留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

红绿灯配时优化与仿真研究

曾微波 陈夏微 童矿 郁帅

曾微波, 陈夏微, 童矿, 郁帅. 红绿灯配时优化与仿真研究[J]. 武汉大学学报 ● 信息科学版, 2022, 47(4): 597-603. doi: 10.13203/j.whugis20200029
引用本文: 曾微波, 陈夏微, 童矿, 郁帅. 红绿灯配时优化与仿真研究[J]. 武汉大学学报 ● 信息科学版, 2022, 47(4): 597-603. doi: 10.13203/j.whugis20200029
ZENG Weibo, CHEN Xiawei, TONG Kuang, YU Shuai. Research on Traffic Lights Timing Optimization and Simulation[J]. Geomatics and Information Science of Wuhan University, 2022, 47(4): 597-603. doi: 10.13203/j.whugis20200029
Citation: ZENG Weibo, CHEN Xiawei, TONG Kuang, YU Shuai. Research on Traffic Lights Timing Optimization and Simulation[J]. Geomatics and Information Science of Wuhan University, 2022, 47(4): 597-603. doi: 10.13203/j.whugis20200029

红绿灯配时优化与仿真研究

doi: 10.13203/j.whugis20200029
基金项目: 

滁州学院科研启动基金 2017qd04

2019国家级大学生创新创业训练项目 2019CXXL011

详细信息
    作者简介:

    曾微波,博士,副教授,主要从事GIS系统集成、视频GIS的研究与应用。njzwb@163.com

    通讯作者: 陈夏微,硕士生。2454557267@qq.com
  • 中图分类号: P208

Research on Traffic Lights Timing Optimization and Simulation

Funds: 

Initial Scientific Research Fund of Chuzhou University 2017qd04

2019 Innovation and Entrepreneurship Training Program for National College Students 2019CXXL011

More Information
    Author Bio:

    ZENG Weibo, PhD, associate professor, specializes in GIS system integration and Video GIS. E-mail: njzwb@163.com

    Corresponding author: CHEN Xiawei, postgraduate. E-mail: 2454557267@qq.com
  • 摘要: 固定相位时长的信号灯控制由于无法根据实时路况进行自适应调节,对交通拥堵现象的改善程度有限。为了模拟根据实时路况进行信号灯相位自适应调节,以Webster算法为基础,融合虚拟仿真和计算机视觉技术,构建信号灯配时优化与自反馈闭环系统。首先,构建基于Unity3D的道路交通仿真场景,模拟车辆启停、行驶及信号灯控制;然后,利用OpenCV库处理采集的车流视频,统计通车流量并计算最佳信号周期和确定通车相位;最后,将配时计算结果作用于仿真场景,实现信号灯相位的实时调整与优化循环。仿真实验结果表明,信号灯自适应配时优化与闭环反馈能较大幅度减少车辆等待时间,有效缓解交通拥堵状况。
  • 图  1  车流量统计流程

    Figure  1.  Process of Traffic Flow Statistics

    图  2  交通模拟

    Figure  2.  Traffic Simulation

    图  3  双向六车道仿真相位示意图

    Figure  3.  Simulation Phase Diagram of Two-Way Six Lanes

    图  4  优化配时前后车辆平均等待时长

    Figure  4.  Average Waiting Time of Vehicles Before and After the Timing Optimization

    图  5  优化配时前后通车量

    Figure  5.  Traffic Volume Before and After the Timing Optimization

    表  1  固定配时下车辆通行情况

    Table  1.   Traffic Conditions Under Fixed Timing

    通行车道 车辆平均等待时长/s 通车量/(PCU·h-1
    31 792
    西 35 899
    33 844
    35 762
    下载: 导出CSV

    表  2  假定的交通流量计算表

    Table  2.   Assumed Calculation of Traffic Flow

    方向 车道 通车量/(PCU·h-1) 基本饱和流量/(PCU·h-1) 饱和流量比
    左转 160 1 590 0.100 6
    直行 372 1 645 0.226 2
    右转 260 1 550 0.167 7
    西 左转 267 1 550 0.172 2
    直行 392 1 650 0.237 6
    右转 240 1 550 0.154 8
    左转 225 1 543 0.145 8
    直行 369 1 646 0.224 4
    右转 250 1 550 0.161 3
    左转 205 1 555 0.131 8
    直行 362 1 670 0.216 5
    右转 195 1 600 0.121 9
    下载: 导出CSV

    表  3  各方向红绿灯时长/s

    Table  3.   Duration of Traffic Lights for All Directions/s

    方向 红灯时间 绿灯时间 左转红灯时间 左转绿灯时间 黄灯时间
    东西 65 28 72 21 3
    南北 66 27 76 17 3
    下载: 导出CSV

