道路车流量不均匀的交通灯控制系统研究

侯策　张沛

摘  要：交通信号灯是城市交通重要的调节器，但随着城市的发展，城市交通情况也愈加复杂。在路口车流量不均匀时，使用传统的韦伯斯特配时方法难免会产生较多的信号损失。为解决这个问题，在传统韦伯斯特配时方法的基础上进行了优化，结合数字图像处理技术处理监控摄像计算道路车流量，实现了一体化的交通灯控制系统，并设计了仿真实验。实验结果表明，优化后的系统可以在应对复杂路况的情况下制定更合理的配时方案，使得道路具有更高的通行效率。

关键词：GIS;交通灯;韦伯斯特配时法;数字图像处理;交叉口

中图分类号：U491.51      文献标识码：A 文章编号：2096-4706（2020）09-0010-04

Research on Traffic Light Control System with Uneven Road Traffic

HOU Ce，ZHANG Pei

（School of Geodesy and Geomatics，Wuhan University，Wuhan  430079，China）

Abstract：Traffic lights are very important regulator of urban traffic. However，as the city develops，the situation of urban traffic become more complicated. When the road intersections traffic flow is uneven，traditional Webster timing method inevitably produces lots of signal loss. To solve this problem，this paper optimized the traditional Webster timing method，calculate road traffic with digital image processing technology，and designed a simulation experiment. Result shows that optimized system can generate a more reasonable timing plan when dealing with complex road conditions，and gets higher traffic efficiency at the same time.

Keywords：GIS;traffic light;Websters method of timing;digital image processing;intersection

0  引  言

隨着城市发展，城市中车辆也日益增多。高德地图发布的《2018年Q1中国主要城市交通分析报告》中显示，在全国的361座城市中有65座城市拥堵延时指数大于1.8，受到拥堵威胁[1]。交通拥堵会造成交通堵塞，降低道路通行效率，同时造成车辆的尾气排放量增多，对环境产生恶劣的影响。

在交通灯配时方案的优化中，改变信号相位绿信比的分配是一个重要手段。目前，国内外学者大多采用对交通灯进行建模，并通过以交叉路口平均延误时间为指标进行分析的方法进行优化[2-5]，考虑到交通灯配时方案优化的过程中不仅要考虑到使车流延误最小，还要考虑行人延误、污染物排放等多个指标，学者们针对多个指标研究优化了交通灯配时方案[6-8]。上述研究在一定程度上改善了交叉路口的通行状况，提高了交叉路口的通行效率。而在交通流量的检测方面，根据监控摄像检测车辆的方法越来越受到学者关注[9，10]。

武汉大学测绘学院的大学生创新创业团队针对道路车流量不均匀的情形研究了交通灯配时系统，通过对交通灯配时算法中的韦伯斯特配时法进行优化，在道路两边车流量不均匀的情况下给出较优的解决方案，并运用交通路口的摄像头采集车流数据，使得红绿灯系统的数据采集和配时融为一体。

1  韦伯斯特配时法

韦伯斯特配时法是以车辆延误时间最小为目标来计算信号配时的一种方法，因此其核心内容是车辆延误和最佳周期时长的计算。其具体公式如下：

其中，d是车辆平均延误，C是信号周期，λ是绿信比，Q是实际车流量，σ是饱和度，ρ是总流量比，各相位上的关键流量比之和。为使d最小，可以将d看作C的函数。对C求偏导，可得到信号周期的最佳值：

