智能交通管理控制系統(tǒng)探析

前言：想要寫(xiě)出一篇引人入勝的文章？我們特意為您整理了智能交通管理控制系統(tǒng)探析范文，希望能給你帶來(lái)靈感和參考，敬請(qǐng)閱讀。

【摘要】當(dāng)前，我國(guó)交通擁堵現(xiàn)象尤為嚴(yán)重。據(jù)統(tǒng)計(jì)數(shù)據(jù)顯示，2017年中國(guó)人均擁堵成本超過(guò)180h。所以減輕道路擁堵刻不容緩。目前解決擁堵問(wèn)題的方法有區(qū)域收費(fèi)法和限號(hào)限行法。這些方法雖然能夠解決一部分交通擁堵，但是不夠人性和合理，實(shí)施也有難度。交通擁堵成為城市生活中無(wú)法避免的一個(gè)問(wèn)題。本設(shè)計(jì)基于數(shù)字圖像處理技術(shù)，利用街道十字路口的監(jiān)控?cái)z像頭，通過(guò)對(duì)路面圖像進(jìn)行圖像去噪、圖像灰度化、差分與二值化、邊緣檢測(cè)與分割、腐蝕膨脹等方法，識(shí)別并統(tǒng)計(jì)路口各方向上的車流量，再根據(jù)路口停車數(shù)量的多少對(duì)交通紅綠燈的時(shí)間進(jìn)行智能調(diào)控。本設(shè)計(jì)的特色在于利用數(shù)字圖像處理技術(shù)統(tǒng)計(jì)車流量，而且可以根據(jù)道路通行信息改變交通信號(hào)燈的控制時(shí)間，使交通信號(hào)燈的控制更加合理科學(xué)。

【關(guān)鍵詞】數(shù)字圖像處理；智能交通管理控制；交通燈

1引言

1.1背景與現(xiàn)狀

隨著科技的進(jìn)步，汽車走進(jìn)了千家萬(wàn)戶。擁堵逐漸成了全世界都面臨的難題。堵車極大的影響了人們的出行，浪費(fèi)了行人大量時(shí)間，造成公路運(yùn)營(yíng)效率降低。另外堵車時(shí)汽車尾氣中污染物較多。破壞了環(huán)境，產(chǎn)生能源浪費(fèi)。在中國(guó)，擁堵現(xiàn)象尤為嚴(yán)重，數(shù)據(jù)顯示2017年中國(guó)人均年擁堵成本超過(guò)180h。全國(guó)大部分城市在通行高峰處于擁堵之中。每逢節(jié)假日還會(huì)出現(xiàn)大面積堵塞現(xiàn)象。因此改善道路通行情況，減輕擁堵顯得十分重要。解決好堵車問(wèn)題，便利人們出行，是我們從事這方面研究的原因和動(dòng)力。

1.2國(guó)內(nèi)外處理?yè)矶路椒ǖ睦?/p>

1975年，新加坡實(shí)施區(qū)域通行證系統(tǒng)來(lái)緩解交通壓力，在規(guī)定的區(qū)域內(nèi)對(duì)通過(guò)車輛進(jìn)行額外收費(fèi)。收費(fèi)標(biāo)準(zhǔn)按照區(qū)域內(nèi)交通擁堵程度浮動(dòng)。該方案實(shí)施后，效果明顯，高峰時(shí)間交通量減少，平均車速和公交出行比例都有很大提高。英國(guó)倫敦于2003年開(kāi)始對(duì)擁擠現(xiàn)象收費(fèi)，在收費(fèi)區(qū)域使用車輛自動(dòng)識(shí)別技術(shù)，判斷車輛有無(wú)進(jìn)入收費(fèi)區(qū)域，再收取一定金額的通行費(fèi)。方案實(shí)施后，區(qū)內(nèi)交通量明顯減少，車速較大幅度提高。由國(guó)外成功的案例看出，對(duì)道路擁擠的路段額外收費(fèi)是一種有效的交通管理手段。不過(guò)，這種辦法在我國(guó)的運(yùn)用仍然需要進(jìn)行大量的探究和實(shí)驗(yàn)。在我國(guó)，應(yīng)對(duì)擁堵主要的處理方法是限號(hào)和限行。通過(guò)在特定的日期對(duì)特定號(hào)碼的車輛進(jìn)行限制，禁止這些車輛在限行日行駛。但是這些措施雖然起到了減緩擁堵的效果，但是也帶來(lái)了出行不便，不夠人性化等問(wèn)題。

