基于圖像處理的交通燈動態(tài)時間控制系統(tǒng)

基于圖像處理的交通燈動態(tài)時間控制系統(tǒng)

劉繼瓊，何格，梅明，胡檳楓Introduction城市交通擁堵現(xiàn)象日趨嚴(yán)重，如何優(yōu)化交通信號燈控制，提高車輛通行效率是亟待解決的問題。然而，現(xiàn)有的交通信號燈控制系統(tǒng)幾乎全部采用的是固定時序的控制方式，無法針對實(shí)際交通流量對各車道的放行時間進(jìn)行自適應(yīng)性調(diào)整，造成了道路資源的浪費(fèi)。CompanyLogoCompanyLogoAbstract本文提出了一種基于圖像處理的交通燈動態(tài)時間控制系統(tǒng)設(shè)計(jì)方案。該系統(tǒng)分為兩個單元——圖像處理、實(shí)時控制。利用MonteCarlo模擬實(shí)際交通情況，采用各車輛等待平均時間作為評價指標(biāo)進(jìn)行優(yōu)化，實(shí)現(xiàn)了交通燈的動態(tài)實(shí)時控制，有效提高了交叉路口車輛的通行效率。CompanyLogoCompanyLogo系統(tǒng)結(jié)構(gòu)圖交通燈動態(tài)時間控制系統(tǒng)結(jié)構(gòu)圖CompanyLogoCompanyLogo圖像處理單元原始視頻車輛數(shù)灰度化提取背景中值濾波二值化車輛識別CompanyLogoCompanyLogoContentsContents圖處單像理元實(shí)控單時制元CompanyLogoCompanyLogo灰度化處理將三維彩色圖片轉(zhuǎn)化為二維灰度圖片，減少信息量。像素矩陣是一個三維的矩陣，受光線影響大，數(shù)據(jù)量大，影響處理速度。灰度圖片是二維圖片，不包含色彩信息。信息量明顯減少，加快計(jì)算速度。因此可以將三原色圖像轉(zhuǎn)化為256級灰度圖像進(jìn)行處理，本文采用平均值法計(jì)算圖像灰度值。設(shè)圖像在點(diǎn)（X，Y）RGB的像素值分量分別為、、灰度化后像素值為，則有CompanyLogoCompanyLogo灰度化處理原始圖像灰度化后※選取一段實(shí)際監(jiān)控視頻，截取其中兩幀圖像CompanyLogoCompanyLogo動態(tài)提取圖像背景

※

為了得到視頻圖像中的車輛信息，首先得提取視頻圖像的背景，但受天氣等因素的影響，視頻背景信息不可能是一成不變的，因此需要對背景進(jìn)行動態(tài)提取。

視頻文件做上述處理后CompanyLogoCompanyLogo背景幀差

※將實(shí)時視頻圖像信息與背景圖像做差，得到的前景圖像像素矩陣中像素起伏較大的區(qū)域即可能為車輛存在區(qū)域。

背景幀差后圖像CompanyLogoCompanyLogo中值濾波

※中值濾波的功能就是用像素點(diǎn)領(lǐng)域灰度值的中值來代替該像素點(diǎn)的灰度值，所以它對孤立的噪聲像素具有很強(qiáng)的消除能力。

中值濾波后的圖像

※在視頻采集和傳輸過程中，受到設(shè)備自身以及實(shí)際環(huán)境的干擾，或多或少會帶有各種噪聲，因此在提取前景圖像后對圖像進(jìn)行預(yù)處理。可以采用中值濾波法。CompanyLogoCompanyLogo二值化

※二值化是將圖像分成目標(biāo)和背景的一種方法，常用的一種方法是選取一個適當(dāng)?shù)拈撝?，對圖像進(jìn)行閾值劃分。設(shè)

是

點(diǎn)第

幀的灰度值，

為閾值，

為

點(diǎn)第

幀的二值化處理后的取值，則有：二值化后的圖像CompanyLogoCompanyLogo車輛識別

※由于拍攝圖像受到攝像頭安裝方法的影響，因此在進(jìn)行車輛識別時，必須考慮攝像頭的安裝角度和高度。

※對于同樣大小的的車輛，在視場范圍內(nèi)距離攝像頭越遠(yuǎn)，在圖像中顯示長度越短。圖像經(jīng)二值化處理后，兩輛車包含的信息量也明顯不同，可以對二值化處理后的圖像像素矩陣進(jìn)行加權(quán)，使每輛車在圖像中的信息量均衡。CompanyLogoCompanyLogo圖像處理結(jié)果幀序號12345678910計(jì)算值6.786.696.754.024.576.794.294.494.144.36實(shí)際值7765475455殘差-0.22-0.310.75-0.980.57-0.21-0.710.49-0.86-0.64相對誤差3.1%4.4%12.5%19.6%14.2%3.0%14.2%12.2%17.2%12.8%※在車輛識別后，可以通過像素矩陣中目標(biāo)的覆蓋率來確定視場范圍內(nèi)的車輛數(shù)，整個圖像處理計(jì)算后的各幀圖像車輛數(shù)結(jié)果及其誤差統(tǒng)計(jì)如下表所示※

