基于视频的路网系统智能红绿灯设计

-PAGE41-基于视频的路网系统智能红绿灯设计引言道路交叉口处的交通信号灯是城市道路网中的主要控制设施，合理调节信号灯的控制是提高城市交通质量，提高现有道路利用率的关键所在。本设计选择具有众多优点的视频图像检测传感器作为交通参数的检测器。在阐述了视频图像检测传感器的工作原理的基础上，文中详细介绍了视频图像处理的几种算法并实现这些算法，获得了所需的交通参数。鉴于交通流具有强不确定性而且交通结构十分复杂，系统难以建立精确模型和采用模型求解的方法来实现控制，所以在设计交叉口的信号灯控制器时，根据模糊控制理论而采用了模糊控制的方法。在基本通行时间基础上，在当前方向绿灯时间结束时，模糊控制器根据红绿灯的两个方向上车辆排队长度和上游路口交通状况作出判决，得到绿灯方向上通行时间的延长量。模糊控制器的控制规则体现了交警在实际路口交通指挥中的经验。文中设计了一个交通路口信号控制仿真程序，以实际交通参数为仿真数据，分别采用模糊控制和固定配时方案控制交叉口信号灯，计算车辆通过路口的平均延误，并比较了两种配时方案的控制性能。仿真研究表明，模糊控制方案显著地降低了车辆通过交叉口的平均延误，提高了道路的利用率。关键词:智能交通;交通信号控制;视频图像检测;模糊控制目录TOC\o"1-4"\h\z\u引言 1目录 2第一章绪论 31.1课题研究的背景和意义 31.2交通信号控制技术的发展和现状 51.3交通信号控制存在的问题及解决办法 71.4主要研究内容 7第二章国内外交通信息检测技术与信号灯控制技术概述 82.1交通信息检测技术介绍 82.1.1基于地面感应线圈的车辆检测系统 82.1.2基于超声波的检测系统 92.1.3红外检测系统 102.1.4声学检测 102.1.5磁力计检测 112.1.6激光雷达检测方法 112.1.7基于视频图像的检测方法 11视频监控系统概述 11交通视频监控系统基本原理 122.2交通信号机控制模型概述 132.2.1几种典型的城市交通控制系统 132.2.2城市交通控制系统的基本类型 15第三章模糊控制理论基础 173.1模糊控制起源和发展 173.2模糊控制器组成 183.3模糊控制优点 203.4模糊控制应用于交通信号控制的优点 20第四章车辆排队长度视频检测 214.1基本思想 214.2背景更新与差分 214.3边缘检测sobel算子 234.4图像二值化 244.5算法流程及实现 25第五章交通信号控制模型实现 305.1基本思想 305.2输入和输出变量模糊化 32第六章总结与展望 386.1设计总结 386.2研究展望 38参考文献 38第一章绪论1.1课题研究的背景和意义在这个科学技术和世界经济飞速发展的时代，交通系统的空前发达是必然的，也是经济持续稳定发展的基础。交通运输在经济和社会发展中起着举足轻重的作用。进入80年代以来，随着交通需求急剧增长，交通运输所带来的交通拥堵、交通事故等负面效应也日益突出，逐步成为经济和社会发展中的全球性共同问题。针对日益严俊的交通形势、有限的资源财力和环境保护压力，需要依靠除限制需求和提供道路设施之外的其它方法来满足日益增长的交通需求。智能交通系统(ITS)正是解决这一矛盾的途径之一【1,2,3,4】。ITS将先进的电子技术、信息技术(IT)、人工智能(AI)、地理信息(GIS)、计算机技术、通信、传感器技术和系统工程技术集成运用于地面运输的实际需求，建立起全方位、实时、准确、高效的地面运输系统。ITS能够改善混乱的交通状况，减少拥堵，提高运输效率，并提高交通的安全性。智能交通系统主要包括以下种类【1,3】:1)在信息网络基础上的，交通参与者与交通信息中心互动获取实时交通信息的交通信息服务系统。2)用信息采集、处理和传输系统，对道路系统中的交通状况、事故、气象等进行实时监视从而进行控制的交通管理控制系统。3)通过车载传感器、车载计算机等，检测与前车、周围车辆以及与道路设施的距离的车辆辅助安全驾驶系统。4)自动导向，自动检测和回避障碍物的智能驾驶系统。还有:货运管理系统，电子收费系统，紧急救援系统等等。智能交通系统在日本、美国和西欧发展得最快。自上世纪八十年代末以来，日本、美国和西欧等发达国家为了解决共同面临的交通问题，竞相发展智能交通系统，投入了大量的资金和人力进行道路功能和车辆智能化的研究。在智能交通系统项目研发过程中，这些国家还成立了许多机构，以制订并实施开发计划。除了欧、美、日以外，新兴的工业国家和发展中国家也开始了智能交通系统的全面开发和研究。我国的一些城市如北京、上海、重庆、广州等地也开始开展了一些研究与应用示范项目【5,6】。中国是当今世界上道路等基础设施建设速度最快的国家，又是交通需求增长最快的国家。运输效率低下、城市交通堵塞等问题已经成为我国各大中城市面临的迫切需要解决的问题之一。未来十年，正是智能交通系统在世界主要国家进入全面实施的阶段，因此，中国也迫切需要根据中国交通的实际需求尽早研究开发智能交通系统，以实现交通运输的可持续发展目标【7,8】。全面、准确的采集交通信息是实现交通智能化的基本保障。研究开发交通信息采集设备使它能正确的获得道路上的运行信息，包括车流量、车速、车型分类、占道率、交通密度，以及车辆排队长度、车辆转弯、车辆停止或肇事情况的信息。正确的交通信息采集可以使智能交通管理系统正确及时获得交通状况信息，对交通状况进行有效管理，并发出诱导信息，从而自动调节车流，减少车辆在道路顺畅时在红灯前停留的时间，安排疏导交通、肇事报警等。对于城市道路的畅通，采用有效的控制措施，最大限度地提高道路的使用效率是城市道路交通控制的重要内容。道路交叉口处的交通信号灯是城市道路网中的主要控制设施，城市道路交通控制主要是对交通信号的控制。城市交通信号控制是通过对交通流的调节，警告和诱导以达到改善人和货物的安全运输，提高运营效率。其目标在于改善交通流的质量，更好地利用现有运输能力，实现交通流的安全性，快速性和舒适性，因此信号灯必须以最优控制策略存在，以减小道路网络中所有车辆的行程的时间，必须要有一个智能信号灯控制系统来达到城市道路的最大畅通。基于以上描述以及结合我国现阶段自身特点，智能信号灯的研究具有重大的社会意义和经济意义:l)社会意义交通是国民经济的基础产业之一，也是社会发展和人民生活水平提高的基本条件。交通运输的发达程度是衡量一个国家现代化程度的标志之一。随着我国经济的迅速发展，我国的公路交通条件有了很大的改善。但是随着车辆数量的增加、交通量的不断增长和交通密度的大幅提高，有效的交通管理成为我国各大城市面临的难题。为了保障交通的安全通畅，采用先进的交通监控系统来预防和减少交通阻塞、交通事故，减少人员伤亡和财产损失就显得非常重要【2,9】。智能交通管理系统是当今世界道路交通的发展趋势。目前与计算机技术、通信技术和视频监控等现代技术相结合的智能交通数字系统发展迅速，以图像理解为基础的图像视频交通控制系统进入实际应用领域，为智能交通管理提供服务。图像视频交通监控系统能及时提供各路段的交通流量和车辆信息，记录违章车辆，以便实现准确快速的交通指挥调度，充分利用现有的道路资源，提高突发交通事故的处理能力，从而为人们的出行提供快捷舒适的交通服务。交通灯是交管部门管理城市交通的重要工具。目前绝大部分交通灯其时间都是设定好的，不管是车流高峰还是低谷，红绿灯的时间都固定不变;还有一些交通灯能根据简单划分的时间段来调整时间。