肖 梅，劉 鍇，張 雷，張慧銘，王 杏

(1. 長(zhǎng)安大學(xué) 汽車學(xué)院，陜西 西安 710064；2. 長(zhǎng)安大學(xué) 公路學(xué)院，陜西 西安 710064)

基于過(guò)街行人檢測(cè)的路口自適應(yīng)交通信號(hào)控制

肖 梅1，劉 鍇1，張 雷1，張慧銘1，王 杏2

(1. 長(zhǎng)安大學(xué) 汽車學(xué)院，陜西 西安 710064；2. 長(zhǎng)安大學(xué) 公路學(xué)院，陜西 西安 710064)

針對(duì)行人密度波動(dòng)大的路口的交通信號(hào)配時(shí)優(yōu)化問(wèn)題，提出了以行人過(guò)街請(qǐng)求為主的交通信號(hào)配時(shí)，搭建了由視頻采集、行人檢測(cè)和信號(hào)配時(shí)構(gòu)成的交通信號(hào)控制系統(tǒng)。視頻采集單元采集行人的圖像數(shù)據(jù)；行人檢測(cè)算法是利用背景重構(gòu)實(shí)時(shí)構(gòu)建行人等候區(qū)的背景，繼而以背景減法檢測(cè)等候過(guò)街的行人；信號(hào)配時(shí)由等候過(guò)街的行人數(shù)和等候時(shí)長(zhǎng)決定。對(duì)實(shí)際的交通路口進(jìn)行仿真，結(jié)果表明：在行人低峰時(shí)段，行人和車輛平均延誤分別為5.62 s/veh和15.99 s/ped，在略微增加行人延誤基礎(chǔ)上，車流的延誤大大降低；在行人高峰時(shí)段，車輛平均延誤為52.13 s/veh，行人平均延誤降至8.35 s/ped，優(yōu)先保證大密度人群順利通過(guò)路口。

交通工程；交通控制；過(guò)街信號(hào)控制；背景重構(gòu)；行人檢測(cè)；視頻圖像處理

0 引 言

交通路口的信號(hào)配時(shí)優(yōu)化是在不增加交通基礎(chǔ)設(shè)施的基礎(chǔ)上，提高交通參與者的安全和效率，是城市交通系統(tǒng)的研究熱點(diǎn)。目前路口的信號(hào)配時(shí)設(shè)置主要以優(yōu)化車流為主，行人主要利用機(jī)動(dòng)車紅燈的空隙穿越道路，這樣容易導(dǎo)致行人的等候時(shí)間過(guò)長(zhǎng)和等候延誤。行人的延誤過(guò)長(zhǎng)會(huì)引起行人違章率上升，美國(guó)公路通行能力手冊(cè)[1](highway capacity manual，HCM)建議，當(dāng)行人的延誤小于10 s時(shí)，能較好地遵守交通規(guī)則；但當(dāng)行人的延誤大于30 s時(shí)，行人的交通違章率會(huì)增加。過(guò)高的行人違章率會(huì)嚴(yán)重影響車流的運(yùn)行效率和交通安全[2]。發(fā)達(dá)國(guó)家(如美國(guó)等)開(kāi)始關(guān)注于行人和自行車交通，根據(jù)2009年美國(guó)居民出行調(diào)查(national household travel survey，NHTS)統(tǒng)計(jì)，非機(jī)動(dòng)車交通比例上升至425億美元[3]，隨著行人和自行車交通比例的上升，增加了非機(jī)動(dòng)車交通的基礎(chǔ)設(shè)施建設(shè)[4]?？梢?jiàn)，優(yōu)化行人的交通信號(hào)、減少行人的交通延誤，對(duì)于提高城市交通控制系統(tǒng)的安全和運(yùn)行效率來(lái)說(shuō)尤為重要。

目前，路口的信號(hào)配時(shí)設(shè)置主要以提高車輛的安全、運(yùn)行效率和減少車輛的延誤為主，主要包括：定時(shí)控制[5-6]和實(shí)時(shí)控制[7-8]。A.KOUVELAS等[5]將韋伯斯特程序用于定時(shí)信號(hào)控制，在不飽和的交通條件下，定時(shí)信號(hào)配時(shí)有顯著的效果。J.D.SCHM?CKER等[6]以機(jī)動(dòng)車流在交叉口的平均延誤、平均排隊(duì)長(zhǎng)度及過(guò)街行人在交叉口的等候時(shí)間為優(yōu)化目標(biāo)，建立了交通信號(hào)控制參數(shù)的多目標(biāo)優(yōu)化模型，并基于Bellman-Zadeh模糊邏輯，將多個(gè)目標(biāo)之間的沖突和支配關(guān)系轉(zhuǎn)化為單個(gè)目標(biāo)優(yōu)化問(wèn)題。為緩解混合交通條件下的交通擁堵，CHEN Xiaohong等[7]考慮車輛和非機(jī)動(dòng)車的協(xié)調(diào)，以車流和非機(jī)動(dòng)車數(shù)量為輸入，旅行者延誤、停車次數(shù)和交通容量為優(yōu)化目標(biāo)，飽和度為約束條件，依據(jù)混合交通的組成自適應(yīng)地調(diào)整指標(biāo)的權(quán)重，并通過(guò)遺傳算法求解多目標(biāo)模型。該模型可以較好地權(quán)衡不同主體的信號(hào)配時(shí)，緩解混合交通條件下的交通擁堵。KUANG Xianyan等[8]提出了一種基于專家知識(shí)的交叉口交通信號(hào)控制模型。該信號(hào)控制利用交叉口的交通檢測(cè)器的檢測(cè)信息，決定延長(zhǎng)或終止當(dāng)前的綠燈信號(hào)，并調(diào)整最佳的信號(hào)相位長(zhǎng)度來(lái)適應(yīng)交通環(huán)境。這些信號(hào)控制系統(tǒng)均以車流的信號(hào)為主，幾乎忽略行人的等待延誤。

