- 相關(guān)推薦
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為嚴重。據統計數據顯示，2017年中國人均擁堵成本超過(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(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。本設計基于數字圖像處理技術(shù)，利用街道十字路口的監控攝像頭，通過(guò)對路面圖像進(jìn)行圖像去噪、圖像灰度化、差分與二值化、邊緣檢測與分割、腐蝕膨脹等方法，識別并統計路口各方向上的車(chē)流量，再根據路口停車(chē)數量的多少對交通紅綠燈的時(shí)間進(jìn)行智能調控。本設計的特色在于利用數字圖像處理技術(shù)統計車(chē)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(shí)間，使交通信號燈的控制更加合理科學(xué)。
【關(guān)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
隨著(zhù)科技的進(jìn)步，汽車(chē)走進(jìn)了千家萬(wàn)戶(hù)。擁堵逐漸成了全世界都面臨的難題。堵車(chē)極大的影響了人們的出行，浪費了行人大量時(shí)間，造成公路運營(yíng)效率降低。另外堵車(chē)時(shí)汽車(chē)尾氣中污染物較多。破壞了環(huán)境，產(chǎn)生能源浪費。在中國，擁堵現象尤為嚴重，數據顯示2017年中國人均年擁堵成本超過(guò)180h。全國大部分城市在通行高峰處于擁堵之中。每逢節假日還會(huì )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(chē)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國內外處理?yè)矶路椒ǖ睦?/p>
1975年，新加坡實(shí)施區域通行證系統來(lái)緩解交通壓力，在規定的區域內對通過(guò)車(chē)輛進(jìn)行額外收費。收費標準按照區域內交通擁堵程度浮動(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(chē)速和公交出行比例都有很大提高。英國倫敦于2003年開(kāi)始對擁擠現象收費，在收費區域使用車(chē)輛自動(dòng)識別技術(shù)，判斷車(chē)輛有無(wú)進(jìn)入收費區域，再收取一定金額的通行費。方案實(shí)施后，區內交通量明顯減少，車(chē)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(guò)，這種辦法在我國的運用仍然需要進(jìn)行大量的探究和實(shí)驗。在我國，應對擁堵主要的處理方法是限號和限行。通過(guò)在特定的日期對特定號碼的車(chē)輛進(jìn)行限制，禁止這些車(chē)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系統設計思路與優(yōu)點(diǎn)
本設計的設計靈感源自生活中因交通燈不合理時(shí)長(cháng)而造成的擁堵現象。在生活中，十字路口會(huì )出現橫縱兩個(gè)方向中一個(gè)方向車(chē)流量大于另一方向的車(chē)流量的現象。而交通燈的時(shí)長(cháng)卻不會(huì )隨著(zhù)車(chē)流量變化而變化，所以會(huì )出現某個(gè)方向上路燈持續時(shí)間不夠，車(chē)輛難以通過(guò)，而另一個(gè)方向上卻少有車(chē)輛的現象。本設計的思路是根據十字路口兩個(gè)方向上的車(chē)流量相應控制交通燈的時(shí)間，使得交通燈的時(shí)間更合理，減輕擁堵。本設計還從智慧城市的概念中獲得了靈感，將圖像處理技術(shù)與交通系統結合起來(lái)。本設計的優(yōu)點(diǎn)在于使用了圖像處理技術(shù)來(lái)檢測車(chē)流量。與其他檢測車(chē)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(yōu)勢。
2圖像處理與車(chē)輛計數
本章介紹了系統實(shí)現的處理流程，首先通過(guò)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(shù)，實(shí)現車(chē)輛的識別與計數，最后使用通過(guò)計數計算時(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(xiàn)性濾波的一種，它能夠平均選定范圍內的所有像素的灰度值。但均值濾波本身存在著(zhù)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(shí)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(xiàn)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(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、銳角等細節信息。我們優(yōu)先使用中值濾波對獲得的圖像進(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，計算量也大幅減少，方便之后的操作處理和計算。因此要對圖像進(jìn)行灰度化處理，將彩色圖轉換為灰度圖。為了實(shí)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(kāi)表示。Y為亮度信號，U和V為色度信號，而這樣分開(kāi)的好處就是不但可以避免相互干擾。因為亮度參量和色度參量分開(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)公式轉換為相應的亮度信息：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