但控制起来都不是很灵活，这使得城市车流的调节不能达到最优。智能信号灯系统作为智能交通管理系统的一个重要子系统，能够有效的减少交通事故的发生，提高道路的使用效率，明显缩短车辆在道路口的通过时间，有巨大的现实意义。2)经济意义基于图像处理技术的视频检测系统通过获取连续视频信息，对车辆运动图像进行分割、检测、实时追踪、统计车流量等一系列处理，从而对各种交通参数进行更加合理、有效的分析和汇总，而且其具有无可比拟的可移植性和鲁棒性。基于图像处理技术的视频检测具有成本低，工程量小、无需破坏地面、系统安装相对灵活，检测范围广、检测信息量大的优点【2,9】。另外我国目前的交通监控系统还处于相对落后的状态，尤其体现在交通信息采集方式落后，不能满足交通控制和管理对交通信息的需求;另一方面现有的监控系统中采集到的含有极大信息量的视频信息却没有被充分利用。因此在我国，交通监控方面的应用有着非常好的前景。基于以上特点，视频检测技术在路口交通灯智能控制方面必然有广阔的市场前景。1.2交通信号控制技术的发展和现状交通信号灯的起源可以追溯到19世纪末20世纪初，为保证冲突车流能分时使用交叉路口和减少交通事故的发生，英国于1868年在伦敦Westminster地区安装了世界上第一台交通信号灯，揭开了城市交通信号控制的序幕。1918年初，纽约街头出现了新的信号灯，这是与当今使用的信号灯极为相似的红黄绿三色灯，它是人工操纵的，以后英国也开始使用这种信号灯。1926年，英国在沃尔佛汉普顿第一次安装和使用自动化的控制器来控制交通信号灯，标志着城市交通自动控制的开始【2,6】。自动化的交通信号灯是由交通信号控制器控制其红绿灯的周期变化的。早期的交通信号灯是通过“固定配时”方式实行自动控制的，这种方式对于早期交通流量不大的情况，曾发挥过一定的作用。随着汽车工业的发展、交通流量增加、随机变化增强，采用以往那种单一模式的“固定配时”方式己不能满足客观需要，于是一种多时段多方案的信号控制器取代了传统的只有一种控制方案的控制器。采用这种控制器其效果要明显好于传统的老式控制器。这种控制器在一天时间里备有几种不同的配时方案，它能按交通流的变化规律，不同的时间选用不同的方案。当交通流变化规律比较明显的时候，这种控制方式控制效果是很好的。多时段多方案定时控制器在长期的使用过程中不断地改进、提高，所以至今仍作为单交叉路口的一种控制方式广泛地得到应用【10】。由于交通流具有连续运动的特点，特别是当两个相邻交叉路口距离很近时，这种各交叉路口之间“各自为政”的孤立控制方式，难免造成频繁停车，使控制效果不佳。要解决这个问题，必须把相邻的交叉路口作为一个系统来统一地加以控制。早在1917年，在美国盐湖市就开始使用联动式信号系统，即把六个交叉路口作为一个系统，以人工方式加以集中控制。1922年，美国休斯顿市建立了一个同步系统，它以一个交通亭为中心控制十二个交叉路口，该系统使用了电子自动计数器。六年后，即1928年，上述系统经过改进，形成“灵活步进式”定时系统;由于它简单、可靠、价格便宜，很快在美国推广普及。这种系统以后不断改进、完善，成为当今的协调控制系统。交通信号的控制，从信号机由手动到自动，由固定周期到可变周期，控制方式由点控到线控和面控，从无车辆检测器到有车辆检测器，经历了近百年的历史。当今信号灯控制技术主要包括两方面的内容，即路口交通信息的提取和依据交通信息的交通信号配时。目前交通信息检测技术主要可分为三类。一类为基于压电回路的永久埋入式系统，这类系统虽然可靠，但费用较高。由于需将传感器永久性埋入地下，其设立和维护都需挖掘路面，费时费力且影响交通。另一类为近年来兴起的悬挂式系统，如基于闭路电视、微波、雷达、红外线或超声波传感器的监测系统。第三类为基于图像处理技术的交通信息检测系统。采用图像检测方法具有以下明显的优越性:检测的覆盖范围大，检测的参数多;安装简单，维护方便，不破坏路面，工程造价低;适用面广，可适用于路段、交叉路口等;可以适应多种气候条件等。由于视频检测方法的诸多优点，基于视频图像的交通流量检测方法己成为人们研究的热点。在信号灯的智能控制方面，迄今为止，日本，欧洲和美国都竟相投入了大量资金和人力，建立了相应的组织机构从事相应方面的开发和应用，并已取得一些成果，开发出一系列相对稳定的交通控制系统，国外的这些交通控制系统经过长期的应用实践，技术已经比较成熟，系统可靠性比较高，但在我国的具体应用中，还表现出一些不适应性，集中体现在【5,8】:l)没有充分考虑我国混合交通情况，导致实际控制效果不甚理想。2)系统投资成本过大，致使许多城市无力安装这些系统。3)后期服务费用高，使得已经安装了国外系统的城市不能经常性的进行系统维护近年来，国内学者致力于城市交通控制系统的研究与开发，首先在理论上有了很大突破，并取得了一定成功【1】【2】【3】。这些研究中，针对孤立交叉口的研究已经比较成熟，而干道控制和区域控制的探讨还不够深入，然而，城市任一交叉路口是城市交通路网中的一个节点，其工作状态必然受其相邻节点状态的影响，实施孤立交叉口控制对提高整个交通路网的通行能力，效果往往不尽人意，因此对城市的干道控制和区域控制需要进行更加深入的研究。1.3交通信号控制存在的问题及解决办法能够真正实现城市交通信号系统的实时自适应最优控制，是目前交通工程界科技人员所追求的目标I8]。实现这一目标取决于两个条件:高质量的交通量检测数据和交通模型。目前，国内外交通信号控制系统中用于交通量检测的主要技术是电磁感应的环形线圈式车辆检测技术，美国洛杉矶市的90%以上的交通信号控制系统使用的是环形线圈感应式检测方式。英国伦敦的交通信号控制系统基本是环形线圈感应式检测方式。在我国，由于引进和发展的渠道的差异，目前也以环形线圈感应式检测方式为主要检测手段。但是这种方式存在着检测参数少，难以准确检测和安装维护困难等缺陷和限制。针对环形电感线圈等检测方式的难以避免的缺陷，本文采用视频图像处理方式对路口车辆排队长度准确检测，实现交叉路口交通信号的实时自适应最优控制。随着视频处理技术、图像传感器技术的飞快发展，图像检测技术成为了交通行业最有前途的检测技术，ITS委员会的一份报告也肯定了这一点。图像处理技术在ITS领域中扮演极其重要的角色，具有广泛的应用价值。当前的城市交通系统中被控对象过程的非线性、参数间的强烈藕合、较大的随机干扰、过程机理错综复杂以及现场车辆检测的误差，以致不可能建立起被控对象的精确数学模型，传统的城市交通控制系统难以取得令人满意的控制效果，因此本文采用模糊控制的方法，利用其不需要建立精确数学模型和它吸收了人工控制的经验，能模仿人脑的逻辑推理和决策过程，不单使得控制过程简化，而且能满足实时性和控制精度的要求。1.4主要研究内容本设计以城市交通系统为研究对象，在了解各种交通控制系统的交通信息传感器的基础上，阐述了视频图像检测仪的工作原理，介绍了国内外现有的实际交通控制系统，采用模糊控制方法对交通信号进行智能控制。主要内容有:第2章介绍了各种信息检测技术和交通信号机的控制模型，其中重点讲解了基于视频图像检测方法的原理及其应用于交通信息检测的优点。第3章介绍了模糊控制理论的发展及其基本原理，对模糊控制器的组成及优点做了详细讲解，并结合模糊控制的特点分析了模糊控制应用于交通信号控制的优势。第4章首先叙述了车辆排队长度视频检测的基本思想，然后详细讲解了检测中所用到的方法和算法，并且在最后进行了实现。