1.3系統(tǒng)設(shè)計(jì)思路與優(yōu)點(diǎn)

本設(shè)計(jì)的設(shè)計(jì)靈感源自生活中因交通燈不合理時(shí)長(zhǎng)而造成的擁堵現(xiàn)象。在生活中，十字路口會(huì)出現(xiàn)橫縱兩個(gè)方向中一個(gè)方向車流量大于另一方向的車流量的現(xiàn)象。而交通燈的時(shí)長(zhǎng)卻不會(huì)隨著車流量變化而變化，所以會(huì)出現(xiàn)某個(gè)方向上路燈持續(xù)時(shí)間不夠，車輛難以通過(guò)，而另一個(gè)方向上卻少有車輛的現(xiàn)象。本設(shè)計(jì)的思路是根據(jù)十字路口兩個(gè)方向上的車流量相應(yīng)控制交通燈的時(shí)間，使得交通燈的時(shí)間更合理，減輕擁堵。本設(shè)計(jì)還從智慧城市的概念中獲得了靈感，將圖像處理技術(shù)與交通系統(tǒng)結(jié)合起來(lái)。本設(shè)計(jì)的優(yōu)點(diǎn)在于使用了圖像處理技術(shù)來(lái)檢測(cè)車流量。與其他檢測(cè)車流量方法相比，本設(shè)計(jì)具有成本低廉，操作方便，精確度高等優(yōu)勢(shì)。

2圖像處理與車輛計(jì)數(shù)

本章介紹了系統(tǒng)實(shí)現(xiàn)的處理流程，首先通過(guò)圖像預(yù)處理、圖像邊緣檢測(cè)與圖像分割、腐蝕膨脹等圖像處理技術(shù)，實(shí)現(xiàn)車輛的識(shí)別與計(jì)數(shù)，最后使用通過(guò)計(jì)數(shù)計(jì)算時(shí)間。

2.1圖像噪聲去除

利用攝像頭，我們可以獲取道路圖像。但受外界條件與設(shè)備影響，我們獲取的圖像往往有噪聲。因此在處理圖像之前，我們使用濾波器將圖像去噪。常用的濾波方法有均值濾波和中值濾波。均值濾波和中值濾波都能夠去除噪聲。均值濾波是線性濾波的一種，它能夠平均選定范圍內(nèi)的所有像素的灰度值。但均值濾波本身存在著不可避免的弊端，它不能有效地保護(hù)圖像細(xì)節(jié)，在圖像去噪的同時(shí)也破壞了一部分圖像細(xì)節(jié)，使圖像變得模糊。中值濾波是一種非線性濾波，它可有效地去除噪聲，還能保護(hù)圖像尖銳部分和邊緣，所以處理效果比均值濾波好。中指濾波的處理辦法是：將圖像中選定區(qū)域的像素，按灰度值大小進(jìn)行排序，選取某個(gè)像素的領(lǐng)域中含有的所有像素的灰度值中值作為該像素的灰度值。由于中值濾波能夠有效去除噪聲，并且它能完整地保存邊緣、銳角等細(xì)節(jié)信息。我們優(yōu)先使用中值濾波對(duì)獲得的圖像進(jìn)行去噪處理。

2.2圖像灰度化

通過(guò)中值濾波，我們得到了降噪后的圖像，下一步需要對(duì)圖像灰度進(jìn)行處理?；叶葓D是一種具有只含亮度信息，不含有色度信息、亮度變化連續(xù)等特點(diǎn)的圖像。和普通的彩色圖像相比，灰度圖中沒(méi)有色度信息，因此將圖像進(jìn)行灰度化處理可以大大減少圖像所含信息。在圖像處理過(guò)程中，計(jì)算量也大幅減少，方便之后的操作處理和計(jì)算。因此要對(duì)圖像進(jìn)行灰度化處理，將彩色圖轉(zhuǎn)換為灰度圖。為了實(shí)現(xiàn)圖像灰度化，我們使用YUV顏色空間編碼方法，YUV是一種像素格式，它將亮度參量和色度參量分開(kāi)表示。Y為亮度信號(hào)，U和V為色度信號(hào)，而這樣分開(kāi)的好處就是不但可以避免相互干擾。因?yàn)榱炼葏⒘亢蜕葏⒘糠珠_(kāi)，使得我們可以不受色度參量的干擾，獲得圖像中亮度信息，從而獲得了我們需要的灰度圖像。在彩色圖像中，我們可以提取每個(gè)像素的顏色信息，即R、G、B值，然后將每個(gè)像素的R、G、B值通過(guò)公式轉(zhuǎn)換為相應(yīng)的亮度信息：Y=0.299×R+0.587×G+0.114×B，從而得到灰度圖像。