盡管行人的過(guò)街安全受到了極大的關(guān)注，但是以行人為主的信號(hào)控制系統(tǒng)方面的文獻(xiàn)并不多見(jiàn)。為提高行人過(guò)街的安全性并及時(shí)響應(yīng)行人過(guò)街請(qǐng)求，行人觸動(dòng)式過(guò)街系統(tǒng)被廣泛應(yīng)用在美國(guó)諸多路口。行人過(guò)街時(shí)，按下過(guò)街請(qǐng)求按鈕，信號(hào)燈會(huì)給出一個(gè)固定的行人通行信號(hào)。行人觸動(dòng)式過(guò)街系統(tǒng)可以減少58%的行人碰撞，能提高行人的過(guò)街安全性[9]。但是由于行人未注意到按鈕、按鍵損壞和系統(tǒng)未及時(shí)反應(yīng)等原因，行人觸動(dòng)式過(guò)街系統(tǒng)使用率還不到50%[10]。由于觸動(dòng)式過(guò)街系統(tǒng)的使用率不高，一些新的基于紅外線、微波、視頻和雷達(dá)等傳感器的自動(dòng)行人檢測(cè)裝置被應(yīng)用于行人信號(hào)系統(tǒng)中[11]，自動(dòng)檢測(cè)裝置可跟據(jù)行人的實(shí)際行走速度調(diào)整行人信號(hào)配時(shí)、觸發(fā)行人信號(hào)和路燈等功能，提高行人配時(shí)的有效性和可靠性。由于各傳感器的工作原理不同，其應(yīng)用范圍也不同，如表1。

表1 自動(dòng)行人檢測(cè)器的應(yīng)用

K.LOVEJOY等[12]利用視頻檢測(cè)器自動(dòng)檢測(cè)人行橫道上的行人，在不改變信號(hào)配時(shí)的前提下，據(jù)此調(diào)整行人的清空時(shí)間，可以減少行人和車輛的交通沖突、提高行人交通安全，并探討如何優(yōu)化信號(hào)配時(shí)。LU Xiaozhao等[13]基于行人自動(dòng)檢測(cè)裝置開(kāi)發(fā)了模糊邏輯控制器配置動(dòng)態(tài)的行人配時(shí)，該系統(tǒng)可以提高行人的安全性。為減少行人交通延誤，T.PETRITSCH等[14]提出了行人服務(wù)水平(level of service, LOS)模型。路口的行人延誤定義為周期長(zhǎng)和有效綠燈時(shí)間的函數(shù)，但考慮到行人相位的容許時(shí)長(zhǎng)和信號(hào)控制器運(yùn)行模式等因素時(shí)，定義的行人延誤顯然和實(shí)際的復(fù)雜情況相距甚遠(yuǎn)，這樣計(jì)算的行人延誤有較大誤差。S.KOTHURI等[15]提出并測(cè)試了減少行人延誤的方法，選擇在波特蘭和俄勒岡的一個(gè)半行人信號(hào)(僅有一半路口設(shè)置有行人信號(hào))和全行人信號(hào)(全部路口均有行人信號(hào))路口，測(cè)試改變信號(hào)配時(shí)等參數(shù)時(shí)行人的延誤。結(jié)果表明：在低峰時(shí)段不設(shè)置多路口信號(hào)聯(lián)動(dòng)和增加保護(hù)相位時(shí)長(zhǎng)都會(huì)減少行人延誤，但未涉及利用信號(hào)配時(shí)來(lái)減少行人延誤。以行人過(guò)街請(qǐng)求信號(hào)為主，基于規(guī)則的行人信號(hào)控制系統(tǒng)[16]，以行人自動(dòng)檢測(cè)技術(shù)檢測(cè)行人的出現(xiàn)、等候時(shí)間和行人數(shù)，設(shè)計(jì)了相位結(jié)構(gòu)、相位轉(zhuǎn)換規(guī)則和控制邏輯等。在假定檢測(cè)器進(jìn)度100%時(shí)，利用Vissim仿真驗(yàn)證了系統(tǒng)的有效性。但是該系統(tǒng)還只是處于仿真階段，未涉及行人自動(dòng)檢測(cè)技術(shù)的具體實(shí)施。