第5章首先叙述了交通信号控制模型的基本思想，然后按输入和输出变量模糊化到模糊控制系统的控制规则最后再到解模糊的顺序，逐步讲解了交通信号模糊控制器实现的各个步骤。最后对交通路口信号灯的控制进行了仿真实现，介绍了仿真系统的参数设置与设计过程，并且以车辆平均延误时间为标准，对模糊控制和定时控制两种方式进行了数据对比。第6章提出了本文研究的不足以及今后需要努力的方向。第二章国内外交通信息检测技术与信号灯控制技术概述交通流量检测器通过数据采集和设备监控等方式，在道路上实时地检测交通量、车辆速度、车流密度和时空占有率等各种交通参数，这些智能交通系统中最基础的参数，是道路状况实时监控、出行者动态信息系统不可缺少的基础数据。检测器检测到的数据，通过通信系统传送到本地控制器或是直接上传至监控中心计算机，作为监控中心分析、判断、发出信息和提出控制方案的主要依据。所以，交通流量检测器及其检测技术水平的高低直接影响到道路交通信息系统、控制系统的工作效率以及整体运行和管理水平。现行的检测器种类有很多，检测算法各不相同，这里主要介绍国内外车辆检测流量统计技术研究的各种方法，重点分析了视频检测方法的现状与趋势。综合现有的文献资料，下面以下几种方法:基于地面感应线圈的车辆检测系统、基于超声波的检测系统、基于微波多普勒效应的检测系统、红外检测系统、声学检测、磁力计检测、激光雷达检测方法、基于视频图像检测系统的分类分析。2.1交通信息检测技术介绍通过对各种交通信息采集设备以及各参考文献的研究，我主要了解了以下的各种车辆检测的方法，下面是对各种方法的介绍与分析。2.1.1基于地面感应线圈的车辆检测系统环形线圈检测器是传统的交通流检测器，是目前世界上用量最大的一种检测设备。车辆通过埋设在路面下的环形线圈，引起线圈磁场的变化，检测器据此计算出车辆的流量、速度、时间占有率和长度等交通参数，并上传给中央控制系统，以满足交通监控系统的需要。在感应线圈检测的方法中，线圈电子放大器已标准化，技术成熟、易于掌握，计数非常精确。线圈检测的数据通过通讯线路传到交通管理中心，使用计算机进行分析。由于其检测的高度可靠性得到了广泛的验证，它成为了车辆检测研究领域中的标准参照系统。此种方法的技术成熟、易于掌握，并有成本较低的优点。但是这种方法也有以下缺点:一国内外交通信息检测技术与信号灯控制技术研究现状是线圈在安装或维护时必须直接埋入车道，这样交通会暂时受到阻碍;二是埋置线圈的切缝软化了路面，容易使路面受损，尤其是在有信号控制的十字路口，由于车辆启动或者制动时对损坏程度更加严重;三是感应线圈易受到冰冻、路基下沉、盐碱等自然环境的影响，因此，感应线圈寿命一般不超过两年，某些地区甚至少于一年;四是感应线圈由于自身的测量原理所限制，当车流拥堵，车间距小于3m的时候，其检测精度大幅降低，甚至无法正常检测，因此，近年来有被其他检测器逐步取代的趋势【11,12】。此类产品已得到广泛地开发与应用，例如:南非的Nortech国际公司所研制的TD系列单通道、双通道和四通道车辆检测器，产品可通过面板前部的DIP开关或在电路板上分别设置各通道工作参数，并具有线圈绝缘保护、线圈故障监控、最优化灵敏度、最优化反应时间、顺序轮询检测、可调存在时间、检测器同步、通道禁止等等功能，是目前世界上较为有名的地感车辆检测器专业产品。虽然线圈可以在每秒钟读数据许多次，但是由于距离和传输的问题，只能每隔20或30秒传输一次数据。线圈可以测量交通流量、占有率和车辆速度。测量的精度取决于ILD合适地安装选位、精确地操作和维护，这在实际操作过程中是比较难以掌握的，须有经验的交通工程师来完成。2.1.2基于超声波的检测系统超声波检测器是根据声波的传播和反射原理，通过对发射波和反射波的时差测量实现位移测量的设备。声波在空气中的传播速度为340m/s，由此可根据反射波和发射波的时差计算出反射物距探头的距离。超声波检测器的工作原理是:由超声波发生器(探头)发射一束超声波，再接收从车辆或地面的反射波，根据反射波返回时间的差别，来判断有无车辆通过。由于探头与地面的距离是一定的，所以探头发出超声波并接收反射波的时间也是固定的。当有车辆通过时，由于车辆本身的高度，使探头接收到反射波的时间缩短，就表明有车辆通过或存在。由于超声波传感器顶置于车道上方，因此不存在检测时受遮挡的问题，同时车间距很小时也能准确计数，解决了车辆拥堵时准确检测的问题。车速的检测是根据车辆先后到达已知距离的两个传感器的时间差计算所得，因此也有较高的检测精度。在车型识别方面，超声波能够精确的分析车辆的长度以及外观轮廓，由此区分各种车型，特别是客货车、散装车的区分，更是目前其他检测器难以做到的。目前公路和城市道路有许多天桥、立交桥和龙门架，为设备的顶置安装提供了条件。超声波检测的优点是体积小、结构紧凑，安装方便，缺点是必须顶置安装，安装条件受到一定的限制，安装时需封闭车道，较易受到环境变化的影响，性能随环境温度和气流影响而下降，这样就不能满足交通信息采集设备需要在各种天气环境下稳定可靠的工作的要求。【12,13,14】2.1.3红外检测系统红外检测器是顶置式或路侧式的交通流检测器。该检测器一般采用反射式检测技术。反射式检测探头由一个红外发光管和一个红外接收管组成，其工作原理是由调制脉冲发生器产生调制脉冲，经红外探头向道路上辐射，当有车辆通过时，红外线脉冲从车体反射回来，被探头的接收管接收，经红外解调器解调，再通过选通、放大、整流和滤波后触发驱动器输出一个检测信号。这种检测器具有快速准确、轮廓清晰的检测能力。其缺点是工作现场的灰尘、冰雾会影响系统的正常工作。红外线检测器有两种类型:第一是激光红外雷达检测器，原理和微波雷达检测器一样，但是发射频率更高(较短的波长)，它可以检测车辆存在、车速、流量、占有率和车种信息，通过两条红外光线的时间来获取车速数据。它的优点是雾天的穿透力较强，可以用于直接测速，适用于白天和黑夜情况。缺点是它易受到天气条件的影响，发生散射，对天气的适应性差;安装难度很大，容易被车撞毁。第二是被动红外检测器，它本身不发射能量，而是检测目标发射的能量。通过检测道路和车辆发射能量之差，可以确定车辆存在。它可以测量流量、占有率和车辆存在信息，天气对测量有负面影响。同样，它的优点是雾天的穿透力较强，但是在雨雪天，到达检测仪的能量的差异将减小，因此不适合雨天和雪天。红外线视频检测昼夜可采用同一算法而解决昼夜转换的问题，也可提供大量交通管理信息，但是需要很好的红外线焦平面检测器，也就是要用提高功率，降低可靠性来实现高灵敏度，而可靠性在交通信息采集设备的使用中十分重要;同时它们无法提供全面的交通信息【12,14】。2.1.4声学检测声学检测法根据特定车辆的声学特征来识别车辆。它的结构成垂直排列的麦克风阵列，检测接近车辆发出的噪声。在声音到达上端麦克风和下端麦克风之间存在一个时间延误，这个延误随着发出声音的车辆的不断接近而变化。当车辆在远处时，发出的声音几乎同时到达上端和下端麦克风，当车辆到达麦克风下端时，上端接收的声音通过内部传感器送来，要有一个延迟。应用麦克风阵列之间的相关关系可以跟踪车辆，当声音数据被过滤成50到2000Hz带宽时，检测结果达到最佳。为识别车辆，需将接收信号进行大量的除去背景静噪声的处理，所以它的可靠性也比较差。同时声学检测法不能提供全面的交通信息【12,14】。