為了方便檢測運動(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算從而獲得運動(dòng)目標輪廓的方法。不同幀對應的像素點(diǎn)灰度值相減，再判斷灰度差的絕對值，當絕對值超過(guò)設定的某一特定值時(shí)，即可判斷為運動(dòng)目標，從而檢測到運動(dòng)目標。但是幀間差分法對場(chǎng)景中光線(xiàn)漸變不是很敏感。當車(chē)輛靜止時(shí)，無(wú)法通過(guò)此方法來(lái)檢測車(chē)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(wú)車(chē)輛時(shí)，獲得一張純凈的道路圖像，并將其設置為背景。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動(dòng)目標。圖像的二值化可以將圖像中每個(gè)像素點(diǎn)的灰度相應地調整為0或255。人為地設置一個(gè)閾值T，在對圖像進(jìn)行差分后，將差分結果與閾值T比較。當灰度值之差大于閾值T時(shí)用255替換像素的灰度值，當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果直接反映了運動(dòng)目標的位置、大小和形狀。而且背景差分法可以用來(lái)檢測運動(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。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(jìn)行邊緣檢測�？捎玫乃阕佑蠸o-bel算子、拉普拉斯算子、Canny算子等，經(jīng)過(guò)對比我們發(fā)現Canny算子在邊緣檢測的過(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，并利用Canny算子進(jìn)行圖像分割。
2.5腐蝕膨脹
在邊緣檢測后，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(jìn)行形態(tài)學(xué)處理。根據車(chē)輛形態(tài)特點(diǎn)，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(wú)意義的點(diǎn)。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(gè)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(chēng)為閉運算，它可以用來(lái)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。處理后，車(chē)輛成了一個(gè)連通的白色圖像，方便接下來(lái)的計數。
2.6目標計數與交通燈時(shí)間控制
使用matlab工具中提供的bwlable（）函數進(jìn)行處理，通過(guò)bwlable（）函數可以計算出圖片中連通的白色區域的個(gè)數。而一幀圖片中連通的白色區域個(gè)數即一幀圖片中的車(chē)輛數。在交通燈的使用過(guò)程中，我們先設置一個(gè)時(shí)間K。紅光持續時(shí)間為R，綠光持續時(shí)間為G，黃光處理時(shí)間為Y。其中Y+G+R=K。在統計車(chē)流量時(shí)，我們將一個(gè)方向上的車(chē)流量最大值記為a，另一方向上的車(chē)流量最大值記為b。那么根據公式我們可以將紅燈和綠燈持續時(shí)間分別調為：Gx=Ry=k（a/a+b）Gy=Rx=k（b/a+b）由此便實(shí)現了對交通燈時(shí)間的控制。
3本設計的優(yōu)點(diǎn)及創(chuàng )新
�。�1）本設計的創(chuàng )新在于根據監控錄像中的信息統計道路上的車(chē)流量，再根據兩個(gè)方向車(chē)流量的不同，按照比例關(guān)系相應調整交通燈的持續時(shí)長(cháng)。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也可根據實(shí)際情況人為地調整，更加方便高效。
�。�2）本設計可成為智慧城市的一部分。本設計令視頻監控系統和交通燈系統協(xié)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(guò)網(wǎng)絡(luò )、廣播等形式通知給城市居民，智能地為居民規劃出行路線(xiàn)。
�。�3）本設計還可將通行情況上傳至數據庫，眾多通行數據在數據庫中整合、分析�？梢钥茖W(xué)地對交通進(jìn)行宏觀(guān)調控，也可分析出居民的出行方向和人口密集區域，更好的為居民提供服務(wù)。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(shù)和交通燈的控制結合起來(lái)，為交通燈有計劃的實(shí)時(shí)控制提供了解決辦法。在科技發(fā)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(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
[1]田蘇慧敏.基于視頻圖像處理的車(chē)輛檢測與車(chē)流量統計平臺的設計實(shí)現[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數字圖像處理[M].北京：機械工業(yè)出版社，2010.
[4]馬懷志.基于視頻圖像處理技術(shù)的車(chē)流量檢測系統的設計與研究[J].長(cháng)春工程學(xué)院學(xué)報（自然科學(xué)版），2015，16（4）：104~107.
[5]許成闖.基于視頻的車(chē)流量檢測技術(shù)研究與實(shí)現[D].南京理工大學(xué)，2014.
【智能交通管理控制系統探析論文】相關(guān)文章：
LED路燈智能控制系統設計探索論文07-04
智能建筑節能措施探析論文06-25
室內防盜智能控制系統設計分析的論文07-04
淺析智能家居控制系統中的應用設計論文07-04
空中交通管理中人工智能應用分析論文07-03
智能電網(wǎng)中自動(dòng)化控制系統設計與應用論文07-03
探析辦公建筑節能的智能化設計論文07-02