    表  4  优化配时后车辆通行情况

    Table  4.   Traffic Conditions After the Timing Optimization

    通行车道 车辆平均等待时长/s 通车量/(PCU·h-1
    14 980
    西 17 1 105
    16 1 037
    18 936
    下载: 导出CSV
  • [1] Pappis C P, Mamdani E H. A Fuzzy Logic Controller for a Traffic Junction[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1977, 7(10): 707-717. doi:  10.1109/TSMC.1977.4309605
    [2] 段峻. 一种基于模糊控制的信号灯自动配时算法[J]. 自动化技术与应用, 2019, 38(4): 10-12 doi:  10.3969/j.issn.1003-7241.2019.04.003

    Duan Jun. A Signal Lights Automatic Timing Algorithm Based on Fuzzy Control[J]. Techniques of Automation and Applications, 2019, 38(4): 10-12 doi:  10.3969/j.issn.1003-7241.2019.04.003
    [3] 段宣翡, 唐泽杭. 基于车流量的红绿灯实时配时算法[J]. 硅谷, 2013, 6(13): 52-53 https://www.cnki.com.cn/Article/CJFDTOTAL-GGYT201313083.htm

    Duan Xuanfei, Tang Zehang. Traffic Light Realtime Timing Algorithm Based on Traffic Flow[J]. Silicon Valley, 2013, 6(13): 52-53 https://www.cnki.com.cn/Article/CJFDTOTAL-GGYT201313083.htm
    [4] 钱伟, 孙玉娟. 城市干线交通信号的模糊协调控制研究[J]. 河南理工大学学报(自然科学版), 2014, 33(5): 621-625 doi:  10.3969/j.issn.1673-9787.2014.05.013

    Qian Wei, Sun Yujuan. Research on Fuzzy Coordination Control of Urban Arterial Traffic Signal[J]. Journal of Henan Polytechnic University (Natural Science), 2014, 33(5): 621-625 doi:  10.3969/j.issn.1673-9787.2014.05.013
    [5] 李鑫瑞. 基于模糊控制的交通信号配时优化[D]. 西安: 西安科技大学, 2016

    Li Xinrui. Traffic Signal Timing Optimization Based on Fuzzy Control[D]. Xi'an: Xi'an University of Science and Technology, 2016
    [6] 曹小玲, 莫红, 朱凤华. 时变论域下红绿灯配时的模糊控制[J]. 测控技术, 2019, 38(11): 115-120 https://www.cnki.com.cn/Article/CJFDTOTAL-IKJS201911025.htm

    Cao Xiaoling, Mo Hong, Zhu Fenghua. Fuzzy Control of Timing for Traffic Lights Based on TimeVarying Universe[J]. Measurement & Control Technology, 2019, 38(11): 115-120 https://www.cnki.com.cn/Article/CJFDTOTAL-IKJS201911025.htm
    [7] 慕飞飞, 张惠珍. 基于遗传算法的单点交叉口信号配时优化[J]. 上海理工大学学报, 2015, 37(6): 600-604 https://www.cnki.com.cn/Article/CJFDTOTAL-HDGY201506017.htm

    Mu Feifei, Zhang Huizhen. Signal Timing Optimization at Single-Point Intersection Based on Genetic Algorithm[J]. Journal of University of Shanghai for Science and Technology, 2015, 37(6): 600-604 https://www.cnki.com.cn/Article/CJFDTOTAL-HDGY201506017.htm
    [8] 李硕, 付珊, 贺文, 等. 基于遗传算法的左转待行区交叉口信号配时优化研究[J]. 公路工程, 2018, 43(5): 131-137 https://www.cnki.com.cn/Article/CJFDTOTAL-ZNGL201805025.htm

    Li Shuo, Fu Shan, He Wen, et al. Study on Signal Timing Optimization of the Intersection with LeftTurn Waiting Area Based on Genetic Algorithm[J]. Highway Engineering, 2018, 43(5): 131-137 https://www.cnki.com.cn/Article/CJFDTOTAL-ZNGL201805025.htm
    [9] 王逸, 姚志洪, 蒋阳升, 等. 基于自适应遗传算法的双环信号配时优化模型[J]. 工业工程, 2018, 21(5): 72-80 https://www.cnki.com.cn/Article/CJFDTOTAL-GDJX201805011.htm

    Wang Yi, Yao Zhihong, Jiang Yangsheng, et al. The Dual-Phase Signal Timing Optimization Model Based on Adaptive Genetic Algorithm[J]. Industrial Engineering Journal, 2018, 21(5): 72-80 https://www.cnki.com.cn/Article/CJFDTOTAL-GDJX201805011.htm
    [10] 张力, 何军, 李奇. 结合遗传算法的混合式蚁群单点交叉口信号配时算法[J]. 计算机光盘软件与应用, 2014, 17(21): 91-94 https://www.cnki.com.cn/Article/CJFDTOTAL-GPRJ201421060.htm