2.1.5磁力计检测磁力计通常是通过测量物体对于地球磁场的干扰，来检测金属物体的存在。磁性检测器(Magnetometer)，是一个被动检测设备，本身不产生磁场，埋设在车道下面，通过磁场变化来进行检测磁性的扰动。当一辆汽车驶过时，使得地球磁场产生变化，磁性检测器检测和捕捉异常的磁性变化，它通常用来检测车辆存在的信息。在桥梁上面无法埋设ILD，同时钢铁对ILD的性能产生干扰，这时可采取磁性检测器取代ILD或者两者互相配合使用。磁力计检测法可用来检测小型车辆;适合在不便安装线圈的场合采用。它的缺点是很难分辨纵向过于靠近的车辆。同时它不能提供全面的交通信息【12】。2.1.6激光雷达检测方法激光雷达检测方法利用激光面的反射结果来检测距离信息，从而检测车辆。它可以不受光照环境的影响，即白天与夜晚都可以很好的工作，且没有昼夜转换引起的误差。利用激光雷达检测可以直接得知车辆的高度宽度;同时可以克服车辆遮挡问题。它的缺点是:激光雷达设备成本过高;如果利用它来克服车辆遮挡和测量车辆高度，就需要将激光的发射方向设为垂直向下，显然安装的难度大，同时它将不能用于检测车辆速度，仅可从统计的角度来估计平均车辆速;若要用它来检测车辆的准确速度，则要将它的发射平面平行于路面，并安在合适的高度，可以看出安装的难度更大。所以，激光检测无法给出全面的交通信息。同时，激光雷达设备在大雨天不可靠【12,14】。2.1.7基于视频图像的检测方法以上介绍的技术都可用于交通信息的检测，但由于本身特性都存在着缺点和不足。随着网络、通信和微电子技术的快速发展，以图像处理技术为基础的视频检测以其直观、方便和内容丰富等特点，旧益受到人们的重视。视频监控系统概述图像是通过人类视觉获得的。视觉是人类最主要的感觉器官，图像(视觉)信息是人们由客观世界获得信息的主要来源之一，占人们依靠五官由外界获得信息量的70%以上【13】。视频图像实际上就是连续的静态的图像序列，是对客观事物形象、生动的描述，是一种更加直观而具体的信息表达形式。由于视频监控具有直观、方便和内容丰富等特点，基于视频图像的交通监控系统不断取得发展。视频监控系统的发展大致经历了三个发展阶段【13,14】:第一个阶段:在二十世纪九十年代初及其以前，主要是以模拟设备为主的闭路系统，称为第一代视频监控系统，即模拟视频监控系统。第二个阶段:二十世纪九十年代中期，随着计算机处理能力的提高和视频术的发展，人们利用计算机的高速数据处理能力进行视频的采集和处理，从大大提高了图像质量，增加了视频监控的功能。这种基于多媒体计算机的系称为第二代视频监控系统，即模拟输入与数字压缩、显示和控制系统。因为心设备是数字设备，因此可以称为数字视频监控系统。第三个阶段:到了二十世纪九十年代末特别是近两三年，随着网络带宽、计算机处理能力和存储容量的迅速提高，以及各种实用视频信息处理技术的出现，视频监控进入了全数字化的网络时代，称为第三代视频监控系统，即全数字视频监控系统或网络数字视频监控。第三代视频监控系统以网络为依托，以数字视频的压缩、传输、存储和播放为核心，以智能实用的图像分析为特色，引发了视频监控行业的技术革命。数字视频监控系统除了具有传统闭路电视监控系统的所有功能外，还具有远程视频传输与回放、自动异常检测与报警、结构化的视频数据存储等功能。毕竟在数字图像上进行各种操作要比模拟信息处理要容易得多。与数字视频监控系统相关的主要技术有视频数据压缩、视频的分析与理解、视频流的传输与质量控制等。交通视频监控系统基本原理交通视频监控系统以计算机为中心，数字视频图像处理技术为基础，利用图像数据压缩的国际标准，综合利用图像传感器、计算机网络和人工智能等技术的一种新型的监测控制系统。基于图像处理技术的交通视频监控系统的基本原理如图2.1所示。首先通过视频摄像机，对交通道路进行图像输入，将输入的模拟图像经过图像采集卡进行数字化转换，变换成可用计算机进行处理的数字图像信号。由于在进行视频图像采集过程中，会有一些影响图像质量的噪声信号产生。所以，应用这些数字图像进行处理之前，必须进行图像滤波、消除噪声、图像增强等预处理，然后再对预处理后的图像进行进一步的处理分析。视频信息的处理与分析，包括对视频图像信息按照交通工程学的方法和要求进行处理与分析，根据视频检测器检测出的车辆交通流参数，计算检测器断面的车辆到达分布、车型分布、车速分布，进而计算出断面通行能力。或者对视频内车辆进行轨迹跟踪，自动检测监视区域内的交通事件，采用数据库技术综合各断面检测出的交通流信息，与其它信息进行数据融合，计算路段服务水平进行交通状态确定，自动检测交通事件，形成交通控制方案【14】。图2.1视频监控检测系统原理图基于图像处理的视频检测技术应用于交通监控的优点基于图像处理技术的视频检测系统通过获取连续视频信息，对车辆运动图像进行分割、检测、实时追踪、统计车流量等一系列处理，从而对各种交通参数进行更加合理、有效的分析和汇总，而且其具有无可比拟的可移植性和鲁棒性。针对交通检测的特点，将基于图像处理的视频检测技术应用到交通监控上具有如下优点:(l)成本低近年来随着集成电路和计算机技术的迅猛发展，基于图像处理技术的视频检测所要求的硬件设备成本大大降低，而且能很好地满足要求。(2)工程量小、无需破坏地面、系统安装相对灵活交通图像检测不像地埋式感应线圈那样需要破坏路面，只需将摄像机安装于需要检测的道路地段的路杆或其他高建筑上即可，无需很大的工程，安装方便灵活.当前，在各个城市的交通道路中已安装了大量的摄像机用于监视道路状况，视频图像检测完全可以利用这些已安装的摄像机，在其之上进行开发，进一步降低了施工成本、缩小了工程量。(3)检测范围广、检测信息量大通过对视频图像中的交通信息用交通工程的方法加以处理分析，可以检测所在路面车道通过车辆的很多感兴趣的交通信息参数，如车辆的速度、车型、交通流量等。基于图像处理技术的视频检测系统检测范围大，通过对摄像机的控制，可以对整个交通道路进行检测。2.2交通信号机控制模型概述2.2.1几种典型的城市交通控制系统目前比较有代表性并且在实践中取得了较好应用效果的城市交通控制系统有TRANSYT系统、SCOOT系统、SCAT系统、美国的RHODES系统和日本的VICS系统。下面将重点介绍这五种系统【16】。(l)TRANSYT(即TrafficNetworkStudyToots)【10】系统，是由英国道路研究所(TRRL)花费近十年时间研制而成的。自从1968年第一版问世以来，经历不断改进，已经发展成为先进的TRANSYT/9型。系统采用静态模式，以绿信比与相位差为控制参数，优化方法为爬山法。TRANSYT是最成功的静态系统，它被世界上400多个城市所采用，证明其产生的社会经济效益很显著。但计算量很大、很难获得整体最优的配时方案、需大量的路网几何尺寸和交通流数据等不足限制着它的发展。(2)SCOOT(即SplitCycleandOffsetOptimizationTechnique)【17】系统也是由TRRL在TRANSYT系统的基础上采用自适应控制方式，经过八年的研究于1980年提出的动态交通控制系统。SCOOT仍采用了TRANSYT的交通模型，但扬长避短，获得了明显优于静态系统的效果，是现今主流的系统。SCOOT系统采用联机实时控制的动态模式，对周期、绿信比与相位差进行控制，采用小步长渐进寻优方法。但SCOOT相位不能自动增减，相序不能自动改变，现场安装调试时相当繁琐等不足也是有待改进的。