由表1可以看出，由于視頻檢測(cè)豐富的色彩和時(shí)間特性，被廣泛應(yīng)用在交通控制中，但是之前的應(yīng)用卻無(wú)法計(jì)算行人數(shù)。筆者調(diào)整視頻采集器的安裝位置，可以實(shí)現(xiàn)觸發(fā)閃爍信號(hào)、路燈和行人信號(hào)，計(jì)算行人數(shù)，并調(diào)整行人信號(hào)配時(shí)等功能。在由車流和人流組成，且人流密度波動(dòng)大、無(wú)規(guī)律的交通路口，筆者基于行人視頻自動(dòng)檢測(cè)技術(shù)檢測(cè)行人、行人數(shù)及等候時(shí)長(zhǎng)等信息，設(shè)計(jì)了一套基于過(guò)街行人檢測(cè)的城市道路交通信號(hào)控制系統(tǒng)，旨在及時(shí)響應(yīng)行人的過(guò)街信號(hào)，并減少行人過(guò)街對(duì)主干道車流的干擾。系統(tǒng)通過(guò)視頻圖像采集單元采集等候過(guò)街的行人的圖像數(shù)據(jù)，利用背景減法檢測(cè)過(guò)街行人，依據(jù)過(guò)街行人數(shù)和等候時(shí)長(zhǎng)進(jìn)行交通信號(hào)配時(shí)，并進(jìn)行了交通仿真與分析。

1 基于行人的交通信號(hào)控制系統(tǒng)

基于過(guò)街行人檢測(cè)的城市道路交通信號(hào)控制系統(tǒng)。包括視頻采集、行人檢測(cè)和信號(hào)配時(shí)3個(gè)組成單元。視頻采集單元安裝在過(guò)街斑馬線兩側(cè)行人等候區(qū)的上方，在行人通行信號(hào)狀態(tài)下，采樣的視頻圖像信號(hào)用于場(chǎng)景的背景重構(gòu)或更新，在行人阻行信號(hào)狀態(tài)下，采樣的視頻圖像信號(hào)用于檢測(cè)等候過(guò)街的行人；行人檢測(cè)單元依據(jù)背景重構(gòu)實(shí)時(shí)構(gòu)建行人等候區(qū)的背景，繼而以背景減法檢測(cè)等候過(guò)街的行人；信號(hào)配時(shí)單元依據(jù)等候過(guò)街的行人配置行人過(guò)街的綠燈信號(hào)。系統(tǒng)依據(jù)過(guò)街行人來(lái)配置行人綠燈時(shí)長(zhǎng)，這樣可以減少固定配時(shí)對(duì)主干道車輛造成的不必要等候，且能及時(shí)響應(yīng)行人過(guò)街請(qǐng)求，體現(xiàn)“以人為本”的交通信號(hào)控制。

1.1 行人視頻采集

系統(tǒng)以響應(yīng)行人過(guò)街請(qǐng)求為主，因而對(duì)行人視頻采集主要是針對(duì)行人等候過(guò)街的區(qū)域。通常，行人多在斑馬線附近等候過(guò)街，因此，行人視頻采集主要針對(duì)斑馬線附近的等候過(guò)街區(qū)。行人等候區(qū)為一虛擬的矩形區(qū)域，實(shí)際中，可在斑馬線兩端設(shè)置矩形的行人等候區(qū)，并標(biāo)以“過(guò)街行人等候區(qū)”字樣。行人檢測(cè)只針對(duì)行人等候區(qū)進(jìn)行處理，用r和c表示等候區(qū)的行數(shù)和列數(shù)。

1.2 行人檢測(cè)算法

運(yùn)動(dòng)目標(biāo)檢測(cè)算法主要有光流法、幀差法和背景重構(gòu)法等3種。光流分析法能夠探測(cè)獨(dú)立運(yùn)動(dòng)的對(duì)象，不需要預(yù)先知道場(chǎng)景的任何信息，可用于攝像機(jī)運(yùn)動(dòng)的情況，但光流法對(duì)光線和噪聲的變化特別敏感且計(jì)算復(fù)雜、耗時(shí)；幀差法分離出來(lái)的運(yùn)動(dòng)目標(biāo)會(huì)出現(xiàn)“空洞”和“拉伸”， 當(dāng)時(shí)間間隔選擇不適當(dāng)時(shí)容易出現(xiàn)檢測(cè)不到物體的情況，不利于進(jìn)一步的分析與識(shí)別；基于背景減法的行人檢測(cè)方法簡(jiǎn)單，一旦背景構(gòu)建好之后，能實(shí)時(shí)地檢測(cè)行人，且提取的行人完整。故采用基于背景減法的行人檢測(cè)方法。行人檢測(cè)算法包括行人等候區(qū)的背景重構(gòu)、背景更新和行人檢測(cè)。在行人通行時(shí)進(jìn)行背景的重構(gòu)和更新，在行人阻行時(shí)執(zhí)行行人檢測(cè)算法。