由上表可知，通過上述方法計(jì)算的圖像中的車輛數(shù)具有較高的準(zhǔn)確度，可以為實(shí)時控制系統(tǒng)提供可靠數(shù)據(jù)。CompanyLogo十字路口交通燈圖以雙向四車道為例一般情況下右轉(zhuǎn)不受限，直行和左轉(zhuǎn)受同一組燈控制。利用matlab編程對整個交通過程進(jìn)行了MonteCarlo模擬。

CompanyLogoCompanyLogo實(shí)時控制單元模型假設(shè)

模型建立流程模擬模型求解模擬程序檢驗(yàn)求模型最優(yōu)解設(shè)定若干假設(shè)

※整個模型包括以下四個部分：定義若干變量算車道車輛數(shù)計(jì)算等待時長模擬實(shí)時交通確定等待時間模型假設(shè)考慮雙向四車道情況，右轉(zhuǎn)不受限，左轉(zhuǎn)和直行受同

一組燈控制車輛到達(dá)路口與離開路口均以秒為單位，不考慮車輛大小，綠燈且有車等待時每秒通行一輛車不考慮其它因素對車流量產(chǎn)生的變化，任何時刻車流量相同模擬開始時各路口等待車輛數(shù)均為零，模擬結(jié)束時所有車全都離開CompanyLogo模型建立建立模型的目標(biāo)函數(shù)f=minT定義車流0-1變量計(jì)算各時刻各車道等待車輛數(shù)計(jì)算每輛車的等待時長計(jì)算平均等待時間CompanyLogoMonteCarlo模擬流程設(shè)A、B、C、D分別表示四個方向的車道，其中A、C紅綠燈狀況相同，B、D相同。假設(shè)某時刻A、C為紅燈，B、D為綠燈。在該時刻發(fā)生一次紅綠燈切換，首先在A、B、C、D出現(xiàn)黃閃，為公共等待時間；然后A、C轉(zhuǎn)換為綠燈，B、D轉(zhuǎn)換為紅燈。此時需要確定下一次轉(zhuǎn)換的時間間隔。CompanyLogo轉(zhuǎn)換時間間隔?T的計(jì)算設(shè)在A、C車道等待的車輛數(shù)分別為nA、nC，每輛車通過路口的平均時間為ζ，紅綠燈轉(zhuǎn)換時間間隔因子為η，轉(zhuǎn)換時間間隔為?T，建立線性函數(shù)關(guān)系?T=min(nA,nC)ζ+ηζ(nA+nC)其中η∈[0,1]CompanyLogo兩種極端情況（1）等待車輛極少系統(tǒng)會出現(xiàn)頻繁轉(zhuǎn)換，影響通行效率，需要設(shè)定最短轉(zhuǎn)換時間間隔，設(shè)為min?T，當(dāng)時?T<min?T時，?T=min?T（2）車輛極多系統(tǒng)長時間不轉(zhuǎn)換，導(dǎo)致兩邊車道通行不均勻，需要設(shè)定最長轉(zhuǎn)換時間間隔，設(shè)為max

?T，當(dāng)?T>max?T時，?T=max?T

在模擬過程中，改變

η值，計(jì)算車輛平均時間，取最短平均等待時間對應(yīng)的

η值。CompanyLogo模型求解模擬參數(shù)為了驗(yàn)證模擬程序的正確性，首先需要對程序做相關(guān)檢驗(yàn)。CompanyLogo車流量720輛/h黃閃時長3s

紅綠燈初始轉(zhuǎn)換時長15s

Max?T30smin?T5sT200sη1J4ζ1s各時刻各車道等待車輛時序圖CompanyLogo改變

η值和車流量，求模型最優(yōu)解CompanyLogoCompanyLogoCompanyLogo平均等待時間比較車流量（輛/小時）平均等待時間（秒）差值固定時長動態(tài)時長7207.745.712.039008.626.462.1610809.308.271.03126011.5710.580.99※由表可知，車輛平均等待時間明顯縮短，說明該系統(tǒng)對提高交通運(yùn)