智能交通管理控制系統探析論文

【摘要】當前，我國交通擁堵現象尤爲嚴重。據統計數據顯示，2017年中國人均擁堵成本超過180h。所以減輕道路擁堵刻不容緩。目前解決擁堵問題的方法有區域收費法和限號限行法。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，實施也有難度。交通擁堵成爲城市生活中無法避免的一個問題。本設計基於數字圖像處理技術，利用街道十字路口的監控攝像頭，通過對路面圖像進行圖像去噪、圖像灰度化、差分與二值化、邊緣檢測與分割、腐蝕膨脹等方法，識別並統計路口各方向上的車流量，再根據路口停車數量的多少對交通紅綠燈的時間進行智能調控。本設計的特色在於利用數字圖像處理技術統計車流量，而且可以根據道路通行信息改變交通信號燈的控制時間，使交通信號燈的控制更加合理科學。

【關鍵詞】數字圖像處理；智能交通管理控制；交通燈

1引言

1.1背景與現狀

隨着科技的進步，汽車走進了千家萬戶。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，浪費了行人大量時間，造成公路運營效率降低。另外堵車時汽車尾氣中污染物較多。破壞了環境，產生能源浪費。在中國，擁堵現象尤爲嚴重，數據顯示2017年中國人均年擁堵成本超過180h。全國大部分城市在通行高峯處於擁堵之中。每逢節假日還會出現大面積堵塞現象。因此改善道路通行情況，減輕擁堵顯得十分重要。解決好堵車問題，便利人們出行，是我們從事這方面研究的原因和動力。

1.2國內外處理擁堵方法的利弊

1975年，新加坡實施區域通行證系統來緩解交通壓力，在規定的區域內對通過車輛進行額外收費。收費標準按照區域內交通擁堵程度浮動。該方案實施後，效果明顯，高峯時間交通量減少，平均車速和公交出行比例都有很大提高。英國倫敦於2003年開始對擁擠現象收費，在收費區域使用車輛自動識別技術，判斷車輛有無進入收費區域，再收取一定金額的通行費。方案實施後，區內交通量明顯減少，車速較大幅度提高。由國外成功的案例看出，對道路擁擠的路段額外收費是一種有效的交通管理手段。不過，這種辦法在我國的運用仍然需要進行大量的探究和實驗。在我國，應對擁堵主要的處理方法是限號和限行。通過在特定的日期對特定號碼的車輛進行限制，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，但是也帶來了出行不便，不夠人性化等問題。

1.3系統設計思路與優點

本設計的設計靈感源自生活中因交通燈不合理時長而造成的擁堵現象。在生活中，十字路口會出現橫縱兩個方向中一個方向車流量大於另一方向的車流量的現象。而交通燈的時長卻不會隨着車流量變化而變化，所以會出現某個方向上路燈持續時間不夠，車輛難以通過，而另一個方向上卻少有車輛的現象。本設計的思路是根據十字路口兩個方向上的車流量相應控制交通燈的時間，使得交通燈的時間更合理，減輕擁堵。本設計還從智慧城市的概念中獲得了靈感，將圖像處理技術與交通系統結合起來。本設計的優點在於使用了圖像處理技術來檢測車流量。與其他檢測車流量方法相比，本設計具有成本低廉，操作方便，精確度高等優勢。

2圖像處理與車輛計數

本章介紹了系統實現的處理流程，首先通過圖像預處理、圖像邊緣檢測與圖像分割、腐蝕膨脹等圖像處理技術，實現車輛的識別與計數，最後使用通過計數計算時間。

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，它能夠平均選定範圍內的所有像素的灰度值。但均值濾波本身存在着不可避免的弊端，它不能有效地保護圖像細節，在圖像去噪的同時也破壞了一部分圖像細節，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：將圖像中選定區域的像素，按灰度值大小進行排序，選取某個像素的領域中含有的所有像素的灰度值中值作爲該像素的灰度值。由於中值濾波能夠有效去除噪聲，並且它能完整地保存邊緣、銳角等細節信息。我們優先使用中值濾波對獲得的圖像進行去噪處理。

2.2圖像灰度化

通過中值濾波，我們得到了降噪後的圖像，下一步需要對圖像灰度進行處理。灰度圖是一種具有隻含亮度信息，不含有色度信息、亮度變化連續等特點的圖像。和普通的彩色圖像相比，灰度圖中沒有色度信息，因此將圖像進行灰度化處理可以大大減少圖像所含信息。在圖像處理過程中，計算量也大幅減少，方便之後的操作處理和計算。因此要對圖像進行灰度化處理，將彩色圖轉換爲灰度圖。爲了實現圖像灰度化，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表示。Y爲亮度信號，U和V爲色度信號，而這樣分開的好處就是不但可以避免相互干擾。因爲亮度參量和色度參量分開，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，我們可以提取每個像素的顏色信息，即R、G、B值，然後將每個像素的R、G、B值通過公式轉換爲相應的亮度信息：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