    Zhang Li, He Jun, Li Qi. Hybrid Ant Colony Single-Point Intersection Signal Timing Algorithm Based on Genetic Algorithm [J]. Computer CD Software and Applications, 2014, 17(21): 91-94 https://www.cnki.com.cn/Article/CJFDTOTAL-GPRJ201421060.htm
    [11] 俞佳莹. 车辆侧向目标的超声波传感器阵列感知研究[D]. 北京: 清华大学, 2016

    Yu Jiaying. Dynamical Tracking of Surrounding Objects for Road Vehicles Using Linearly-Arrayed Ultrasonic Sensors[D]. Beijing: Tsinghua University, 2016
    [12] 顾夫挺. 基于多传感器的车辆检测方法及其可靠性分析[D]. 杭州: 浙江工业大学, 2019

    Gu Futing. Vehicle Detection Method Based on Multi-sensors and Its Reliability Analysis [D]. Hangzhou: Zhejiang University of Technology, 2019
    [13] 余得生, 谢英仪, 徐玉萍. 智能红绿灯交叉路口实时配时研究: 以南昌市红谷滩新区为例[J]. 华东交通大学学报, 2015, 32(5): 35-43 https://www.cnki.com.cn/Article/CJFDTOTAL-HDJT201505007.htm

    Yu Desheng, Xie Yingyi, Xu Yuping. Research on Real-Time Timing of Intelligent Traffic Light Intersection-Taking the Honggutan District of Nanchang as an Example[J]. Journal of East China Jiaotong University, 2015, 32(5): 35-43 https://www.cnki.com.cn/Article/CJFDTOTAL-HDJT201505007.htm
    [14] 郑志杰. 基于计算机视觉的智慧红绿灯研究[D]. 杭州: 杭州电子科技大学, 2016

    Zheng Zhijie. Research on Intelligent Traffic Lights Based on Computer Vision[D]. Hangzhou: Hangzhou Dianzi University, 2016
    [15] 高冠东. 监狱智能视频监控技术及应用[M]. 保定: 河北大学出版社, 2016

    Gao Guandong. Prison Intelligent Video Surveillance Technology and Application [M]. Baoding: Hebei University Press, 2016.
    [16] 余京蕾. 浅谈计算机视觉技术进展及其新兴应用[J]. 北京联合大学学报, 2020, 34(1): 63-69 https://www.cnki.com.cn/Article/CJFDTOTAL-BJLH202001017.htm

    Yu Jinglei. A Study on the Progress of Computer Vision and Its Newly Developing Applications[J]. Journal of Beijing Union University, 2020, 34(1): 63-69 https://www.cnki.com.cn/Article/CJFDTOTAL-BJLH202001017.htm
    [17] 张硕. 基于视频的车流量检测与车辆跟踪方法研究[D]. 北京: 华北电力大学, 2014

    Zhang Shuo. Research on Vehicle Flow Detection and Vehicle Tracking Algorithm Based on Video [D]. Beijing: North China Electric Power University, 2014
    [18] 李谦, 张永军, 卢洪树, 等. 基于错误式学习的低空影像人行横道多角度自动识别[J]. 武汉大学学报·信息科学版, 2018, 43(1): 46-52 doi:  10.13203/j.whugis20150342

    Li Qian, Zhang Yongjun, Lu Hongshu, et al. Detection of Pedestrian Crossings with Hierarchical Learning Classifier from Multi-angle Low Altitude Images[J]. Geomatics and Information Science of Wuhan University, 2018, 43(1): 46-52 doi:  10.13203/j.whugis20150342
    [19] 吴佳奇, 蒋永华, 沈欣, 等. 决策树弱分类支持的卫星视频运动检测[J]. 武汉大学学报·信息科学版, 2019, 44(8): 1182-1190 doi:  10.13203/j.whugis20180094

    Wu Jiaqi, Jiang Yonghua, Shen Xin, et al. Satellite Video Motion Detection Supported by Decision Tree Weak Classification[J]. Geomatics and Information Science of Wuhan University, 2019, 44(8): 1182-1190 doi:  10.13203/j.whugis20180094
    [20] 方敏学. 基于机器视觉的智能交通灯的研究[D]. 成都: 电子科技大学, 2017

    Fang Minxue. Researches on Intelligent Traffic Light Based on Machine Vision[D]. Chengdu: University of Electronic Science and Technology of China, 2017
    [21] 朱秋林, 石银涛, 李靖. 一种改进型Canny算子边缘检测算法[J]. 地理空间信息, 2020, 18(1): 128-130 https://www.cnki.com.cn/Article/CJFDTOTAL-DXKJ202001035.htm

