智能交通信号灯动态控制研究

高 欣

智能交通信号灯动态控制研究

高 欣

（武汉软件工程职业学院 汽车工程学院，湖北 武汉 430205）

针对现今市内各交通路口交通信号灯仅靠传统的轮流放行导致路口通行效率低下的问题，文章提出依靠路口摄像头图像识别技术，根据各路口排队车辆动态数据，智能控制放行路口方向以及时长。考虑到人们想尽可能少的排队，同时又不想自己排队长度远远大于别人排队长度，文章综合考虑了路口排队总和最小化以及各方向排队长度方差最小化，将两个因素加权求和，使最终结果最小化的控制策略即为最优策略。为了跟轮流通行策略做对比，文章根据实地观察，用计算机生成相仿的模拟数据来计算对比，从而实现智能交通信号灯的最优动态控制策略。

图像识别；智能交通信号灯；控制策略；计算机模拟

随着中国人口向城市聚集以及人们生活水平的提高，城市里机动车辆越来越多，导致部分交通繁忙的路口出现大量排队车辆。在传统交通信号灯控制策略下，路口各来向的车队交替通行一段时间，由于各来向车流量密度不一，各来向路况不同导致路口通行速率有差异，仅仅依靠交通信号灯通行可能导致某些来向排起了长长的队伍，某些来向空空如也，通行效率十分低下。尤其是在其他各来向均无车辆的情况下还要等一轮交通信号灯，降低通行效率的同时，车辆长时间怠速还会产生过多有害气体。尽管将车流量大或通行速率低的来向放行时间拉长有助于缓解该问题，但各来向车流量密度并非一成不变。

如果利用各路口摄像头捕捉实时图像，通过图像识别技术[1]得到各来向排队车辆数实时数据，再统计最近一段时间内各来向车辆通行速率，然后综合考虑路口排队总和最小化以及各方向排队长度方差最小化，将两个因素加权求和，使最终结果最小化即可得到交通信号灯最优控制策略。

1 方案设计

1.1 相关概念说明

在一个由交通信号灯控制的交叉路口，有个方向驶来的车辆需要通行，信号灯每次只允许一个来向的车辆通行。

通过路口摄像头图像识别即可得到各来向排队等候的车辆数量，各来向排队等候车辆数量集合记为C，C[](1≤≤)表示第个来向排队等候通过路口的车辆数。

考虑到路口不同来向路况以及车道数的不同，车辆通过路口的速率也会有所差别，通过统计最近一段时间内路口车辆通行情况，即可得到各来向车辆通过路口速率平均值，该值的集合记为S，S[](1≤≤)表示单位时间内第个来向排队等候的车辆通过路口的数量。

将两个因子和加权求和得到=∙+∙（和分别为两个因子的权重），选取合适的和，在某个来向放行一定数量（数量记作，交通信号灯按时长控制，根据各来向车辆通行速率S[]以及要放行的车辆数即可根据公式/S[]得到控制时长）车辆后，使得取值最小的交通信号灯控制策略即为最优策略。

1.2 计算方法

式中，和为策略需要控制的变量，通过计算机计算可以得到使最小的和取值。

在一天的时间里，车流量半夜几乎为0，从早上开始慢慢增加，再从晚上开始慢慢减少，直至半夜减至几乎为0。本文用一个简化的模型来模拟车流量的增减过程：用一段时间内的标准高斯分布[3-4]来表示一天车流量的开始到结束，从0时刻开始车流量从0开始增加，在中间时刻车流量达到极大值，在最后时刻车流量减少至0。

由于存在假期或天气等原因，每天的车流量不尽相同，需要生成不同车流量密度的多组模拟数据。作为对比，对每组模拟数据都按照固定时长轮流放行的策略也计算一遍，对比两种方式所得到的等待车辆总数曲线以及各来向等待车辆长度方差曲线。

2 控制策略分析

2.1 模拟数据生成

实地观察武汉市洪山区南湖大道与软件园中路十字路口于2023年8月18日早上9点上班高峰期10 min内车流量情况，如表1所示。

表1 实地观察统计数据

路口来向由西向东方向由北向南方向由东向西方向由南向北方向 到达路口数量/辆346297185295 离开路口数量/辆337286191292 绿灯时长/s70504060

由上述观察数据可以计算得到车辆通行效率数据，如表2所示。

表2 车辆通行效率数据

路口来向由西向东方向由北向南方向由东向西方向由南向北方向 到达路口数量占比/%31261626 绿灯时长占比/%32231827 平均每10 s离开路口数量/辆17.721.017.517.8 平均每10 s到达路口数量/辆5.85.03.14.9