1.2.1 行人等候區(qū)的背景重構(gòu)

行人等候區(qū)設(shè)置在斑馬線附近，通常為一致的道路顏色，但是由于行人等候區(qū)存在暫停的車輛/行人、亂扔的雜物、噪聲和駛過(guò)的灑水車等等因素的干擾，增加了處理的難度。此外，為滿足系統(tǒng)的存儲(chǔ)空間少、實(shí)時(shí)性要求高的特點(diǎn)，采取筆者提出的在線聚類背景重構(gòu)算法[17]。每個(gè)像素最多用兩幅背景表征，用ft(p)表示像素p在第t幀的灰度值，N為聚類數(shù)，Ck(p)表示像素p第k個(gè)類的中心，mk(p)表示像素p的第k個(gè)類的數(shù)據(jù)數(shù)，以像素p為例說(shuō)明算法步驟。

步驟1：建立初類。初類的中心、初類的數(shù)據(jù)數(shù)分別如計(jì)算式(1)和式(2)：

Ck(p)=ft(p)

(1)

mk(p)=1

(2)

式中：Ck(p)和mk(p)分別為k類的中心和數(shù)據(jù)數(shù)，形成的總聚類數(shù)N=1，此時(shí)t=1。

步驟2：輸入新數(shù)據(jù)ft(p)，采用歐式距離計(jì)算ft(p)和已形成的所有類間的距離。

步驟3：尋找與ft(p)距離最近的類。如形成的N類中存在類k滿足計(jì)算式(3)，則類k即為與ft(p)距離最近的類：

(3)

(4)

mN(p)=mN(p)+1

(5)

CN(p)=ft(p)

(6)

mN(p)=1

(7)

步驟5：計(jì)算所有灰度類的頻率。第k類的頻率Wk(p)計(jì)算為式(8)所示：

(8)

步驟6：背景選擇。對(duì)像素p的背景選擇策略如下：

1.2.2 行人等候區(qū)的背景更新

實(shí)際場(chǎng)景中由于前景運(yùn)動(dòng)的短暫靜止、光線突變等原因，背景常常會(huì)發(fā)生變化，故背景圖像應(yīng)當(dāng)能自適應(yīng)更新。背景更新的方法通常有定時(shí)更新和條件更新兩種。定時(shí)更新即在規(guī)定時(shí)間段中(5～10min)，抽取最后10～20s圖像序列，對(duì)場(chǎng)景進(jìn)行背景重構(gòu)；條件更新策略通常是設(shè)定一定的條件，一旦場(chǎng)景變化滿足條件則進(jìn)行背景重構(gòu)。

文中算法采取條件更新策略，條件更新滿足以下條件：① 若在行人通行信號(hào)狀態(tài)下，連續(xù)多幀與背景參考幀差分后所得差分圖像中，發(fā)生變化的像素?cái)?shù)與全部像素?cái)?shù)的百分比大于某一個(gè)閾值(通常取80%)，則背景發(fā)生了變化，對(duì)場(chǎng)景的背景用本文的背景重構(gòu)算法進(jìn)行重構(gòu)；② 若在行人通行信號(hào)狀態(tài)下，某一固定區(qū)域連續(xù)被檢測(cè)為運(yùn)動(dòng)目標(biāo)，且該固定區(qū)域在連續(xù)多幀像素灰度值平穩(wěn)，則該固定區(qū)域的背景發(fā)生了變化，認(rèn)為前景靜止了較長(zhǎng)時(shí)間，直接將該區(qū)域連續(xù)多幀的灰度均值作為該區(qū)域的次優(yōu)背景值。

1.2.3 行人等候區(qū)內(nèi)的行人檢測(cè)

在行人阻行時(shí)，行人檢測(cè)采用直接背景差分法，行人檢測(cè)的采樣時(shí)間選定為0.5～1s為合適。行人檢測(cè)表示為：

Mt(x,y)=

(9)

式中：bi(p)為像素p的第i個(gè)背景灰度值；ft(p)為像素p在第t幀的灰度值，筆者圖像幀的采樣間隔為1s；δ為設(shè)定的門限值，取和背景重構(gòu)相同的閾值；Mt(p)=1表示像素p為行人，Mt(p)=0表示像素p為背景。

1.2.4 等候過(guò)街的行人數(shù)和等候時(shí)長(zhǎng)

用pdt為提取的第t幀時(shí)的行人等候幀，則像素p的等候時(shí)長(zhǎng)Dt(p)計(jì)算如式(10)：

Dt(p)=

(10)

式中：Dt(p)=0表示像素p為背景；Dt(p)=a表示像素p為行人，且等待時(shí)長(zhǎng)為as，a為整數(shù)。在系統(tǒng)初始化階段，令t=0，等候行人數(shù)為Dt(p)=0。