    Zhu Qiulin, Shi Yintao, Li Jing. Improved Edge Detection Algorithm Based on Canny Operator[J]. Geospatial Information, 2020, 18(1): 128-130 https://www.cnki.com.cn/Article/CJFDTOTAL-DXKJ202001035.htm
    [22] 刘佳悦. 基于多目标优化以及模糊控制理论的单交叉口信号灯配时算法的研究[D]. 长春: 吉林大学, 2018

    Liu Jiayue. The Research on Signal Timing Algorithm of Single Intersection Based on Multi-objective Optimization and Fuzzy Control Theory[D]. Changchun: Jilin University, 2018
    [23] 李维炼, 朱军, 张昀昊, 等. 空间语义约束的泥石流灾害VR场景融合建模及交互方法[J]. 武汉大学学报·信息科学版, 2020, 45(7): 1073-1081 doi:  10.13203/j.whugis20180329

    Li Weilian, Zhu Jun, Zhang Yunhao, et al. A Fusion Modeling and Interaction Method with Spatial Semantic Constraint for Debris Flow VR Scene[J]. Geomatics and Information Science of Wuhan University, 2020, 45(7): 1073-1081 doi:  10.13203/j.whugis20180329
  • [1] 曾添, 隋立芬, 贾小林, 肖国锐, 戴卿, 甘雨.  小型化LEO星座与BDS-3全星座联合定轨仿真 . 武汉大学学报 ● 信息科学版, 2022, 47(1): 61-68. doi: 10.13203/j.whugis20190426
    [2] 刘婷婷, 杨子健, 王泽民, 高柯夫.  利用风云3D微波成像仪数据估算北极海冰密集度的精度评价 . 武汉大学学报 ● 信息科学版, 2021, 46(12): 1843-1851. doi: 10.13203/j.whugis20210449
    [3] 马明明, 龚建华, 李文航, 黄琳, 马晓辉, 李亚斌.  基于虚拟眼动实验的指向型应急疏散标识布局优化方法 . 武汉大学学报 ● 信息科学版, 2020, 45(9): 1386-1394. doi: 10.13203/j.whugis20190409
    [4] 赵洪臣, 周兴华, 彭聪, 刘永学, 张家发, 陈义兰.  一种去除遥感影像混合噪声的集成BM3D方法 . 武汉大学学报 ● 信息科学版, 2019, 44(6): 925-932. doi: 10.13203/j.whugis20170188
    [5] 李金朋, 张英堂, 范红波, 李志宁, 尹刚, 刘敏.  基于χ2准则的磁梯度张量3D聚焦反演方法 . 武汉大学学报 ● 信息科学版, 2018, 43(2): 255-261. doi: 10.13203/j.whugis20160063
    [6] 熊汉江, 郑先伟, 丁友丽, 张艺, 吴秀杰, 周妍.  基于2D-3D语义传递的室内三维点云模型语义分割 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 2303-2309. doi: 10.13203/j.whugis20180190
    [7] 徐丙立, 荆涛, 林珲, 杜君, 朱刚.  利用CryEngine构建虚拟地理环境 . 武汉大学学报 ● 信息科学版, 2017, 42(1): 28-34. doi: 10.13203/j.whugis20140768
    [8] 应 申, 毛政元, 李 霖, 许 光.  利用3D Voronoi图的兔子点云聚类分割 . 武汉大学学报 ● 信息科学版, 2013, 38(3): 358-361.
    [9] 范士杰, 刘焱雄, 王振杰.  日本3·11特大地震的GPS震时和震后响应 . 武汉大学学报 ● 信息科学版, 2012, 37(2): 191-194.
    [10] 张俊峰, 费立凡, 黄丽娜, 刘一宁.  利用3D_DP和Quad_TIN的地形实时动态显示算法研究 . 武汉大学学报 ● 信息科学版, 2011, 36(3): 346-350.
    [11] 王瑞瑞, 马建文, 陈雪.  多传感器影像配准中基于虚拟匹配窗口的SIFT算法 . 武汉大学学报 ● 信息科学版, 2011, 36(2): 163-166.
    [12] 眭海刚, 农耘, 聂乾震, 陈佳丽.  利用GIS与虚拟仿真的三维航标配布 . 武汉大学学报 ● 信息科学版, 2011, 36(8): 969-973.
    [13] 郭峰林, 胡鹏, 白轶多, 王玉萍.  移动电子地图中伪3D可视化设计 . 武汉大学学报 ● 信息科学版, 2010, 35(1): 79-82.
    [14] 黄丽娜, 费立凡.  采用3D D-P算法的等高线三维综合实验研究 . 武汉大学学报 ● 信息科学版, 2010, 35(1): 55-58.
    [15] 唐敏, 张祖勋, 张剑.  基于广义点理论的多基线影像钣金件3D重建与尺寸检测 . 武汉大学学报 ● 信息科学版, 2007, 32(12): 1095-1098.
    [16] 吴立新, 陈学习, 车德福, 徐磊.  一种基于GTP的地下真3D集成表达的实体模型 . 武汉大学学报 ● 信息科学版, 2007, 32(4): 331-335.
    [17] 舒娱琴, 祝国瑞, 陈崇成.  虚拟森林场景的构建 . 武汉大学学报 ● 信息科学版, 2004, 29(6): 540-543.
    [18] 申文斌.  引力位虚拟压缩恢复法 . 武汉大学学报 ● 信息科学版, 2004, 29(8): 720-724.
    [19] 陈晓勇.  虚拟负权的应用 . 武汉大学学报 ● 信息科学版, 1986, 11(1): 45-55.
    [20] 王豪, 黄健, 黄祥, 袁镜清, 贺子城.  一种利用Unity3D模拟崩塌三维运动全过程的方法 . 武汉大学学报 ● 信息科学版, 0, 0(0): 0-0. doi: 10.13203/j.whugis20210237
  • 加载中
图(5) / 表(4)
计量
  • 文章访问数:  819
  • HTML全文浏览量:  187
  • PDF下载量:  60
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-01-20
  • 刊出日期:  2022-04-05