(3)SCAT(即SydneyCoordinatedAdaptiveTrafficMethod)【18】系统是由澳大利亚A.G.SimS等人在70年代末期进行开发的。SCAT采用先进的计算机网络技术，呈计算机分层递阶形式。采用地区级联机控制，中央级联机与脱机同时进行的控制模式，控制参数为绿信比、相位差和周期，其选取是从预先确定的多个参数中通过比较法确定，无实时交通模型。SCAT系统充分体现了计算机网络技术的突出优点，结构易于更改、改变，控制方案较为容易变换。然而SCAT系统也不是完美的，它是一种方案选择系统，限制了配时参数的优化程度，过分依赖于计算机硬件，无车流实时信息反馈，可靠性低。(4)RHODES(Real一time，Hierarchical，Optimized，DistributedandEffectiveSystem:实时、递阶、最优化的、分布式、且可实施的系统)[18]是由美国亚利桑那州立大学P.B.Mirchandani等人于近年开发成功并陆续在美国亚利桑拿州的Tucson市和Tempe市进行了现场测试，结果表明该系统对半拥挤的交通网络比较有效。该系统主要有以下几个特点:RHODES把系统控制问题分解为3层递阶结构，路口控制层、网络控制层和网络负荷分配层。提出了一种相位的可控优化概念(Controlledoptimizationofphases)，采用滑动时间窗以减少计算量。提出了一种称为“实时绿波带”(Realband)的概念，提供了与交通分析软件的接口，可离线评价配时方案的优劣或作为研究工具。(5)VICS(VehicleInformationandCommunicationSystem:车辆信息和通信系统)是目前世界上规模较大，实际使用价值较高的道路交通信息系统之一，是日本一家具有半官方性质的交通信息处理、发布中心研制的。其原理是通过城市交通控制中心发射的无线电波信号标杆，将由警察部门和高速公路管理部门提供的交通堵塞、驾驶所需时间、交通事故、道路施工、车速及路线限制、以及停车场空位等信息编辑处理后及时传输给交通参与者，特别是在汽车导航车载机上以文字、图形显示交通信息。VICS是由四个方面进行信息的应用的，即信息的收集，信息的处理、编辑，信息的提供，信息的利用。2.2.2城市交通控制系统的基本类型按控制区域几何特性划分可分为单个交叉口的控制(’’点控制”交通干线的协调控制(“线控制”以及区域交叉口的网络控制(“面控制”)【15,16】。1.单个交叉口点控制单个交叉口点控制是一种最基本的控制方式。由于它设备简单、投资最省、维护方便，至今仍是应用最广的一种控制信号方式。从技术上讲，它又分为离线点控制和在线点控制。离线点控制采用定时信号配时技术，它的基本原理是将绿灯时间分成有限的具有固定顺序的时间段(也称相位)，不同的交通流将根据固定绿灯时间和顺序依次获得各自的通行权。离线点控制特别适合于某些车流量较小的交叉口，其信号配时方案是根据典型状况的历史交通数据制定出的，它又可以分为定周期控制与变周期控制。最早的交通信号控制是旧式的机电控制器，随着集成电路技术的发展，新的集成电路能够适应温度范围更广的环境，目前的交通信号控制器已被电子的或者小型微处理器取代。此外，定时信号配时技术仍然是其它控制方式的配时基础。在线点控制是交通响应控制(或车辆感应控制)。它是根据交叉口各个入口交通流的实际分布情况，合理分配绿灯时间到各个相位，从而满足交通需求。常用的有两种控制形式:l)基于到达车辆车头距的控制在一个给定的最小绿灯时间内，某相位绿灯无条件的开通。该时间过后，若位于该相位停车线前方一定距离外的监测器监测到继续有车辆到达，则追加一个单位绿灯时间。若一直检测到有车辆到达，则绿灯时间一直被延长，直到绿灯时间达到最大绿灯时间为止，若在追加的一个单位绿灯时间内没有车辆到达，则信号灯被切换到下一个相位，放行下一相位的车辆。2)基于排队长度的控制在放行一个相位的交通流之前，由车辆监测器预先检测到该方向到达的车辆排队长，根据车辆的排队长度，确定该相位的放行时间。在绿灯时间，通过交叉路口的车流量总是在饱和值左右。根据交通需求延长绿灯时间，直到绿灯时间达到最大值或绿灯期间交通流的车头距测量值超过某一关键值，是车辆感应控制的基本方法。车辆感应控制器还可以采用跳相控制，对于没有交通需求的相位可以跳过该相位去执行下一相位。2.主干线交通信号控制主干线交叉口的交通控制是一种线控方式。在城市道路网中，交叉口相距很近，两个相邻的交叉口之间的距离通常不足以使一小队车流完全疏散。单个交叉口分别设置单点信号控制时，车辆经常遇到红灯，时停时开，行车不畅，环境污染严重。为了减少车辆在各个交叉口的停车次数，特别是当干线的车辆比较畅通时，人们研究了一种干线相邻交叉口协调控制策略。最初协调信号计时的方法是基于绿波的概念，相邻交叉口执行相同的信号控制周期，主干道相位的绿灯开启时间(相位差)错开一定的时间，交叉口的次道在一定程度上服从主干道的交通。当一列车队在具有许多交叉口的一条主干道上行驶时，协调控制使得车辆在通过干线交叉口时总是在绿灯开始时到达，因而无需停车通过交叉口。这样能提高车辆行车速度和道路通行能力，确保道路畅通，减少车辆在行驶过程中的延误时间。实践证明，通过协调各个交叉口之间的信号计时可以获得较大的效益。主干线交通信号控制可分为离线方式和在线方式。在离线方式下主干线上设定一台主信号机和多台从信号机，主信号机同意控制其他从信号机，整个系统使用同一周期时长，由主信号机向各个从信号机发送同步信号，各个从信号机根据预先设定的相位差和绿信比分配红、绿灯起始时间和持续时间，从而实现干道交通信号机联动及绿波控制。各联动路口其最大距离一般取800米，超过800米，由于中间有商店、行人、学校等因素干扰，就会严重影响联动效果。此时可采用单点控制方式。主干道交通信号在线控制方式是由城市中心计算机对主干线各个交叉口的交通信号机进行协调控制，各个交叉口的交通信号机将检测到的交叉口交通流信息发送给中心计算机，中心计算机根据采集到的干线上的交通流数据进行优化处理，然后向各个交叉口的交通信号机发送红、绿灯起始信号实现绿波控制。3.区域交通信号控制区域交通信号控制控制对象是城市或某个区域中所有交叉口的交通信号。随着计算机、计算方法、自动控制、车辆检测技术的发展，人们研究把一个城市区域内(或一个局部小区内)所有交叉口的交通信号联起来综合加以协调控制，以使得区域内的各个车辆在通过某些交叉口时所产生的总损失(包括延误、停车次数、油耗)最小。在这种控制方式下，交通信号机将交通量数据实时的通过通信网传至上位机，上位机根据路网上交通量的实时变化情况，按一定时间步距不断调整正在执行的配时方案。通过这种控制方式，容易实现交叉路网的统一调度与管理，上位计算机同时控制一个城市区域中的数十个交叉路口。实现区域中交叉口之间的统一协调管理，提高路网运行效率。区域交通信号控制也有两种方式，一是离线优化在线控制方式，另一种是在线优化在线控制方式按控制原理划分按控制原理划分可分为定时控制、感应控制和自适应控制三种类型.1、定时控制这种控制方式以历史交通流数据为依据，找出每个日/周和时旧的不同交通流变化规律，用人工方法或计算机仿真预先准备好不同日/周和不同时间区段内使用的配时方案，将这些方案存储在信号控制器或中心计算机中。在实施过程中可以用不同的方式调用这些配时方案。