為準(zhǔn)確地提取等候的行人數(shù)和行人的等候時(shí)長(zhǎng)，首先需要對(duì)pdt進(jìn)行去零星操作。第t幀時(shí)等候的行人像素?cái)?shù)Nt為Dt(p)中滿足Dt(p)>0的所有像素?cái)?shù)之和，用計(jì)算式表示如式(11)：

(11)

式中：#為像素的數(shù)量；Nt為第t幀等候的行人的像素?cái)?shù)。

第t幀行人的最長(zhǎng)候時(shí)Qt(p)為Dt(p)中像素的最大值，用計(jì)算式表示如下：

(12)

1.3 信號(hào)配時(shí)

平面交叉路口中“以人為本”的信號(hào)配時(shí)方案為：在行人阻行時(shí)，檢測(cè)等候過(guò)街的行人和最長(zhǎng)候時(shí)，當(dāng)行人檢測(cè)單元未檢測(cè)到有過(guò)街行人時(shí)，保持主干道車流的通行信號(hào)；一旦檢測(cè)到有等候過(guò)街行人，且行人的最長(zhǎng)候時(shí)大于一定值時(shí)(通常取5～10s)，則認(rèn)為有行人等候過(guò)街，開(kāi)啟行人通行信號(hào)，主干道車流黃閃時(shí)間為3s，行人綠燈開(kāi)啟時(shí)長(zhǎng)為Gps。根據(jù)美國(guó)交通信號(hào)配時(shí)手冊(cè)[19]，主干道車流的最短的綠燈時(shí)間設(shè)置為10～15s，本信號(hào)系統(tǒng)設(shè)置車流的最短的綠燈時(shí)間為15s。

行人通行綠燈時(shí)長(zhǎng)Gp計(jì)算如式(13)：

Gp=

(13)

式中：L為人行橫道長(zhǎng)度，m；Sp為平均的行人行走速度，通常取1.2 m/s；Nped為過(guò)街行人數(shù)；WE為人行橫道的寬度，m。

當(dāng)取L=18 m，Sp=1.2 m/s，WE=3.5 m時(shí)，由計(jì)算式(13)得出行人通行綠燈時(shí)長(zhǎng)Gp與過(guò)街人數(shù)的關(guān)系如圖1。由圖1可知，隨著過(guò)街人數(shù)的增加，行人的通行的綠燈信號(hào)時(shí)長(zhǎng)也會(huì)線性增加，當(dāng)過(guò)街行人數(shù)為1人時(shí)，行人綠燈時(shí)長(zhǎng)Gp為19 s，當(dāng)過(guò)街人數(shù)增加至35人時(shí)，行人綠燈時(shí)長(zhǎng)Gp為46.8 s。筆者通過(guò)視頻設(shè)備檢測(cè)過(guò)街的行人數(shù)，自適應(yīng)地調(diào)節(jié)行人過(guò)街的信號(hào)時(shí)長(zhǎng)。

圖1 過(guò)街行人數(shù)與行人信號(hào)時(shí)長(zhǎng)Fig.1 The number of people crossing the street and pedestrian signal duration

過(guò)街行人數(shù)Nped計(jì)算如式(14)：

(14)

式中：Lp和Wp分別為等候區(qū)的長(zhǎng)和寬；Pp為行人的站立空間，常取Pp=0.6 m2；Nh為行人等候區(qū)的像素?cái)?shù)；Nt為等候區(qū)的總的像素?cái)?shù)目。

需要說(shuō)明的是，對(duì)于視頻的背景重構(gòu)、行人檢測(cè)和行人等候時(shí)長(zhǎng)等處理均是針對(duì)行人等候區(qū)。

2 仿真實(shí)驗(yàn)與分析

仿真實(shí)驗(yàn)針對(duì)無(wú)信號(hào)控制的T字路口進(jìn)行展開(kāi)，該路口人行橫道寬度為WE=5 m，長(zhǎng)度為L(zhǎng)=18 m，南北向?yàn)橹毙熊囕v，東西向?yàn)檫^(guò)街的學(xué)生。為驗(yàn)證實(shí)驗(yàn)的有效性，分別進(jìn)行了行人檢測(cè)和通行能力的仿真實(shí)驗(yàn)。

2.1 基于背景減的行人檢測(cè)實(shí)驗(yàn)

為了驗(yàn)證文中算法的有效性，對(duì)實(shí)拍的行人過(guò)街的視頻進(jìn)行仿真實(shí)驗(yàn)，視頻采樣間隔為1幀/s。對(duì)視頻圖像進(jìn)行處理提取等候的行人是關(guān)鍵，影響著系統(tǒng)工作的穩(wěn)定性和適用性，選擇部分視頻處理的仿真結(jié)果顯示于圖2～圖3。

圖2 行人通行時(shí)的背景重構(gòu)結(jié)果Fig.2 Background restructuring when the traffic light is green for pedestrian crossing