红绿灯配时优化与仿真研究

doi: 10.13203/j.whugis20200029
    基金项目:

    滁州学院科研启动基金 2017qd04

    2019国家级大学生创新创业训练项目 2019CXXL011

    作者简介:

    曾微波,博士,副教授,主要从事GIS系统集成、视频GIS的研究与应用。njzwb@163.com

    通讯作者: 陈夏微,硕士生。2454557267@qq.com
  • 中图分类号: P208

摘要: 固定相位时长的信号灯控制由于无法根据实时路况进行自适应调节,对交通拥堵现象的改善程度有限。为了模拟根据实时路况进行信号灯相位自适应调节,以Webster算法为基础,融合虚拟仿真和计算机视觉技术,构建信号灯配时优化与自反馈闭环系统。首先,构建基于Unity3D的道路交通仿真场景,模拟车辆启停、行驶及信号灯控制;然后,利用OpenCV库处理采集的车流视频,统计通车流量并计算最佳信号周期和确定通车相位;最后,将配时计算结果作用于仿真场景,实现信号灯相位的实时调整与优化循环。仿真实验结果表明,信号灯自适应配时优化与闭环反馈能较大幅度减少车辆等待时间,有效缓解交通拥堵状况。

English Abstract

曾微波, 陈夏微, 童矿, 郁帅. 红绿灯配时优化与仿真研究[J]. 武汉大学学报 ● 信息科学版, 2022, 47(4): 597-603. doi: 10.13203/j.whugis20200029
引用本文: 曾微波, 陈夏微, 童矿, 郁帅. 红绿灯配时优化与仿真研究[J]. 武汉大学学报 ● 信息科学版, 2022, 47(4): 597-603. doi: 10.13203/j.whugis20200029
ZENG Weibo, CHEN Xiawei, TONG Kuang, YU Shuai. Research on Traffic Lights Timing Optimization and Simulation[J]. Geomatics and Information Science of Wuhan University, 2022, 47(4): 597-603. doi: 10.13203/j.whugis20200029
Citation: ZENG Weibo, CHEN Xiawei, TONG Kuang, YU Shuai. Research on Traffic Lights Timing Optimization and Simulation[J]. Geomatics and Information Science of Wuhan University, 2022, 47(4): 597-603. doi: 10.13203/j.whugis20200029
  • 随着中国汽车保有量不断增加,城市交通拥堵现象日益严重,交通信号灯在缓解交通拥堵方面发挥着一定作用,然而由于车流量变化的影响,固定时长的相位控制无法使通车量持续较大化。如何根据车流量的变化实现交通信号灯调控的实时化、智能化是智慧交通有待改进的重点问题。为此,国内外学者展开了大量研究。自文献[1]提出通过建立模糊规则库缩短车辆延误时间以来,许多学者运用模糊控制算法、遗传算法等开展了配时优化研究并取得了丰硕的成果。基于模糊控制算法,文献[2]借助MATLAB实现了模糊系统的动态仿真;文献[3]提出了更为有效的一级模糊控制和二级实时控制算法;文献[4]提出了一种以平均排队长度为优化目标的模糊协调控制算法;文献[5]设计了干线组合协调模糊控制信号配时算法;文献[6]提出基于时变论域的模糊控制方法,仿真实验证明了其合理性与有效性。基于遗传算法,文献[7]建立配时优化非线性模型对单个交叉路口信号配时进行优化;文献[8]对左转待行区交叉信号灯进行了配时优化研究,并通过Vissim建立交叉口仿真模型表明其合理性和实用性;文献[9]求解出了以各相位绿灯时长为优化参数的双环信号配时优化模型;文献[10]利用遗传算法中交叉和变异思想与传统蚁群算法相结合的方式得出了更优的配时算法。上述配时算法中,模糊控制算法虽然能够减少车辆的平均延误时间,但二级模糊控制在低车流量下的控制过程较为复杂,且容易产生误差;遗传算法具有较强的鲁棒性和良好的全局优化能力,但目前只应用于单个交叉口信号配时;双环信号配时优化模型能有效减少交叉口时空资源的浪费,但此模型只对不同流向间不均衡分布条件下的优化效果显著;结合蚁群算法的混合式信号配时算法得到的配时优化解更准确,但目前也只应用于单个交叉口信号配时。