通常可用日历钟在规定的时间表的控制下选用对应的方案，也可以按车辆检测器测量的实际交通要求选用合适的方案。.2、感应控制感应控制的原理是根据车辆检测器测量的交通流数据调整相应的绿灯时间的长短和时间顺序，以适应交通的随机变化，这种方式比定时控制有更大的灵活性。感应控制适用于饱和度较低的或各向交通流相差较大的交叉口的控制，特别是在交通流没有明显的变化规律，随机性较强的情形，效果特别明显。感应控制源于单交叉口的车辆感应控制，后经发展，干线和交通网络也利用了类似的控制方法。当各向交通流接近其允许的通行能力时，绿灯时间经过调整必然要接近各方向允许的最大绿灯时间，这与定时控制并无区别。由此可见，感应控制方式与定时控制方式一样是有条件限制的，预先要认真地分析其可行性和预期的效果。3、自适应控制在一条干线或一个区域，根据交通流的动态随机变化而自动地调整信号控制参数，使控制系统自动地适应交通流的随机变化，这种控制方式就是自适应交通控制方式。第三章模糊控制理论基础3.1模糊控制起源和发展控制理论的产生和发展一直是以传统的精确数学理论为基础。但随着科技发展和科学研究的深入，研究对象越来越复杂，对系统的控制精度要求越来越高，这样高复杂性与高精度形成了尖锐的矛盾。不兼容理论阐述了其中关系:当一个系统复杂性增加时，使其获得高精度的能力将减小，复杂性达到一定程度后，复杂性与精度将互相排斥。即此时系统的复杂性和其所能获得的精度之间服从粗略的反比关系。这一矛盾是由于人们在某一时期内对事物的认识的局限性造成的。计算机出现后人们开始希望依赖计算机的高速运算能力来解决复杂系统的控制问题。美国的扎德教授在他的研究过程中发现计算机在判断和推理方面有时还不如人脑，他意识到这是由于许多复杂系统不可能精确描述其真正属性。1946年7月扎德教授写了一篇描述模糊集合理论轮廓的论文，标志着模糊数学的创立【20】。自“模糊集合论”问世以来，模糊数学迅速发展起来，并渗透到许多实际应用领域，模糊控制就是其应用方向之一。模糊控制是以模拟人脑对模糊概念的判断能力为特点的一种智能控制。自动控制产生以前，人们以手动方式来完成对事物的控制:首先观察对象输出，再对所观测结果作判别，然后手动调节对象的输入。随着科技的发展，各种仪器代替了三个步骤中人的工作:如测量装置代替人的感官观测对象，控制器代替人脑完成判断功能，执行机构代替人的操作对受控对象动作。这样，有检测、判断、执行三个环节构成了自动控制系统。控制理论的不断发展完善，可精确建模的对象的控制问题得到很好的解决。然而，很多场合的受控对象很难建立起精确数学模型，或者数学模型过于复杂而难以进行控制，常规控制方法难以奏效。在寻求解决这个控制问题的过程中人们发现，有丰富操作经验的工人利用手动控制来控制的复杂对象却可获得满意的效果。对此进行的思考发现，手工控制的关键在于人脑可以对事物的模糊概念进行判别，并由已知的知识和经验来作出判断。这一思想在控制理论领域的应用诞生了模糊控制【20,21】。3.2模糊控制器组成模糊控制器的组成框图如图3.1所示，它包括:输入量模糊化接口、数据库、规则库、推理机和输出解模糊接口五个部分。下边分别进行介绍:图3.1模糊控制器组成1)模糊化接口(Fl一FuzzyInterface)模糊控制器的输入必须通过模糊化才能用于模糊控制输出的求解，因此它实际上是模糊控制器的输入接口。它的主要作用是将真实的确定量输入转换成一个模糊矢量。模糊化处理就是把输入变量映射到一个合适的响应论域的量程，这样，精确的输入数据就变换成适当的语言值或模糊集合的标识符。一般的模糊控制器采用误差及其变化作为输入语言变量。设误差为[e，一e]，e为表征误差大小的精确量。误差论域卜n，一n+1，…，0，l，…，n一l，n]，n是将“0-e”范围内连续变化的误差离散化后分成的档数。然后通过量化因子进行论域变换，量化因子k定义为k=可e。同样可以对误差变化率进行模糊化。由于量化因子的有限选择，难以保证被控过程的全过程都处于最佳控制状态，往往会降低模糊控制系统的鲁棒性。因此对于单纯滞后系统，可采用由数组量化因子实现的变量化因子，或采用在不同状态下对量化因子进行自调整等方法。2)数据库(DB一DataBase)数据库所存放的是所有输入、输出变量的全部模糊子集的隶属度矢量值(即经过论域等级的离散化以后对应值的集合)，若论域为连续域，则为隶属度函数。3)规则库(RB—RuleBase)模糊控制器的规则是基于专家知识或手动操作熟练人员长期积累的经验，它是输入的直觉推理的一种语言表示形式。模糊规则通常由一系列的关系词连接而成，如if-then，else，end，。r等。关系词必须经过“翻译”，才能将模糊规则数值化。规则库就是用来存放全部模糊控制规则的，在推理时为“推理机”提供控制规则。由上述可知，规则条数和语言变量的模糊子集划分有关。这种划分越细，规则条数越多，但这并不意味着规则库的准确程度越高，规则库的“准确性”还与专家的知识准确度有关。由规则库和数据库这两部分组成整个模糊控制器的知识库(KB一KnowledgeBase)。4)推理与解模糊接口(InferenceandDefu-zzy一interface)模糊推理是模糊逻辑理论中最基本的问题。目前模糊推理的方法很多，但是在模糊控制中考虑到推理时间，通常采用运算较简单的推理方法。最基本的有Zadeh近似推理，它包含有正向推理和逆向推理两类。工程学中推理大多数是多级推理，而模糊控制中推理也可以用多级推理。解模糊化是模糊系统的重要环节，它是将模糊推理中产生的模糊量转化为精确量。常见的方法有最大隶属度法、重心法、左取大和右取大法和加权平均法等，其中重心法是指取模糊集隶属函数曲线同基础变量轴所围面积的重心对应的基础变量值作为清晰值的方法，也是最常用的一种清晰化方法【20,21,22】。3.3模糊控制优点模糊控制具有如下一些突出特点【21,23,24】:1)模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用。2)由工业过程的定性认识出发，比较容易建立语言控制规则，因而模糊控制对那些数学模型难以获取，动态特性不易掌握或变化非常显著的对象非常适用。3)基于模型的控制算法及系统设计方法，由于出发点和性能指标的不同，容易导致较大差异;但一个系统语言控制规则却具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器。4)模糊控制是基于启发性的知识及语言决策规则设计的，这有利于模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。5)模糊控制系统的鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，尤其适合于非线性、时变及纯滞后系统的控制。3.4模糊控制应用于交通信号控制的优点事实上交通警察的判断及采取的措施便是一个典型的模糊控制过程:模糊交通信息日积月累便在交通警察头脑中形成一定概念，警察就此可以进行分析判断和控制决策，其决策依据即为总控制表，而其采取的措施则是模糊控制器的输出，以实现对交叉口的交通控制。因此可以看出:模糊控制规则的建立过程近似地是交通警察判断依据的综合过程，即知识的综合应用过程。第四章车辆排队长度视频检测本章介绍交通路口场景中的车辆排队长度检测算法的思想并且详细说明了所用到的图像处理算法的流程和实现。