其中，τ为一个周期内总的损失时间，等于各相位上车辆启动损失时间加全红时间的总和。

ei是第i相位的有效绿灯时间，其公式为：

其中，ρi为第i相位关键流量比，C0为最佳周期长度。

gi是第i相位的实际绿灯时间，其公式为：

其中，yi为第i相位的黄灯时间，τi为第i相位的车辆启动损失时间。

所以，可以根据建立的最佳信号周期和绿灯时间与各个路口的实际流量的关系，再计算出理论最佳信号周期和绿灯时间作为下一周期的初始值。

整个计算过程的流程图大致如图1所示。

韦伯斯特配时法原理简单，易于实现，被广泛应用在交通灯配时模型中。

2  数字图像处理获取道路车流量

对监控摄像头下的车辆识别并计数是红绿灯系统获取数据的主要手段。因红绿灯每个周期需要实时制定配时方案，故要求道路信息获取过程具有实时性的特点。本文采用MATLAB来进行视频图像中车辆的识别以及计数。

2.1  MATLAB图像处理概述

MATLAB具有完备的图像处理功能，包含大量的数学运算函数，可以方便地实现用户的各种计算功能，函数中使用的算法都是科研和工程计算中的最新研究成果，且经过了各种优化和容错处理。MATLAB中计算机视觉系统工具箱内置的函数非常多，使用方便，拥有可视化编程，易于上手，拥有高效性，非常实用，可以解决大多数图像处理的问题。

2.2  道路车流量检测

MATLAB的计算机视觉系统工具箱中包含许多实用便捷的函数，因此在实际编程过程中，减少了许多变量的设置和操作目的的代码，仅需要使用MATLAB中的函数代替即可。道路车辆识别算法流程大致如图2所示。

实时车流检测结果如图3所示。

3  红绿灯交通管控方法优化

当车辆在交叉路口行驶的过程中，司机会有三种不同的行驶路线：直行、左转和右转。右转的车辆因为没有与对向车辆相撞的危险，所以不设计红绿灯进行控制。所以红绿灯只控制直行和左转的车流行驶。以十字路口为例，传统的四相位交通灯模型将路口车辆的行驶过程大致分为四个相位：

（1）东南西北四个方向右转车流正常行驶，东西向直行车流行驶。

（2）东南西北四个方向右转车流正常行驶，东西向左转车流行驶。

（3）东南西北四个方向右转车流正常行驶，南北向直行车流行驶。

（4）东南西北四个方向右转车流正常行驶，南北向左转车流行驶。

具体过程可以用图4表示。

传统的四相位红绿灯假设交通流稳定的情况下建立交通模型，而现实生活中，大多数路口的车流量并不均匀。在这种情况下，传统红绿灯分配的时间会明显变长，造成极大的信号损失。下面以如表1所示的江苏省南京市某交叉口晚高峰观测数据为例进行说明。

通过表1可以看出，该区域南向直行车流量大约是北向直行车流量的十余倍，数量相差悬殊，而北向左转车流量约为直行车流量的三倍，路口的车流量呈现出明显的不对称。设黄灯时间为3.00 s，将表1数据带入四相位韦伯斯特模型中配时计算可得各车道流量比，如表2所示。

可以看出，计算出的信号灯周期明显大于正常生活中的范圍，这表明在路口车流分布不对称的情况下，四相位韦伯斯特并不能得到很好的配时方案。这主要是因为当对称方向的车流量相差较大时，某一方向车流全部行驶完毕后需要等待对向的车流，从而造成了极大的信号损失。为了解决这个问题，需要对红绿灯的配时方法进行优化。本文主要通过改变红绿灯配时模型中相位的分割来优化模型。

新的配时方法在四相位交通灯模型的一、三相位之后加入了两个相位，使之变成六相位，从而解决了交通灯在道路两侧车流量不均匀产生的问题。各相位具体情况如下：

（1）东南西北四个方向右转车流正常行驶，东西向直行车流行驶。

（2）东南西北四个方向右转车流正常行驶，东向或西向左转车流同时行驶。

（3）东南西北四个方向右转车流正常行驶，东西向左转车流行驶。

（4）东南西北四个方向右转车流正常行驶，南北向直行车流行驶。

（5）东南西北四个方向右转车流正常行驶，南向或北向左转车流同时行驶。

（6）东南西北四个方向右转车流正常行驶，南北向左转车流行驶。

具体过程可以用图5表示。

4  实验仿真及结果分析

对表1中的路口使用改进后的六相位交通灯模型重新生成配时方案，计算步骤大致如下：

（1）计算各个相位的关键流量比：第一相位关键流量比取东西向直行车关键流量比中的较小值，第二相位关键流量比取东西向直行车流量比与东西向左转车流量比的平均值，用公式表达为：