2.3圖像差分與二值化

為了方便檢測(cè)運(yùn)動(dòng)圖像，我們還需要將圖像進(jìn)行圖像差分和二值化。常用的差分方法為背景差分法和幀間差分法。幀間差分法是通過(guò)把視頻中相鄰兩幀圖像做差分運(yùn)算從而獲得運(yùn)動(dòng)目標(biāo)輪廓的方法。不同幀對(duì)應(yīng)的像素點(diǎn)灰度值相減，再判斷灰度差的絕對(duì)值，當(dāng)絕對(duì)值超過(guò)設(shè)定的某一特定值時(shí)，即可判斷為運(yùn)動(dòng)目標(biāo)，從而檢測(cè)到運(yùn)動(dòng)目標(biāo)。但是幀間差分法對(duì)場(chǎng)景中光線漸變不是很敏感。當(dāng)車輛靜止時(shí)，無(wú)法通過(guò)此方法來(lái)檢測(cè)車流量。背景差分法先根據(jù)路面信息、光照信息等信息在路面無(wú)車輛時(shí)，獲得一張純凈的道路圖像，并將其設(shè)置為背景。再將之后的每一幀圖像與這個(gè)背景模型相減，在差分后的圖像中提取運(yùn)動(dòng)目標(biāo)。圖像的二值化可以將圖像中每個(gè)像素點(diǎn)的灰度相應(yīng)地調(diào)整為0或255。人為地設(shè)置一個(gè)閾值T，在對(duì)圖像進(jìn)行差分后，將差分結(jié)果與閾值T比較。當(dāng)灰度值之差大于閾值T時(shí)用255替換像素的灰度值，當(dāng)灰度值之差小于等于閾值T時(shí)用0替換像素的灰度值。背景差分法得到的結(jié)果直接反映了運(yùn)動(dòng)目標(biāo)的位置、大小和形狀。而且背景差分法可以用來(lái)檢測(cè)運(yùn)動(dòng)不明顯或靜止的物體，因此我們使用背景差分法。

2.4邊緣檢測(cè)和圖像分割

我們得到了黑白圖像，便利我們進(jìn)行邊緣檢測(cè)。在圖像處理過(guò)程中，將圖像中灰度值變化比較大的地方，定義為邊緣。利用導(dǎo)數(shù)可以檢測(cè)出像素灰度值的變化，檢測(cè)到邊緣。利用各種不同的算子，我們將圖像進(jìn)行邊緣檢測(cè)?？捎玫乃阕佑蠸o-bel算子、拉普拉斯算子、Canny算子等，經(jīng)過(guò)對(duì)比我們發(fā)現(xiàn)Canny算子在邊緣檢測(cè)的過(guò)程中不會(huì)丟失邊緣，也不會(huì)產(chǎn)生虛假的邊緣，精確度更高。所以我們用Canny算子進(jìn)行邊緣檢測(cè)，并利用Canny算子進(jìn)行圖像分割。

2.5腐蝕膨脹

在邊緣檢測(cè)后，我們得到的圖像存在邊緣不連續(xù)、內(nèi)部空洞等現(xiàn)象。因此，我們需對(duì)圖像進(jìn)行形態(tài)學(xué)處理。根據(jù)車輛形態(tài)特點(diǎn)，我們使用圖像的腐蝕、膨脹、閉運(yùn)算三種方法。腐蝕是對(duì)圖像高亮度部分的腐蝕和去除，可使渲染比原始渲染有更小的突出區(qū)域。腐蝕可去除圖像中小且無(wú)意義的點(diǎn)。膨脹是腐蝕的補(bǔ)運(yùn)算，它是膨脹的高亮度部分的圖像，得到的圖像有一個(gè)更大的突出面積比原始圖像。膨脹可以填補(bǔ)圖像中的內(nèi)部空洞。先膨脹再腐蝕稱為閉運(yùn)算，它可以用來(lái)填充物體內(nèi)部的小洞，連接相鄰物體，平滑邊界，且不明顯改變物體的面積。處理后，車輛成了一個(gè)連通的白色圖像，方便接下來(lái)的計(jì)數(shù)。