    从目前研究现状来看,各种配时算法都有其局限性,其中共性的问题在于无法对配时效果进行有效验证。虽然大部分学者通过设计二维场景进行了仿真实验,但从实际效果来看,从二维平面角度对配时算法的验证缺乏现实的说服力。本文以经典的配时算法Webster为基础,首先利用Unity3D提供的可编程环境MonoDevelop编制控制仿真场景及其对象的脚本,模拟真实的城市道路交通状况;然后结合OpenCV算法库处理Camera Object获取的灯控路口实时视频,进行车辆识别与车流量统计并计算出优化配时结果;最后通过相位控制脚本调节信号灯相位并反馈于场景,从而实现信号灯配时实时调整与优化循环。

    • 车流量大小、车辆行驶平均速度和道路占用率是反映城市交通拥堵状况的指标。由于车辆行驶方向、速度的影响,传统车流量统计方法如超声波检测[11]、感应线圈检测[12]、微波雷达感测[13]等,普遍存在反射信号不稳定、测量误差较大等问题,而基于视频分析的车流量统计算法[14]适应性强、容易维护、造价低且具有能兼做道路监控等其他功能[15]。本文融合虚拟现实和计算机视觉技术[16],基于视频分析中目标跟踪的车流量统计方法[17],根据车辆运动轨迹的持续性统计车流量,流程如图 1所示。

      图  1  车流量统计流程

      Figure 1.  Process of Traffic Flow Statistics

      具体步骤如下:

      1)在构建的城市道路交通仿真场景中,利用在灯控路口设置的Camera Object获取仿真场景的实时视频,并将之转化为OpenCV[18-19]可以处理的视频流。再调用OpenCV库对连续图像帧序列进行分析,建立高斯模型实现前景运动目标的提取[20]。在提取车辆时,需设置阈值以排除较小运动物体的干扰。

      2)利用基于改进Canny算子的边缘检测法[21]提取车辆轮廓信息,绘制连通区域的最小外接矩形,并标记车辆在图像中的位置。

      3)根据车辆有效特征,利用特征匹配算法在序列图像上找出与车辆模型最相似的位置进行车辆定位并跟踪其运动轨迹。再利用车辆轮廓的矩形边界确定包围汽车矩形边界的质心,判断同一个车辆目标在检测区域中的运动情况。当车辆质心越过场景中预设的检测线时,车辆数加1。

    • 一般来说,交叉口形状越复杂,相位方案也越复杂。相位数增加会引起相位改变时损失增大,导致信号灯处理交通拥堵的能力下降,而交叉口交通流之间的冲突却会减少。因此,合理的信号周期设置应充分考虑车流方向、车流量大小以提高路口通行能力和道路利用率。到目前为止,常用的信号灯配时算法有模糊控制算法、Webster算法、遗传算法、蚁群算法等。其中,Webster算法作为经典的配时算法,以降低交叉口车辆延误为唯一目标[22],但该算法容易受到交通量大小的影响,当交通量过小容易造成信号周期设置过短,不利于行车安全。因此本文以Webster算法为基础对高峰时段的信号周期进行配时优化,以缓解交通拥堵状况。设置流量统计区域的长度为总车道的宽度,选择车流量最大的相位为当前通车相位,计算饱和车流量及流量比,得出最佳配时周期。

      一个红绿灯周期可分为若干个相位,每个相位里面有若干个互不干扰的独立车流按一定方向通行。每个相位都有一个最大的通行流量比YiYi决定了一个相位分得总周期时间的比例大小。基于Webster算法的最佳信号周期计算过程如下:

      1)已知车道饱和流量,根据每个相位的最大流量比计算总的流量比为:

      Y=i=1nmax[yi,yi'] ]]>

      式中,n表示相位数;yi表示第i个相位的最大流量比;yi'表示同一个相位上多次计算得到的不同值。

      2)根据Webster最佳周期公式确定信号最佳周期C0,单位:s,计算如下:

      C0=1.5L+51-Y ]]>

      式中, L表示每个周期的各相位总损失时间,单位:s,计算如下:

      L=i=0n(li+Ii-Ai) ]]>

      式中,l为不同相位的车辆启动损失时间,可由实测得到,若无时间数据,l可取3 s;I为绿灯间隔时间,即黄灯时间加全红灯时间,一般黄灯为3 s,全红灯为2~4 s;A为黄灯时间,一般为3 s。

      3)计算总有效绿灯时间Ge

      Ge=C0-L ]]>

      4)计算各相位有效绿灯时间ge

      ge=Gemax[yi,yi']Y ]]>

      当前相位的绿灯时间结束后,再对每个相位的车流量进行统计和比较,选择车流量最大的相位为下一次的通车相位,即下一次配时计算的基础(由于非饱和交通流通常以120 s作为最佳周期的上限值,但多相位信号及饱和交通流情况下通常不会突破该上限,若存在一个相位等待时间超过120 s,则此相位优先通行)。

      最佳信号周期应在当前信号周期结束前进行预设,信号灯根据配时结果自动切换相位。根据场景中Camera Object获取的视频,利用§1.1所述方法统计路口各通行方向的车流量,计算所得信号灯最佳配时周期与通车相位。

    • 基于Unity3D的场景动态建模方法[23],可以增强场景的交互和反馈能力,本文利用Unity3D构建三维交通场景进行红绿灯仿真模拟以弥补配时算法无法实地验证的局限性。首先利用3Ds Max软件进行仿真区域建模,并导入Unity3D;然后在仿真区域基础上构建道路交通网,并添加车道、交通指示标志、信号灯等,构建出具有较强真实感的交通仿真模型;最后在MonoDevelop中编制车流生成、机动车运行、实时视频获取、信号灯配时设置、信号灯相位控制及统计通车量和车辆平均等待时长的脚本。

      在实际交通场景中,车辆识别精度往往会受到天气、光线、行人以及非机动车辆等因素的干扰,进而影响车流量的统计。为了简化车流仿真、提高车辆识别精度,除光线强度设置恒定外,交通参与对象限定为轿车、公交车、卡车3种车型,且各种车型车辆的外观、颜色保持一致。采集仿真场景中不同时段及不同路口的视频,利用§1.1中的车辆检测法进行测试,在车型、外观、颜色限定并排除非机动车干扰因素的条件下,车辆识别精度达100%,完全满足本文进行红绿灯模拟与配时优化的需求。

      在搭建完成的三维交通仿真场景中,利用脚本产生车流,模拟车辆运动呈泊松分布到达,如图 2所示。为模拟车流的动态生成效果,编制车辆行驶算法使车辆按实景建模区域的红绿灯相位在相应车道执行启停和行驶动作,再根据车辆运动状态算法,控制车辆与车辆之间的自动碰撞。车流从一般时段到高峰时段再到一般时段的过程即错峰时段,需要编制相应脚本控制生成车辆的数目。一般时段到高峰时段的衔接过程以30 min为缓冲,利用插值算法控制动态产生的车辆数目,实现车流量大小的动态变化。

      图  2  交通模拟

      Figure 2.  Traffic Simulation

    • 仿真场景中的车辆以当前相位和信号周期为依据,自动执行启停和行驶动作。仿真模拟过程中,需要将计算所得的最佳信号周期及通车相位反馈到仿真场景中,作为下个信号周期的配时方案,调整信号灯相位及时长。

      当前信号周期结束前,经视频分析与车流量统计得到路口各方向的车流量后,即进行下一最佳信号周期计算和当前通车相位的确定,再通过相位控制脚本作用于仿真场景。通过视频采集、配时计算、配时反馈实现交通场景的实时配时,不断循环这个过程,从而达到信号灯相位的实时调整与优化循环的目的。

    • 利用§2.1所述方法构建交通仿真场景,将4个方向均设置为双向六车道,如图 3所示。为了更好地对比固定配时与配时优化后的车辆平均等待时长及通车量,车流生成以高峰时段路口车辆到达数为参考,每分钟路口各通行方向随机生成车辆,其中拥堵方向为15~30辆,非拥堵方向为5~15辆。

      图  3  双向六车道仿真相位示意图

      Figure 3.  Simulation Phase Diagram of Two-Way Six Lanes

      场景中路口信号灯的初始设置为传统固定配时周期,其中南北方向左转绿灯亮20 s,黄灯亮3 s,直行绿灯亮30 s,红灯亮56 s;东西向直行红灯亮56 s,左转绿灯亮20 s,黄灯亮3 s,直行绿灯亮30 s。统计固定相位时长配时下的车辆平均等待时长和通车量,单位为PCU/h,PCU(passenger car unit)表示标准车当量数,结果如表 1所示。根据§1.2中所述配时算法和车道饱和流量计算出饱和流量比,结果如表 2所示。根据§1.2中Webster算法计算最佳信号配时周期,结果如表 3所示。