4.1基本思想对排队长度进行提取，就是从有车辆的场景中把车辆识别出来。对于车辆的识别采用由最大类间方差法得到的阂值对图像二值化的技术，将车辆分离出来，然后再经过投影以后得到图像中车辆的排队长度。由于在实际路口所获取的图像数据存在很多干扰因素，如建筑，树木，光照等，因此为了能够比较准确的对车辆进行提取，首先要对得到的原图像数据进行背景的分离。下面就依次介绍本算法所涉及到的主要技术和知识点:背景更新与差分，边缘检测Sobel算子和图像二值化。4.2背景更新与差分背景的去除在整个处理中占很重要的地位，是图像前期预处理的一个最主要步骤。它直接关系到后期图像检测的准确程度和难易度。在取得的路口排队车辆图像中，背景图像是静止的，用实时路况图像与背景图像相减即可滤掉背景而只保留车辆信息。但仍存在以下问题【26,27,28】:(l)由于路面光照情况时刻在变动，背景图像也跟着在变化，因此，做差所用的背景图像也必需实时进行更新。(2)摄像头安装在路杆上，风和震动等因素会使摄像头产生轻微抖动，得到的实时路况图像也不可避免存在抖动，其与背景图像的差值并不能完全滤掉背景信息。为了较全面解决这些问题，我们可以把实际情况分为三类分别处理:(1)背景缓慢变化。如光照变化。(2)背景剧烈变化。如晚上路灯打开。(3)背景经常性变化。如背景图像随摄像头抖动而抖动。一般的背景更新算法主要是通过对某一时段多帧图像进行加权和，但是这种方法存在如下几个问题:(l)对某一时段多帧图像进行加权和，其主要目的是减少噪声影响，但如此得到的背景与实时背景有一定差异，因此背景不能完全滤除。(2)该算法按实际情况分成三类分别处理，需要对三种情况作出判别，整个算法非常复杂，给实时处理带来了困难。针对上述问题，本文采用一种简单而高效的基于边缘的背景去除算法，该算法基于这样一个事实:在光照变化的情况下虽然背景图像会发生变化，但背景的边缘信息总是不变的，无论背景是缓慢变化还是剧烈变化。若用背景边缘来标识背景信息，则可不受光照条件的影响而使处理简单。因此可先将实时路况图像的边缘提取出来，再将得到的边缘图像与背景边缘图像相减即可除掉背景。由于光照，震动等的影响，图像背景将不断改变，因此提取的背景信息必需不断更新，边缘图像的更新可通过多帧路况边缘图像的迭代来实现。如下公式：按此式得到的迭加图像不但将背景边缘迭加，同时也将车辆边缘迭加，为了形成背景边缘图像，必需将车辆边缘去掉。通过对背景边缘和车辆边缘的分析可知，背景的边缘位置在各帧路况边缘图像中大致相同，迭加后得到增强。由于摄像头可能存在抖动而使各帧中背景边缘位置也被加宽，因为抖动是周期性且小幅度的，最终结果是加宽边缘的增强。而车辆边缘位置在各帧路况边缘图像中却是随机而零散的，迭加后虽然在某些重叠点上有所增强，但增强效果远不如背景边缘，帧数越多越明显，因此，简单的阂值判断即可除去迭加路况图像中的边缘车辆。由此得到背景边缘图像:由此得到的加宽背景边缘与实时路况边缘图像中的背景边缘存在差异，若直接将实时路况边缘图像与其相减，必定会留有残余背景。但是实时路况边缘图像的背景边缘是加宽背景边缘的一部分，基于这个特点，可以改用包容性检测来去除背景边缘。如下式:其效果是:如果实时路况边缘图像中的某点在背景边缘图像中的对应点为边缘点(即b(x，y)=1)，则认为该点为背景边缘而去除。当然，由于车辆边缘与背景边缘可能存在一定的重叠，上述结果会去掉一部分车辆边缘信息，但车辆的框架仍然保留，并不妨碍车辆排队长度的提取。用此算法来去除路况图像中的背景简单而高效，非常适合于实时处理。4.3边缘检测sobel算子图像的边缘检测是所有基于边界的图像分割算法最基本的处理方法【27】。在对图像进行基于边界的分割处理时，所要进行的第一步便是对图像进行边缘检测处理。根据人眼的生理特点，总是对场景中亮度变化较快的地方和不同物体相交互的地方比较敏感，所以从某种意义上可以认为图像的边缘部分集中了图像的大部分的信息，图像边缘的确定与提取对于整个图像场景的识别与理解是非常重要的，同时也是图像分割所依赖的重要特征【31,32,33】。所谓图像的边缘，就是指图像局部区域亮度变化最显著的部分，该区域的灰度剖面一般可看作是一个阶跃，即从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。由于边缘是灰度不连续的结果，因此可以用求导数的方法对其进行检测。一般常用一阶和二阶导数来检测边缘。最经典、最简单的边缘检测方法是构造对像素灰度级阶跃变化敏感的微分算子或按像素的某邻域特征构造边缘算子。例如Roberts梯度算子，Sobel算子，Laplace算子，Kirsch算子和Rosenfeld的门式算子。综合考虑算法的效率和边缘检测的准确程度，选取一阶导数方法中的sobel算子作为边缘检测器【31,32,35】。Sobel提出一种将方向差分运算与局部平均相结合的方法，即Sobel算子。该算子是在以f(x，y)为中心的3*3邻域上计算x和y方向的偏导数，即实际上，上式应用了f(x，y)邻域图像强度的加权平均差值。其梯度大小为:由上面二个卷积算子对图像运算后即可求得图像的梯度幅度值g(x，y)。Sobel算子很容易在空间上实现，Sobel边缘检测器不但产生较好的边缘检测效果，同时，因为Sobel算子引入了局部平均，使其受噪声的影响也比较小。当使用大的领域时，抗噪声特性会更好，但这样做会增加计算量，并且得到的边缘也较粗。Sobel算子利用像素点上下、左右相邻点的灰度加权算法，根据在边缘点处达到极值这一现象进行边缘的检测。因此Sobel算子对噪声具有平滑作用，提供较为精确的边缘方向信息，但是，这是由于局部平均的影响，它同时也会检测出许多的伪边缘，且边缘定位精度不够高。当对精度要求不是很高时，是一种较为常用的边缘检测方法【36,37,38】。如图4.1和4.2所示显示了经sobel算子处理后的效果:4.4图像二值化二值图像在图像分析中应用非常广泛，二值图像就是指只有两个灰度级的图像，二值图像具有存储空间小，处理速度快，可以方便地对图像进行布尔逻辑运算等特点更重要的是，在二值图像的基础上，还可以进一步对图像处理，获得该图像的一些几何特征或者其他更多特征。图像二值化是指图像上所有点的灰度值只有二种可能，不是“0”，就是“255”，即把灰度值超过某一闭值的象素赋以最大灰度值255，其余象素则赋予最小灰度值0.图像二值化有许多方法，如双峰法，迭代法，最大类间方差法(otsu)，kirsh算子等.图像二值化的关键是闭值的选取，阂值选取的恰当与否对分割的效果起着决定性作用。本文使用的是最大类间方差法(otsu)【27,29】。最大类间方差法(otsu法)由大津于1979年提出所以也称为大津法，被认为是闭值自动选取方法的最优方法之一，它是一种动态闭值的方法，使图像的分割性能有明显改善，它利用图像的灰度直方图，以目标和背景的方差最大来动态地确定图像分割闭值，这种方法具有很强的适应性，并且计算只用到零阶和一阶累积矩，计算简单，容易实现。大津法的算法过程为:对图像image记t为前景与背景的分割闲值，前景点数占图像比例为W0，平均灰度为U0;背景点数占图像比例为W1，平均灰度为U1，图像的总平均灰度为:U=W0U0+W1U1从最小灰度值到最大灰度值遍历t，当t使得值g=W0（U0-U）2+W1（U1-U）2最大时，t即为分割的最佳闭值。