第三相位关键流量比取东西向直行车关键流量比中的较小值，第四至第六相位关键流量比仿照前三个相位对南北方向的车流量进行规划。

（2）计算相位损失时间。由图6可知，整个周期中只有第三到第四周期时出现车流的中断，其他各相位之间转换时，由于总有一个方向的车流是连续的，损失的时间大约为0.5个相位。设黄灯时间为3.00 s，汽车启动时间约为3.00 s，所以算得相位损失时间约为：

（3）计算周期长度。

（4）计算各个相位绿灯的时长。

计算后的结果如下：

各车道流量比如表3所示。

可以看到信号灯周期相比四相位明显缩短，绿灯时长更为合理，说明六相位配时模型可以对车流量不均匀的路口生成更科学的配时方案。但在实际生活中，仍可根据实际路况对模型进行调整，从而适应更复杂的环境。

5  结  论

本文着眼于四相位红绿灯配时模型在应对道路车流量不均匀时的局限性，在传统模型车流直行和左转之间设计了同时放行直行与左转的相位，提高了红绿灯的使用率。同时采用摄像头获取道路车辆信息，结合数字图像处理技术计算道路车流量，并与六相位红绿灯配时方案相结合，完成了可以实现自动控制的交通灯配时系统。经过仿真实验，该方案对于车流量不均匀、拥堵严重路段配时的红绿灯周期更短，红绿灯时长更合理，控制效果优于传统的四相位红绿灯模型。

但该方案中仍存在一些问题，比如不同道路的饱和流率并不是相同的，饱和流率的确定依赖于道路自身的情况，需要进行人工采集或者对路口处的历史数据进行分析才能得到具有参考意义的饱和流率。

参考文献：

[1] 沙漏.2018城市出行人工智能解决方案提供商TOP10 [J].互联网周刊，2018（11）：64-65.

[2] 卢凯，林观荣，林永杰，等.考虑车流通行需求的交叉口绿信比分配模型 [J].东南大学学报（自然科学版），2019，49（3）：603-610.

[3] 常云涛，王奕彤.连续流交叉口信号配时优化模型 [J].公路交通科技，2018，35（4）：93-101.

[4] 李丽丽，姚荣涵，周红媚，等.渠化可变导向车道交叉口预设信号配时优化模型 [J].吉林大学学报（工学版），2015，45（1）：75-81.

[5] SHU S J，ZHAO J，HAN Y，et al. Signal Timing Optimization for Transit Priority at Near-Saturated Intersections [J].Journal of Advanced Transportation，2018（12）：1-14.

[6] 刘畅，魏丽英.考虑人均延误和人均排放的信号配时优化模型 [J].哈尔滨工业大学学报，2018，50（9）：83-88.

[7] PE?ABAENA-NIEBLES R，CANTILLO V，MOURA J L. Impact of transition between signal timing plans in social cost based in delay，fuel consumption and air emissions [J].Transportation Research，2015，41：445-456.

[8] HITCHCOCK O，GAYAH V V. Methods to reduce dimensionality and identify candidate solutions in multi-objective signal timing problems [J].Transportation Research Part C，2018（96）：398-414.

[9] 趙勇，李怀宇.基于视频监控的智能交通灯变换与道路流量计算方法 [J].电子设计工程，2018，26（7）：40-44.

[10] 邱利军，景胜强，李云涛，等.一种基于灰度直方图的分割阈值自动检测方法 [J].地理空间信息，2015，13（6）：115-117+14.

作者简介：侯策（1999—），男，汉族，天津人，本科在读，研究方向：地理信息系统。