      表 1  固定配时下车辆通行情况

      Table 1.  Traffic Conditions Under Fixed Timing

      通行车道 车辆平均等待时长/s 通车量/(PCU·h-1
      31 792
      西 35 899
      33 844
      35 762

      表 2  假定的交通流量计算表

      Table 2.  Assumed Calculation of Traffic Flow

      方向 车道 通车量/(PCU·h-1) 基本饱和流量/(PCU·h-1) 饱和流量比
      左转 160 1 590 0.100 6
      直行 372 1 645 0.226 2
      右转 260 1 550 0.167 7
      西 左转 267 1 550 0.172 2
      直行 392 1 650 0.237 6
      右转 240 1 550 0.154 8
      左转 225 1 543 0.145 8
      直行 369 1 646 0.224 4
      右转 250 1 550 0.161 3
      左转 205 1 555 0.131 8
      直行 362 1 670 0.216 5
      右转 195 1 600 0.121 9

      表 3  各方向红绿灯时长/s

      Table 3.  Duration of Traffic Lights for All Directions/s

      方向 红灯时间 绿灯时间 左转红灯时间 左转绿灯时间 黄灯时间
      东西 65 28 72 21 3
      南北 66 27 76 17 3

      根据§1.2中式(3)计算总损失时间为L=4×(3+3-3)=12 s

      表 2可知,南北向左转相位的最大流量比为0.145 8,南北向直行的最大流量比为0.224 4,东西向左转相位的最大流量比为0.172 2,东西向直行的最大流量比为0.237 6。根据§1.2中的式(1)计算流量比总和Y=0.172 2+0.237 6+0.145 8+0.224 4=0.780 0

      根据§1.2中式(2)计算信号周期时长C0=1.5×12+51-0.78105 s,满足周期限制条件。

      根据§1.2中式(4)计算总有效绿灯时间Ge=105-12=93 s

      根据§1.2中式(5)计算各相位有效绿灯时间,第一相位g1=93×0.145 8/ 0.780 017 s,所以南北向道路的左转绿灯时间为17 s,左转红灯为76 s;第二相位g2=93×0.224 4/0.780 027 s,所以南北向道路直行绿灯时间为27 s,红灯为66 s;第三相位g3=93×0.172 2/0.780 021 s,所以东西道路的左转绿灯时间为21 s,左转红灯为72 s;第四相位g4=93×0.237 6/0.780 028 s,所以东西向道路直行绿灯时间为28 s,红灯为65 s。

      经视频分析与计算得出优化配时后的路口车辆等待时长及通车量如表 4所示。

      表 4  优化配时后车辆通行情况

      Table 4.  Traffic Conditions After the Timing Optimization

      通行车道 车辆平均等待时长/s 通车量/(PCU·h-1
      14 980
      西 17 1 105
      16 1 037
      18 936

      对比固定配时方案和实时配时优化方案,优化配时前后车辆平均等待时长如图 4所示,优化配时前后通车量如图 5所示。由图45可知,在配时优化后的红绿灯周期下,路口车辆平均等待时长平均减少17 s,通车量平均每小时增加190辆。

      图  4  优化配时前后车辆平均等待时长

      Figure 4.  Average Waiting Time of Vehicles Before and After the Timing Optimization

      图  5  优化配时前后通车量

      Figure 5.  Traffic Volume Before and After the Timing Optimization

    • 本文将红绿灯实时配时算法与三维仿真系统相结合,构建了车流视频采集-流量统计-配时计算-配时反馈-相位调节-流量统计-配时优化的信号灯自适应配时优化闭环系统,弥补了现有红绿灯优化配时方案无法进行实地验证与反馈优化的局限性,达到了实时配时优化的效果。仿真实验结果表明,信号灯自适应配时优化闭环反馈能较大幅度减少车辆等待时间,有效缓解交通拥堵状况。

      本文实验中仅对单个双向六车道路口车流进行了配时优化与验证,而实际的城市交通路网是一个庞大且复杂的系统,路口形式、车辆类型及交通参与者繁多。因此,基于视频的车辆识别与流量统计干扰因素较多。此外,由于各路口的车流量均受上游车流和下游车流的影响,路口与路口之间的信号配时存在相互联动、相互制约的关系。下一步工作中,需综合考虑城市拥堵路段涉及的多个路口,研究解决区域性拥堵的网络化自适应优化配时方法。

参考文献 (23)

目录

    /

    返回文章
    返回