爲了方便檢測運動圖像，我們還需要將圖像進行圖像差分和二值化。常用的差分方法爲背景差分法和幀間差分法。幀間差分法是通過把視頻中相鄰兩幀圖像做差分運算從而獲得運動目標輪廓的方法。不同幀對應的像素點灰度值相減，再判斷灰度差的絕對值，當絕對值超過設定的某一特定值時，即可判斷爲運動目標，從而檢測到運動目標。但是幀間差分法對場景中光線漸變不是很敏感。當車輛靜止時，無法通過此方法來檢測車流量。背景差分法先根據路面信息、光照信息等信息在路面無車輛時，獲得一張純淨的道路圖像，並將其設置爲背景。再將之後的每一幀圖像與這個背景模型相減，在差分後的圖像中提取運動目標。圖像的二值化可以將圖像中每個像素點的灰度相應地調整爲0或255。人爲地設置一個閾值T，在對圖像進行差分後，將差分結果與閾值T比較。當灰度值之差大於閾值T時用255替換像素的灰度值，當灰度值之差小於等於閾值T時用0替換像素的灰度值。背景差分法得到的結果直接反映了運動目標的位置、大小和形狀。而且背景差分法可以用來檢測運動不明顯或靜止的物體，因此我們使用背景差分法。

2.4邊緣檢測和圖像分割

我們得到了黑白圖像，便利我們進行邊緣檢測。在圖像處理過程中，將圖像中灰度值變化比較大的地方，定義爲邊緣。利用導數可以檢測出像素灰度值的變化，檢測到邊緣。利用各種不同的算子，我們將圖像進行邊緣檢測。可用的算子有So-bel算子、拉普拉斯算子、Canny算子等，經過對比我們發現Canny算子在邊緣檢測的過程中不會丟失邊緣，也不會產生虛假的邊緣，精確度更高。所以我們用Canny算子進行邊緣檢測，並利用Canny算子進行圖像分割。

2.5腐蝕膨脹

在邊緣檢測後，我們得到的圖像存在邊緣不連續、內部空洞等現象。因此，我們需對圖像進行形態學處理。根據車輛形態特點，我們使用圖像的腐蝕、膨脹、閉運算三種方法。腐蝕是對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域。腐蝕可去除圖像中小且無意義的點。膨脹是腐蝕的補運算，它是膨脹的高亮度部分的.圖像，得到的圖像有一個更大的突出面積比原始圖像。膨脹可以填補圖像中的內部空洞。先膨脹再腐蝕稱爲閉運算，它可以用來填充物體內部的小洞，連接相鄰物體，平滑邊界，且不明顯改變物體的面積。處理後，車輛成了一個連通的白色圖像，方便接下來的計數。

2.6目標計數與交通燈時間控制

使用matlab工具中提供的bwlable（）函數進行處理，通過bwlable（）函數可以計算出圖片中連通的白色區域的個數。而一幀圖片中連通的白色區域個數即一幀圖片中的車輛數。在交通燈的使用過程中，我們先設置一個時間K。紅光持續時間爲R，綠光持續時間爲G，黃光處理時間爲Y。其中Y+G+R=K。在統計車流量時，我們將一個方向上的車流量最大值記爲a，另一方向上的車流量最大值記爲b。那麼根據公式我們可以將紅燈和綠燈持續時間分別調爲：Gx=Ry=k（a/a+b）Gy=Rx=k（b/a+b）由此便實現了對交通燈時間的控制。

3本設計的優點及創新

（1）本設計的創新在於根據監控錄像中的信息統計道路上的車流量，再根據兩個方向車流量的不同，按照比例關係相應調整交通燈的持續時長。令交通燈的時間控制變得更爲合理高效，起到減緩局部路段擁堵的作用。同時交通燈的總時間K也可根據實際情況人爲地調整，更加方便高效。

（2）本設計可成爲智慧城市的一部分。本設計令視頻監控系統和交通燈系統協作，使城市交通規劃更加合理，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網絡、廣播等形式通知給城市居民，智能地爲居民規劃出行路線。

（3）本設計還可將通行情況上傳至數據庫，衆多通行數據在數據庫中整合、分析。可以科學地對交通進行宏觀調控，也可分析出居民的出行方向和人口密集區域，更好的爲居民提供服務。大數據處理使得智能交通管理控制有了更多的方法和可能性。

4總結與展望

本設計將圖像信息處理技術和交通燈的控制結合起來，爲交通燈有計劃的實時控制提供瞭解決辦法。在科技發達的今天，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，我們希望我們的設計能夠有效的減輕城市擁堵現象，同時希望將來會有更多新技術用來解決交通擁堵問題。相信不久後，城市擁堵問題會被徹底解決，出行將變得舒心舒暢。

參考文獻

[1]田蘇慧敏.基於視頻圖像處理的車輛檢測與車流量統計平臺的設計實現[D].寧夏大學，2015.

[2]張德豐，雷小平，周燕.詳解MATLAB圖形繪製技術[M].北京：電子工業出版社，2010：194~206.

[3]羅平輝，馮平，哈力旦AB數字圖像處理[M].北京：機械工業出版社，2010.

[4]馬懷志.基於視頻圖像處理技術的車流量檢測系統的設計與研究[J].長春工程學院學報（自然科學版），2015，16（4）：104~107.

[5]許成闖.基於視頻的車流量檢測技術研究與實現[D].南京理工大學，2014.