高 欣

智能交通信號(hào)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(duì)現(xiàn)今市內(nèi)各交通路口交通信號(hào)燈僅靠傳統(tǒng)的輪流放行導(dǎo)致路口通行效率低下的問(wèn)題，文章提出依靠路口攝像頭圖像識(shí)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(zhǎng)?？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(zhǎng)度遠(yuǎn)遠(yuǎn)大于別人排隊(duì)長(zhǎng)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(zhǎng)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(duì)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(lái)計(jì)算對(duì)比，從而實(shí)現(xiàn)智能交通信號(hào)燈的最優(yōu)動(dòng)態(tài)控制策略。

圖像識(shí)別；智能交通信號(hào)燈；控制策略；計(jì)算機(jī)模擬

隨著中國(guó)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(lái)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(hào)燈控制策略下，路口各來(lái)向的車隊(duì)交替通行一段時(shí)間，由于各來(lái)向車流量密度不一，各來(lái)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(hào)燈通行可能導(dǎo)致某些來(lái)向排起了長(zhǎng)長(zhǎng)的隊(duì)伍，某些來(lái)向空空如也，通行效率十分低下。尤其是在其他各來(lái)向均無(wú)車輛的情況下還要等一輪交通信號(hào)燈，降低通行效率的同時(shí)，車輛長(zhǎng)時(shí)間怠速還會(huì)產(chǎn)生過(guò)多有害氣體。盡管將車流量大或通行速率低的來(lái)向放行時(shí)間拉長(zhǎng)有助于緩解該問(wèn)題，但各來(lái)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(guò)圖像識(shí)別技術(shù)[1]得到各來(lái)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(lái)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(zhǎng)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(hào)燈最優(yōu)控制策略。

1 方案設(shè)計(jì)

1.1 相關(guān)概念說(shuō)明

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

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

考慮到路口不同來(lái)向路況以及車道數(shù)的不同，車輛通過(guò)路口的速率也會(huì)有所差別，通過(guò)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(lái)向車輛通過(guò)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(lái)向排隊(duì)等候的車輛通過(guò)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(lái)向放行一定數(shù)量（數(shù)量記作，交通信號(hào)燈按時(shí)長(zhǎng)控制，根據(jù)各來(lái)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(zhǎng)）車輛后，使得取值最小的交通信號(hào)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(guò)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?gòu)耐砩祥_始慢慢減少，直至半夜減至幾乎為0。本文用一個(gè)簡(jiǎn)化的模型來(lái)模擬車流量的增減過(guò)程：用一段時(shí)間內(nèi)的標(biāo)準(zhǔn)高斯分布[3-4]來(lái)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(duì)比，對(duì)每組模擬數(shù)據(jù)都按照固定時(shí)長(zhǎng)輪流放行的策略也計(jì)算一遍，對(duì)比兩種方式所得到的等待車輛總數(shù)曲線以及各來(lái)向等待車輛長(zhǎng)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(lái)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(zhǎng)/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(lái)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(zhǎng)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(lái)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(zhǎng)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(lái)）。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(lái)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(duì)比

在認(rèn)為排隊(duì)總長(zhǎng)最小和各路口排隊(duì)長(zhǎng)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(zhǎng)；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(zhǎng)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(duì)比

通過(guò)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(duì)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(duì)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(duì)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(duì)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(duì)比

從上述各組數(shù)據(jù)對(duì)比圖可以看到，無(wú)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(hào)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(lái)向排隊(duì)車隊(duì)長(zhǎng)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(shí)別技術(shù)得到各來(lái)向排隊(duì)車輛數(shù)，提出根據(jù)交通路口各來(lái)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(lái)向以及放行時(shí)間的智能信號(hào)燈[5-6]控制策略，以此解決交通路口通行效率低下的問(wèn)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(lái)看應(yīng)該讓路口各來(lái)向排隊(duì)車輛數(shù)總和盡可能?。挥捎诟鱽?lái)向車流量密度以及通行速率的差異，各來(lái)向如果均分時(shí)間的話就會(huì)導(dǎo)致某些來(lái)向排起長(zhǎng)龍，某些來(lái)向排隊(duì)很短，顯得有失公允，因此，也需要讓各來(lái)向排隊(duì)長(zhǎng)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(guò)加權(quán)求和取最小值的方式來(lái)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(zhǎng)度相對(duì)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(zhǎng)度差異均優(yōu)于傳統(tǒng)輪流通行的交通信號(hào)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(lái)向排隊(duì)車隊(duì)長(zhǎng)度差異顯著降低?？傮w來(lái)看，路口通行效率顯著高于傳統(tǒng)輪流通行的交通信號(hào)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(shí)別技術(shù)研究綜述[J].電腦知識(shí)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(chǎng)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(cè)[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(guó)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(hào)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(hào)燈識(shí)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。