大津法可作如下理解:该式实际上就是类间方差值，阈值t分割出的前景和背景两部分构成了整幅图像，而前景取值u0概率为w0，背景取值u1概率为w1总均值为u，根据方差的定义即得该式。因为方差是灰度分布均匀性的一种度量方差值越大说明构成图像的两部分差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小，因此使类间方差最大的分割意味着错分概率最小【39,40】。通过测试发现:大津法选取出来的阂值非常理想，对各种情况的表现都较为良好。虽然它在很多情况下都不是最佳的分割，但分割质量通常都有一定的保障，可以说是最稳定的分割【41,42】。如图4.3和图4.4所示为经大津法得到阈值后进行二值化的效果：4.5算法流程及实现车辆长度检测算法流程如图4.5所示:第一步:用基于背景边缘信息标识背景的方式对源图像进行背景差分，将背景和车辆分离第二步:由最大类间方差法(otus)得到最佳分割阂值，再根据此闽值对图像进行二值化处理。第三步:沿与道路平行方向上对图像进行投影，投影后的区域就是排队车辆区域。图4.5排队长度检测流程下面以一幅实际的路口排队车辆图片按该流程处理过程的每一步进行阐述，原图见图4.6所示。图4.6车辆排队原图首先对图像进行基于边缘信息的背景差分，边缘提取采用Sobel算子法，将图像处理算法封装为API函数，便于程序调用。其实现函数为:BOOLWINAPISobelApi(LPSTRlpDIBBits，LONGWidth，LONGHeight);其中参数lpDIBBits为指向图像数据的指针，Width为图像宽度，Height为图像高度。处理后的效果见图4.7所示。其算法流程见图4.8所示。图4.7Sobel处理后效果图图4.8Sobel边缘提取流程图选取基本绿灯时间内的30帧图像经Sobel算子处理后进行迭加，取边缘明显被加宽和增强的像素，即得到背景边缘图像，然后取Sobel处理后的实时图像与背景边缘图像进行差分，分离出当前排队车辆，如图4.9所示:图4.9背景差分后效果图再对分离后的图像进行基于大津法的二值化处理，大津法实现函数为:intWINAPIotsu(unsignedchar*image，introws，intcols，intx0，inty0，intdx，intdy);其中参数image为指向图像数据指针，rows和cols为图像行数和列数.其算法流程见图4.10所示。根据大津法所得的阂值进行二值化的实现函数为:voidWINAPIErzhi(LPSTRlpDIBBits，LoNGWidth，LONGHeight，intt)，其中参数lpDIBBits为指向图像数据的指针，Widih为图像宽度，Height为图像高度，t为阈值。处理后的效果见图4.11。图4.10最大类间方差法流程图图4.11二值化后效果图由图4.11可见已得到了比较清晰的车辆排队图像，最后再对图像进行投影，连续的白色区域长度即为车辆排队长度。投影后的效果见图4.12所示。图4.12投影后效果图第五章交通信号控制模型实现5.1基本思想对交叉路口的信号灯进行控制实质上就是寻找最佳信号周期T和两交叉方向的绿信比。在车流很稀疏的情况下，信号周期可尽量短，但一般不能小于30秒，以免路口等待的车辆和行人来不及通过路口。在交通流较大的情况下，考虑到每一周期绿灯时间的损失基本相同，同时又考虑到司机和行人的心理承受能力，一般最大周期时间也必须限制，比如120秒左右。对于最佳周期长度，理论分析可得出如下结论:使车辆在路口总延误时间最短的最佳周期是临界周期T，也就是使每个路口从红灯开始时排起的车队在绿灯时间刚好全部通过路口。若车流量太大，临界周期可能超过最大周期，此时只能按最大周期进行控制，堵塞现象己不可避免[43，44]。通常，一个有经验的交警在指挥交通时是在一个方向的车辆全部放完后再立即转换放行另一方向的车辆，这与理论分析得出的最佳周期的物理意义吻合。另外，当前路口的交通状况不可避免的会受到上游路口车流状况的影响，上游路口车流很多时，当前方向的下一路口绿灯时间也应相应有所增加，以减轻随后到来的大车流量压力。反之，应适当减少绿灯时间，更好平衡其它方向的交通需求。综上所述，路口的控制规律可描述为:首先给予某一方向以最短的绿灯时间25秒，在这时间内绿灯必须无条件地亮，同时也能保证路口的最短周期不小于30秒。绿灯时间结束后，读出检测器检测到的等侯通过车队的长度和上游路口车流状况，若等待车辆数为零并且上游车流较少，则通行权立即转交给另一个方向;若等待车辆排队长度较短并且上游车流较少，则少量地延长原方向的绿灯时间，若等待车辆排队长度数很长并且上游车流较多，则大量地延长原方向的绿灯时间。延长的绿灯时间结束后，再检测等待车队长度和上游路口车流状况以决定是否延长，直到最大绿灯时间为止。另外在优先保证直行车辆通行的条件下考虑车辆左转和右转的情况，设右转为一直允许通行，即总是绿灯，这与实际情况也是相符合的。车辆左转控制根据路口实际情况而有所不同，可以选择多种控制方式，经过调查和统计发现，以箭头指示型的信号灯为例说明主要有以下几种方式:1)直行灯和左拐灯同步。即一个绿灯时间内只放行一个方向的直行和左拐车辆，其它三个方向为红灯，以此规则四个方向轮流变换.此种方式比较适合于路口的东西和南北两方向都为主干道，车流量都比较大的情况。2)直行灯和左拐灯异步。即车辆左拐方向上直行车辆仍然通行，但是对面方向上的直行车辆为红灯禁行，且一般为禁止右拐。在这种规则下两相对方向的直行时间有一方比另一方多出了一个左拐时间，在两方向上车流都比较多的情况下可以在邻近路口设置为另一方直行时间较多的方式来加以平均。3)直行灯和左拐灯异步和同步相结合。即东西和南北两方向上一个为同步，另一个为异步。此时同步情况下两对流方向上直行车和左拐车均可通行，但是左拐车和对面的直行车将会发生交叉运行，降低了通行的效率，适合于车流量较小的车道.异步控制方向上同样会产生一方的直行时间比一方多的情况，但此时左拐车和直行车不存在冲突，可以流畅通行。基于以上特点，这种控制方式适用于主干道和支道交叉的路口，支道车流量较少，采用同步的控制方式，而干道由于车流量较大，适宜采用异步控制方式。尽管对于车辆左拐的控制方式多种多样，但是都要遵循以直行车优先，尽量不影响直行车的原则，因此在根据车辆排队长度对信号灯进行控制时，采取用直行车排队长度加上左拐车排队长度乘以权系数来确定路口排队车辆的方法。基于以上策略，对模糊控制器进行设计，主要由三个部分组成:模糊化部分，模糊控制规则和模糊判别，如图5.1所示:图5.1模糊控制器模糊化过程就是把检测值论域上的语言值表示成模糊子集。此处的检测值为排队车辆长度。再由以上所述策略形成模糊控制规则，由模糊控制规则推理得到有通行权方向的绿灯延长时间的模糊子集。最后经模糊判别即清晰化后转变为精确值，送到信号灯控制器进行信号灯控制。5.2输入和输出变量模糊化分析交通控制系统，可知交通信号控制的对象是车辆和行人交通流，而控制这两个交通流通过与否的是绿灯时间和红灯时间。路口的绿灯和红灯交替出现，只要确定绿灯时间就能确定信号灯的周期。因此，在交叉口的模糊控制中输出量是通行方向上绿灯时间长度。由5.1节所述的控制策略，选取当前绿灯方向的排队长度，当前红灯方向的排队长度(由直行车长度和左拐车长度乘以权系数决定)和当前上游路口车流