根据上述数据，以10 s为一个时间单位，生成一些与观察数据相仿的模拟数据。生成由4个来向组成的交通路口车流量比例为6:5:3:5不同车流密度的4组数据，数据时长为600个时间单位（1个时间单位为10 s），在确定了总数量的情况下即可根据均值为300，方差为（600/π）2的高斯分布函数，将所有车辆随机撒进这600个时间单位内（分布超出600个时间单位的重新随机撒进来）。生成4组数据（高峰时期车流量依次为表1观察数据单位时间车流量的1/4倍、1/2倍、1倍、2倍），每个时间单位内具体车流量不在文中列举，仅将汇总数据列出，如表3所示。

表3 模拟数据生成统计 单位：辆

路口来向1234 生成到达各路口总数量数据A组432371231369 生成到达各路口总数量数据B组865743463738 生成到达各路口总数量数据C组1 7301 4859251 475 生成到达各路口总数量数据D组3 4602 9701 8502 950

各组数据单位时间内车流量分布分别如图1－图4所示。

图1 模拟生成数据A组各单位时间内车流量分布

图2 模拟生成数据B组各单位时间内车流量分布

图3 模拟生成数据C组各单位时间内车流量分布

图4 模拟生成数据D组各单位时间内车流量分布

2.2 计算对比

在认为排队总长最小和各路口排队长度方差最小同样重要的情况下，章节1.2计算的公式中选取==1。

首先计算各路口轮流通行（路口通行时间参考表1的绿灯时长；各路口车辆通行速率参考表2的平均每10 s离开路口数量）时各路口排队情况，然后按照式（1）计算得到最优通行路口及时间（路口通行时长上限定为10个时间单位，下限定为2个时间单位；各路口车辆通行速率参考表2的平均每10 s离开路口数量）计算得到各路口排队情况，计算结果如图5－图8所示。

图5 模拟数据A组两种方式各路口排队对比

通过上述计算结果可以计算得到各组数据在不同通行策略下路口排队总车辆数以及各路口排队车辆数方差对比结果，如图9－图12所示。

图9 数据A组两种通行策略排队总车辆数以及各路口排队车辆数方差对比

图10 数据B组两种通行策略排队总车辆数以及各路口排队车辆数方差对比

图11 数据C组两种通行策略排队总车辆数以及各路口排队车辆数方差对比

图12 数据D组两种通行策略排队总车辆数以及各路口排队车辆数方差对比

从上述各组数据对比图可以看到，无论是路口排队车辆总数还是各路口排队车辆数方差，本文所述交通信号灯控制策略均优于各路口轮流通行策略：在车流量密度不高的情况下，路口排队车辆显著减少；在车流量密度较高的情况下，路口各来向排队车队长度差异显著降低。

3 总结

本文借助交通路口摄像头图像识别技术得到各来向排队车辆数，提出根据交通路口各来向排队车辆实时数据计算得到最优放行来向以及放行时间的智能信号灯[5-6]控制策略，以此解决交通路口通行效率低下的问题。

尽可能少的排队等待是交通参与者个体的诉求，因此，从全局来看应该让路口各来向排队车辆数总和尽可能小；由于各来向车流量密度以及通行速率的差异，各来向如果均分时间的话就会导致某些来向排起长龙，某些来向排队很短，显得有失公允，因此，也需要让各来向排队长度差异尽可能小。本文所述策略综合考虑了上述两个因素，通过加权求和取最小值的方式来平衡二者，兼顾排队总数少的同时还能做到排队长度相对公允。

本文所述智能动态控制策略控制排队车辆总数以及排队长度差异均优于传统轮流通行的交通信号灯控制策略：在车流量密度不高的情况下，路口排队车辆显著减少；在车流量密度较高的情况下，路口各来向排队车队长度差异显著降低。总体来看，路口通行效率显著高于传统轮流通行的交通信号灯控制策略，希望为缓解城市交通压力提供一种解决方案。

[1] 赵佩佩.计算机智能化图像识别技术研究综述[J].电脑知识与技术,2023,19(21):109-111.

[2] 李思蕾,全力.城市红绿灯设计及行人管理缺陷研究:以天府广场附近红绿灯设计为例[J].现代经济信息, 2016(16):361.

[3] 徐璐,胡福乔.基于混合高斯模型的摄像机移动检测[J].计算机应用与软件,2010,27(6):233-235.

[4] 崔智泉.浅谈高斯分布的原理和应用[J].中国校外教育,2018(16):63-64.

[5] 王振宁,马慧颖,李豪杰,等.一种分布式智能交通信号灯管理系统设计[J].河南科技,2021,40(11):111- 113.

[6] 曾杨帆,陈章勇,夏甫根,等.基于先验信息的交通信号灯识别方法[J].汽车实用技术,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，硕士，专任教师，研究方向为新能源汽车技术、智能网联汽车、智能交通，E-mail: 2109279163@qq.com。