圖3 行人阻行時(shí)的行人檢測(cè)結(jié)果Fig.3 Waiting pedestrian detection when the traffic light is red for pedestrian

圖2為行人通行時(shí)間段內(nèi)對(duì)場(chǎng)景的背景重構(gòu)結(jié)果。圖2(a)～(c)分別是在行人通行時(shí)對(duì)視頻圖像的采樣，在采樣階段仍有行人進(jìn)入和離開(kāi)。圖2(d)為文中背景重構(gòu)算法構(gòu)建的背景，由圖2(d)可見(jiàn)，算法構(gòu)建的背景是有效的，當(dāng)然，背景重構(gòu)效果的好壞直接影響著行人檢測(cè)的效果。圖3為行人阻行時(shí)間段內(nèi)對(duì)行人的檢測(cè)結(jié)果。圖3(a)～(c)為第91幀、第105幀和第125幀的采樣圖像幀，圖3(d)～(f)分別為第91幀、第105幀和第125幀的行人檢測(cè)結(jié)果，檢測(cè)的行人的最長(zhǎng)候時(shí)分別為1,15,35 s。圖3中橢圓標(biāo)注了最長(zhǎng)的等候行人的區(qū)域塊。

2.2 通行能力

在對(duì)西安市南郊某路口的實(shí)際交通狀況進(jìn)行驗(yàn)證。一所學(xué)校設(shè)置在主干道的東側(cè)，主干道為雙向四車道，單車道寬3.5m，南北主要為流量較大的車流，限速為60 km/h，東西為上下學(xué)的學(xué)生流。由于人流的高峰主要集中在學(xué)生上、下課的時(shí)段，固定的信號(hào)配時(shí)和主干道車流感應(yīng)的信號(hào)控制均不適合該路口，故目前該路口并未設(shè)置交通信號(hào)燈。

對(duì)該路口的實(shí)際交通數(shù)據(jù)進(jìn)行實(shí)地觀測(cè)，調(diào)研數(shù)據(jù)為：車流高峰有早、中和晚3個(gè)高峰時(shí)段，高峰時(shí)段分別為07:00—9:00, 11:30—13:30和16:00—18:00，其高峰時(shí)段單向雙車道車流平均為3 000,2 200,3 000輛/h，低峰時(shí)段為1 500輛/h。行人高峰時(shí)段分別為07:30—08:10, 11:30—12:10, 13:50—14:20和16:10—16:50，高峰時(shí)段和低峰時(shí)段人流密度大約為2 000人/h和300人/h。將調(diào)研的交通數(shù)據(jù)在Vissim微觀仿真軟件中進(jìn)行仿真，仿真時(shí)間從07:00—18:00，仿真結(jié)果分別與無(wú)信號(hào)燈和固定配時(shí)信號(hào)控制作比較。

無(wú)信號(hào)燈、固定配時(shí)信號(hào)控制和本系統(tǒng)信號(hào)配時(shí)方案為：本系統(tǒng)的信號(hào)配時(shí)參數(shù)選擇為：行人檢測(cè)采樣時(shí)間為1 s，L=18 m，Sp=1.2 m/s，WE=3.5 m，Pp=0.6 m2,Lp=4 m,Wp=5 m，Nt=r·c=97 200，通過(guò)計(jì)算可得：19 s≤Gp≤45 s，故本系統(tǒng)信號(hào)配時(shí)在19 s和45 s之間變動(dòng)；無(wú)信號(hào)配時(shí)方案嚴(yán)格遵循車讓人的交通規(guī)則；固定信號(hào)配時(shí)方案采用兩段式配時(shí)，具體為：周期長(zhǎng)為120 s，人流高峰時(shí)段取行人的綠燈時(shí)長(zhǎng)為45 s，人流低峰時(shí)段行人的綠燈時(shí)長(zhǎng)為19 s，黃閃3 s。仿真結(jié)果分別如表2和表3。

表2 行人低峰時(shí)段的仿真結(jié)果

表3 行人高峰時(shí)段的仿真結(jié)果

表2為人流量為低峰時(shí)的仿真結(jié)果。當(dāng)路口人流量較低時(shí)，無(wú)信號(hào)燈(車讓人)的信號(hào)配時(shí)的行人平均延誤很少為0.69 s，盡管對(duì)車流量影響不大，但是車流的車速下降了近50%，平均延誤為19.48 s，平均排隊(duì)時(shí)長(zhǎng)為26.12 s；固定信號(hào)配時(shí)以車流需求為主，車輛的平均延誤低，為7.52 s，平均行駛車速為50.62 km/h，卻易引起行人的平均延誤上升，為46.6 s，過(guò)高的行人延誤將導(dǎo)致高的行人違章率，容易誘發(fā)交通事故；和固定配時(shí)相比，提出的自適應(yīng)信號(hào)控制系統(tǒng)，車輛的平均延誤減少1.85 s/veh，車輛行駛速度略有提高，行人的平均延誤減少至13.99 s，可見(jiàn)自適應(yīng)的控制系統(tǒng)能減少車流和行人延誤。