2.6目標(biāo)計(jì)數(shù)與交通燈時(shí)間控制

使用matlab工具中提供的bwlable（）函數(shù)進(jìn)行處理，通過(guò)bwlable（）函數(shù)可以計(jì)算出圖片中連通的白色區(qū)域的個(gè)數(shù)。而一幀圖片中連通的白色區(qū)域個(gè)數(shù)即一幀圖片中的車輛數(shù)。在交通燈的使用過(guò)程中，我們先設(shè)置一個(gè)時(shí)間K。紅光持續(xù)時(shí)間為R，綠光持續(xù)時(shí)間為G，黃光處理時(shí)間為Y。其中Y+G+R=K。在統(tǒng)計(jì)車流量時(shí)，我們將一個(gè)方向上的車流量最大值記為a，另一方向上的車流量最大值記為b。那么根據(jù)公式我們可以將紅燈和綠燈持續(xù)時(shí)間分別調(diào)為：Gx=Ry=k（a/a+b）Gy=Rx=k（b/a+b）由此便實(shí)現(xiàn)了對(duì)交通燈時(shí)間的控制。

3本設(shè)計(jì)的優(yōu)點(diǎn)及創(chuàng)新

（1）本設(shè)計(jì)的創(chuàng)新在于根據(jù)監(jiān)控錄像中的信息統(tǒng)計(jì)道路上的車流量，再根據(jù)兩個(gè)方向車流量的不同，按照比例關(guān)系相應(yīng)調(diào)整交通燈的持續(xù)時(shí)長(zhǎng)。令交通燈的時(shí)間控制變得更為合理高效，起到減緩局部路段擁堵的作用。同時(shí)交通燈的總時(shí)間K也可根據(jù)實(shí)際情況人為地調(diào)整，更加方便高效。

（2）本設(shè)計(jì)可成為智慧城市的一部分。本設(shè)計(jì)令視頻監(jiān)控系統(tǒng)和交通燈系統(tǒng)協(xié)作，使城市交通規(guī)劃更加合理，居民出行更加舒心，城市生活更加便捷。道路通行信息還可通過(guò)網(wǎng)絡(luò)、廣播等形式通知給城市居民，智能地為居民規(guī)劃出行路線。

（3）本設(shè)計(jì)還可將通行情況上傳至數(shù)據(jù)庫(kù)，眾多通行數(shù)據(jù)在數(shù)據(jù)庫(kù)中整合、分析?？梢钥茖W(xué)地對(duì)交通進(jìn)行宏觀調(diào)控，也可分析出居民的出行方向和人口密集區(qū)域，更好的為居民提供服務(wù)。大數(shù)據(jù)處理使得智能交通管理控制有了更多的方法和可能性。

4總結(jié)與展望

本設(shè)計(jì)將圖像信息處理技術(shù)和交通燈的控制結(jié)合起來(lái)，為交通燈有計(jì)劃的實(shí)時(shí)控制提供了解決辦法。在科技發(fā)達(dá)的今天，城市生活變得更加智能化。但城市擁堵仍然是城市中存在的難題，我們希望我們的設(shè)計(jì)能夠有效的減輕城市擁堵現(xiàn)象，同時(shí)希望將來(lái)會(huì)有更多新技術(shù)用來(lái)解決交通擁堵問(wèn)題。相信不久后，城市擁堵問(wèn)題會(huì)被徹底解決，出行將變得舒心舒暢。

參考文獻(xiàn)

[1]田蘇慧敏.基于視頻圖像處理的車輛檢測(cè)與車流量統(tǒng)計(jì)平臺(tái)的設(shè)計(jì)實(shí)現(xiàn)[D].寧夏大學(xué)，2015.

[2]張德豐，雷小平，周燕.詳解MATLAB圖形繪制技術(shù)[M].北京：電子工業(yè)出版社，2010：194~206.

[3]羅平輝，馮平，哈力旦•A.MATLAB數(shù)字圖像處理[M].北京：機(jī)械工業(yè)出版社，2010.

[4]馬懷志.基于視頻圖像處理技術(shù)的車流量檢測(cè)系統(tǒng)的設(shè)計(jì)與研究[J].長(zhǎng)春工程學(xué)院學(xué)報(bào)（自然科學(xué)版），2015，16（4）：104~107.

[5]許成闖.基于視頻的車流量檢測(cè)技術(shù)研究與實(shí)現(xiàn)[D].南京理工大學(xué)，2014.

作者：吳則平 單位：洛陽(yáng)市第一高級(jí)中學(xué)