基于图像处理的交通灯动态时间控制系统

基于图像处理的交通灯动态时间控制系统

刘继琼，何格，梅明，胡槟枫Introduction城市交通拥堵现象日趋严重，如何优化交通信号灯控制，提高车辆通行效率是亟待解决的问题。然而，现有的交通信号灯控制系统几乎全部采用的是固定时序的控制方式，无法针对实际交通流量对各车道的放行时间进行自适应性调整，造成了道路资源的浪费。CompanyLogoCompanyLogoAbstract本文提出了一种基于图像处理的交通灯动态时间控制系统设计方案。该系统分为两个单元——图像处理、实时控制。利用MonteCarlo模拟实际交通情况，采用各车辆等待平均时间作为评价指标进行优化，实现了交通灯的动态实时控制，有效提高了交叉路口车辆的通行效率。CompanyLogoCompanyLogo系统结构图交通灯动态时间控制系统结构图CompanyLogoCompanyLogo图像处理单元原始视频车辆数灰度化提取背景中值滤波二值化车辆识别CompanyLogoCompanyLogoContentsContents图处单像理元实控单时制元CompanyLogoCompanyLogo灰度化处理将三维彩色图片转化为二维灰度图片，减少信息量。像素矩阵是一个三维的矩阵，受光线影响大，数据量大，影响处理速度。灰度图片是二维图片，不包含色彩信息。信息量明显减少，加快计算速度。因此可以将三原色图像转化为256级灰度图像进行处理，本文采用平均值法计算图像灰度值。设图像在点（X，Y）RGB的像素值分量分别为、、灰度化后像素值为，则有CompanyLogoCompanyLogo灰度化处理原始图像灰度化后※选取一段实际监控视频，截取其中两帧图像CompanyLogoCompanyLogo动态提取图像背景

※

为了得到视频图像中的车辆信息，首先得提取视频图像的背景，但受天气等因素的影响，视频背景信息不可能是一成不变的，因此需要对背景进行动态提取。

视频文件做上述处理后CompanyLogoCompanyLogo背景帧差

※将实时视频图像信息与背景图像做差，得到的前景图像像素矩阵中像素起伏较大的区域即可能为车辆存在区域。

背景帧差后图像CompanyLogoCompanyLogo中值滤波

※中值滤波的功能就是用像素点领域灰度值的中值来代替该像素点的灰度值，所以它对孤立的噪声像素具有很强的消除能力。

中值滤波后的图像

※在视频采集和传输过程中，受到设备自身以及实际环境的干扰，或多或少会带有各种噪声，因此在提取前景图像后对图像进行预处理。可以采用中值滤波法。CompanyLogoCompanyLogo二值化

※二值化是将图像分成目标和背景的一种方法，常用的一种方法是选取一个适当的阈值，对图像进行阈值划分。设

是

点第

帧的灰度值，

为阈值，

为

点第

帧的二值化处理后的取值，则有：二值化后的图像CompanyLogoCompanyLogo车辆识别

※由于拍摄图像受到摄像头安装方法的影响，因此在进行车辆识别时，必须考虑摄像头的安装角度和高度。

※对于同样大小的的车辆，在视场范围内距离摄像头越远，在图像中显示长度越短。图像经二值化处理后，两辆车包含的信息量也明显不同，可以对二值化处理后的图像像素矩阵进行加权，使每辆车在图像中的信息量均衡。CompanyLogoCompanyLogo图像处理结果帧序号12345678910计算值6.786.696.754.024.576.794.294.494.144.36实际值7765475455残差-0.22-0.310.75-0.980.57-0.21-0.710.49-0.86-0.64相对误差3.1%4.4%12.5%19.6%14.2%3.0%14.2%12.2%17.2%12.8%※在车辆识别后，可以通过像素矩阵中目标的覆盖率来确定视场范围内的车辆数，整个图像处理计算后的各帧图像车辆数结果及其误差统计如下表所示※

由上表可知，通过上述方法计算的图像中的车辆数具有较高的准确度，可以为实时控制系统提供可靠数据。CompanyLogo十字路口交通灯图以双向四车道为例一般情况下右转不受限，直行和左转受同一组灯控制。利用matlab编程对整个交通过程进行了MonteCarlo模拟。

CompanyLogoCompanyLogo实时控制单元模型假设

模型建立流程模拟模型求解模拟程序检验求模型最优解设定若干假设

※整个模型包括以下四个部分：定义若干变量算车道车辆数计算等待时长模拟实时交通确定等待时间模型假设考虑双向四车道情况，右转不受限，左转和直行受同

一组灯控制车辆到达路口与离开路口均以秒为单位，不考虑车辆大小，绿灯且有车等待时每秒通行一辆车不考虑其它因素对车流量产生的变化，任何时刻车流量相同模拟开始时各路口等待车辆数均为零，模拟结束时所有车全都离开CompanyLogo模型建立建立模型的目标函数f=minT定义车流0-1变量计算各时刻各车道等待车辆数计算每辆车的等待时长计算平均等待时间CompanyLogoMonteCarlo模拟流程设A、B、C、D分别表示四个方向的车道，其中A、C红绿灯状况相同，B、D相同。假设某时刻A、C为红灯，B、D为绿灯。在该时刻发生一次红绿灯切换，首先在A、B、C、D出现黄闪，为公共等待时间；然后A、C转换为绿灯，B、D转换为红灯。此时需要确定下一次转换的时间间隔。CompanyLogo转换时间间隔∆T的计算设在A、C车道等待的车辆数分别为nA、nC，每辆车通过路口的平均时间为ζ，红绿灯转换时间间隔因子为η，转换时间间隔为∆T，建立线性函数关系∆T=min(nA,nC)ζ+ηζ(nA+nC)其中η∈[0,1]CompanyLogo两种极端情况（1）等待车辆极少系统会出现频繁转换，影响通行效率，需要设定最短转换时间间隔，设为min∆T，当时∆T<min∆T时，∆T=min∆T（2）车辆极多系统长时间不转换，导致两边车道通行不均匀，需要设定最长转换时间间隔，设为max

∆T，当∆T>max∆T时，∆T=max∆T

在模拟过程中，改变

η值，计算车辆平均时间，取最短平均等待时间对应的

η值。CompanyLogo模型求解模拟参数为了验证模拟程序的正确性，首先需要对程序做相关检验。CompanyLogo车流量720辆/h黄闪时长3s

红绿灯初始转换时长15s

Max∆T30smin∆T5sT200sη1J4ζ1s各时刻各车道等待车辆时序图CompanyLogo改变

η值和车流量，求模型最优解CompanyLogoCompanyLogoCompanyLogo平均等待时间比较车流量（辆/小时）平均等待时间（秒）差值固定时长动态时长7207.745.712.039008.626.462.1610809.308.271.03126011.5710.580.99※由表可知，车辆平均等待时间明显缩短，说明该系统对提高交通运