表3為人流量高峰時(shí)的仿真結(jié)果。當(dāng)路口人流量為高峰時(shí)，即為學(xué)生的上下課高峰時(shí)段，此時(shí)需要保證行人順利地通過(guò)路口，避免大量行人的聚集。無(wú)信號(hào)燈(車讓人)配時(shí)方案主要以行人過(guò)街為主，能確保行人在最低的延誤下順暢通過(guò)路口，可是對(duì)車流的影響極大，實(shí)際通過(guò)車流量下降為343 veh/h，車輛平均排隊(duì)時(shí)長(zhǎng)和平均延誤分別為675.88 s/veh和311.79 s/veh；固定配時(shí)信號(hào)控制方案未考慮路口行人為學(xué)生的特殊性，在保證車流通暢的前提下，對(duì)行人造成了較大延誤，行人平均延誤36.94 s/ped，實(shí)際通過(guò)的行人量為1482.2 ped/h，容易造成行人的聚集；而本文提出的自適應(yīng)信號(hào)控制系統(tǒng)，行人平均延誤低，為8.35 s/ped，低的行人延誤對(duì)車流也有一定的影響，車流平均排隊(duì)時(shí)長(zhǎng)為101.47 s/veh，車輛平均延誤為52.13 s/veh，保證行人順利通過(guò)路口?？梢?jiàn)，本文提出的信號(hào)控制系統(tǒng)，在人流高峰時(shí)段時(shí)，以行人通行信號(hào)為主，在適當(dāng)延長(zhǎng)行人的行程時(shí)間和延誤時(shí)，能大大改善主干道車輛的擁堵。

需要說(shuō)明的是，現(xiàn)階段對(duì)本系統(tǒng)開(kāi)展實(shí)用前的仿真試驗(yàn)，一方面試驗(yàn)所用視頻是人工用攝像機(jī)從近旁建筑物上采集得到，故可見(jiàn)試驗(yàn)視頻幀有輕微傾斜；另一方面由于實(shí)際道路上并未嚴(yán)格標(biāo)示“行人等候區(qū)”等字樣。一旦本系統(tǒng)真正投入實(shí)用，采用專門安裝于路側(cè)的攝像頭采集圖像，且減少了其它前景的干擾，系統(tǒng)將能取得更理想的實(shí)驗(yàn)結(jié)果。

3 結(jié) 語(yǔ)

經(jīng)過(guò)仿真試驗(yàn)，該系統(tǒng)在以下方面取得了進(jìn)展：① 搭建了系統(tǒng)的結(jié)構(gòu)框架，仿真實(shí)驗(yàn)驗(yàn)證系統(tǒng)的結(jié)構(gòu)是合理的、可行的；② 在線聚類算法可以滿足較好地構(gòu)建場(chǎng)景的背景；③ 采用數(shù)字圖像的處理方法，能準(zhǔn)確檢測(cè)等候的行人數(shù)及行人的等待時(shí)間。

筆者并未考慮行人的過(guò)街特性，過(guò)街行人的數(shù)量、年齡等因素對(duì)行人的行走速度對(duì)自適應(yīng)配時(shí)有影響，筆者將進(jìn)一步研究“批與群”的過(guò)街特性對(duì)信號(hào)配時(shí)的影響。為使系統(tǒng)在實(shí)際中能真正實(shí)用，彩色圖像的背景重構(gòu)算法和對(duì)典型路口進(jìn)行全天候的實(shí)驗(yàn)和基于過(guò)街人數(shù)的行人綠燈信號(hào)的合理設(shè)置也是下一步的研究重點(diǎn)。

[1] Transportation Research Board.HighwayCapacityManual[M]. USA: Transportation Research Board,2010.

[2] WANG Wuhong, GUO Hongwei, GAO Ziyou, et al. Individual differences of pedestrian behaviour in midblock crosswalk and intersection[J].InternationalJournalofCrashworthiness,2011,16(1):1-9.

[3] Federal Highway Administration.NationalHouseholdTravelSurvey[M]. USA: Federal Highway Administration,2009.

[4] Federal Highway Administration.UnitedStatesDepartmentofTransportationPolicyStatementonBicycleandPedestrianAccommodationRegulationsandRecommendations[R]. USA: Federal Highway Administration,2010.

[5] KOUVELAS A, ABOUDOLAS K, PAPAGEORGIOU M, et al. A hybrid strategy for real-time traffic signal control of urban road networks[J].IEEETransactionsonIntelligentTransportationSystems,2011,12(3):884-894.

[6] SCHM?CKER J D, AHUJA S, BELL M G H. Multi-objective signal control of urban junctions-framework and a London case study[J].TransportationResearchPartC:EmergingTechnologies,2008,16(4):454-470.

