]控制策略，以此解決交通路口通行效率低下的問題。

盡可能少的排隊(duì)等待是交通參與者個(gè)體的訴求，因此，從全局來看應(yīng)該讓路口各來向排隊(duì)車輛數(shù)總和盡可能??；由于各來向車流量密度以及通行速率的差異，各來向如果均分時(shí)間的話就會導(dǎo)致某些來向排起長龍，某些來向排隊(duì)很短，顯得有失公允，因此，也需要讓各來向排隊(duì)長度差異盡可能小。本文所述策略綜合考慮了上述兩個(gè)因素，通過加權(quán)求和取最小值的方式來平衡二者，兼顧排隊(duì)總數(shù)少的同時(shí)還能做到排隊(duì)長度相對公允。

本文所述智能動(dòng)態(tài)控制策略控制排隊(duì)車輛總數(shù)以及排隊(duì)長度差異均優(yōu)于傳統(tǒng)輪流通行的交通信號燈控制策略：在車流量密度不高的情況下，路口排隊(duì)車輛顯著減少；在車流量密度較高的情況下，路口各來向排隊(duì)車隊(duì)長度差異顯著降低?？傮w來看，路口通行效率顯著高于傳統(tǒng)輪流通行的交通信號燈控制策略，希望為緩解城市交通壓力提供一種解決方案。

[1] 趙佩佩.計(jì)算機(jī)智能化圖像識別技術(shù)研究綜述[J].電腦知識與技術(shù),2023,19(21):109-111.

[2] 李思蕾,全力.城市紅綠燈設(shè)計(jì)及行人管理缺陷研究:以天府廣場附近紅綠燈設(shè)計(jì)為例[J].現(xiàn)代經(jīng)濟(jì)信息, 2016(16):361.

[3] 徐璐,胡福喬.基于混合高斯模型的攝像機(jī)移動(dòng)檢測[J].計(jì)算機(jī)應(yīng)用與軟件,2010,27(6):233-235.

[4] 崔智泉.淺談高斯分布的原理和應(yīng)用[J].中國校外教育,2018(16):63-64.

[5] 王振寧,馬慧穎,李豪杰,等.一種分布式智能交通信號燈管理系統(tǒng)設(shè)計(jì)[J].河南科技,2021,40(11):111- 113.

[6] 曾楊帆,陳章勇,夏甫根,等.基于先驗(yàn)信息的交通信號燈識別方法[J].汽車實(shí)用技術(shù),2022,47(21):37-42.

Research on Dynamic Control of Intelligent Traffic Signal Lights

GAO Xin

( School of Automotive Engineering, Wuhan Software Engineering Vocational College, Wuhan 430205, China )

In response to the problem of low traffic efficiency at intersections in the city due to the traditional rotation of traffic lights, this article proposes to rely on intersection camera image recognition technology and intelligently control the direction and duration of the intersection based on the dynamic data of vehicles queuing at each intersection. Considering that people want to queue as little as possible while not wanting their own queue length to be much longer than others' queue length, this article comprehensively considers minimizing the total queue length at intersections and minimizing the variance of queue length in each direction. The control strategy that minimizes the final result by weighting and summing the two factors is the optimal strategy. In order to compare with the alternate traffic strategy, this article uses computer generated simulation data based on field observations to calculate and compare, in order to achieve the optimal dynamic control strategy for intelligent traffic signals.

Image recognition; Intelligent traffic signal lights; Control strategy; Computer simulation

U491.5

A

1671-7988(2023)20-178-07

10.16638/j.cnki.1671-7988.2023.020.036

高欣（1989－），女，碩士，專任教師，研究方向?yàn)樾履茉雌嚰夹g(shù)、智能網(wǎng)聯(lián)汽車、智能交通，E-mail: 2109279163@qq.com。