[7] CHEN Xiaohong, QIAN Dalin, SHI Donghua. Multi-objective optimization method of signal timing for the non-motorized transport at intersection[J].JournalofTransportationSystemsEngineeringandInformationTechnology,2011,11(2):106-111.

[8] KUANG Xianyan, XU Lunhui. Real-time traffic signal intelligent control with transit-priority[J].JournalofSoftware,2012,7(8):1738-1743.

[9] FITZPATRICK K, PARK E S. Safety effectiveness of HAWK pedestrian treatment[J].TransportationResearchRecord:JournaloftheTransportationResearchBoard,2009,2140:214-223.

[10] HUGHES R, HUANG H, ZEGEER C, et al. Automated detection of pedestrians in conjunction with standard pedestrian push buttons at signalized intersections[J].JournaloftheTransportationResearchBoard,2001,1705:32-39.

[11] MARKOWITZ F, MONTUFAR J. Recent developments in automated pedestrian detection[C]//ManagingOperationalPerformanceExceedingExpectations, 2012ITETechnicalConferenceandExhibit. Washington, D.C.: Institute of Transportation Engineers,2011.

[12] LOVEJOY K, MARKOWITZ F, MONTUFAR J. Use of video for automated pedestrian detection and signal-timing extension: results from a pilot installation in San Francisco, California[C]//TransportationResearchBoard91stAnnualMeteting. Washington, D.C.: Transportation Research Board,2012.

[13] LU Xiaozhao, NOYCE D A. Pedestrian crosswalks at midblock locations: fuzzy logic solution to existing signal operations[J].JournaloftheTransportationResearchBoard，2009,2140(1):63-78.

[14] PETRITSCH T, LANDIS B, MCLEOD P, et al. Pedestrians: level-of-service model for pedestrians at signalized intersections[J].JournaloftheTransportationResearchBoard,2005,1939(1):55-62.

[15] KOTHURI S, REYNOLDS T, MONSERE C, et al. Testing strategies to reduce pedestrian delay at signalized intersections: a pilot study in Portland, Oregon[C]//TransportationResearchBoard92ndAnnualMeeting. Washington, D.C.: Transportation Research Board,2013.

[16] NI Ying, DENG Tengyun, LI Keping. Pedestrian accommodation in intersection signal system: rule-based dynamic pedestrian control strategy[C]//TransportaionResearchBoard93rdAnnualMeeting. Washington, D.C.: Transportation Research Board,2013.

[17] 肖梅，韓崇昭.基于在線聚類的背景減法[J].模式識(shí)別與人工智能,2007,20(1):35-41. XIAO Mei, HAN Chongzhao. Background subtraction algorithm based on online clustering[J].PatternRecognitionandArtificialIntelligence,2007,20(1):35-41.

[18] STAUFFER C, GRIMSON W E L. Adaptive background mixture models for real-time tracking[C]//ProceedingsoftheIEEEComputerSocietyConferenceonComputerVisionandPatternRecognition. Los Angeles, CA, USA : IEEE,1999:246-252.

[19] PETER K, LEE R, KEVIN L, et al.TrafficSignalTimingManual[R]. McLean, VA, USA: Department of Transportation Federal Highway Administration,2008.

Adaptive Traffic Signal Control on Urban Intersection by Waiting-to-cross Pedestrian Detection

XIAO Mei1，LIU Kai1，ZHANG Lei1，ZHANG Huiming1，WANG Xing2

(1. School of Automobile, Chang’an University, Xi’an 710064, Shaanxi, P.R.China; 2. School of Highway, Chang’an University, Xi’an 710064, Shaanxi,P.R. China)

To optimize the time distribution from traffic signal at urban intersections with unstable crowd density, an adaptive traffic signal control system based on pedestrian request was developed. This adaptive signal control system consisted of image sequence capture by video, pedestrians’ detection and signal phase transition modules. Image sequence was captured by sequence capture unit. In pedestrians’ detection algorithm, a background reconstruction technology was applied to build background of scene, and then the waiting pedestrians were acquired in real-time through background subtraction. The pedestrians’ green phase was determined based on the number and associated waiting time of pedestrians in the waiting area. The effectiveness of algorithms was tested in a real road intersection. The mean delay of pedestrian and vehicle are 5.62 s/veh and 15.99 s/ped in low pedestrians peak. While the pedestrians are in high peak, the mean delay of vehicle is 52.13 s/veh and the mean delay of pedestrian is 8.35 s/ped.

traffic engineering; traffic control；crossing signal control；background reconstruction；pedestrians detection；video image processing

10.3969/j.issn.1674-0696.2016.05.24

2015-07-07；

2015-10-22

國(guó)家自然科學(xué)基金項(xiàng)目(61004087)；陜西省國(guó)際交流合作項(xiàng)目(2015KW-009)

肖 梅(1977—)，女，江西安福人，教授，博士，主要從事視頻圖像處理方面的研究。E-mail:27294664@qq.com。

U491.7；TN 919.8

A

1674-0696(2016)05-120-07