论文部分内容阅读
摘 要：本文建立了一种基于人工神经网络遗传算法的交通信号灯控制系统解决固定交通灯相位周期问题，重点研究一种基于遗传算法的交通信号灯控制系统，根据当前路口车流量的大小来控制信号灯相位时间。最主要的关键点，通过优化人工神经网络算法，根据实时检测到的车流量信息，将遗传算法应用到交通灯控制中，实现自适应控制。
关键词：交通信号灯控制系统;人工神经网络;自适应控制
一、交通信号灯控制系统实现
对于能够自行灵活调整的交通信号灯控制系统，我们先是利用目前普遍存在的“电子警察”对道路中车流量的信息进行收集检测处理，再在遗传算法的基础上，对交通信号灯的时间周期依据车流量拥堵和畅通程度进行自动调整更新，使每个路口的车辆都能以最少红灯等待时间快速通过。同时，也提出一种对待道路口存在特殊车辆时能优先放行特殊车辆的方法。
1.车流量的检测
视频车辆检测法是另一种形式的车辆检测手段，该技术运用了模式识别的相关原理。路边摄像机捕获主要的交通监控视频，十字路口部分将视频回送到当地的交通服务中心，交通服务中心负责分析收到的监控视频，获得所需的流量参数和事件等信息。十字路口的车流量检测可依据摄像头捕捉到的信息进行收集，其采集信息流程可如图1所示。
2.数据采集
依据卫星通信与信号输出，利用地磁、加速度传感器，红外线传感器、势能面扫描、2D3D图像分析等技术，且由高清摄像头快速捕捉信息，即可把车流量、路面状况信息输送给数据翻译。本系统利用该模块应用于车流量信息采集模块、路面信息分析模块、天气采集模块。其中，采集到的天气数据以湿度与可见度分析技术为基础。
3.数据翻译
对采集到的车流量、路面状况、天气信息进行解码和转码。
4.数据压缩
将信息进一步通过数据压缩模块进行数据压缩，经过压缩的信息传送到中央系统。
5.中央处理器
在中央系统控制范围内对以下车流量，路况以及对特殊车辆情况进行数据处理并输送至交通信号灯和语音播报系统;通过Hadoop数据储存和卫星通信与传输，中央系统能通过分布式深度学习，包括自我回馈学习、再学习、长记忆到聚类，继而转向计算机集群对筛选过后的数据再次处理，不断更新，执行并不断优化整个系统。
6.交通信号灯终端
通过交通信号灯周期控制系统显示交通信号灯时间以及状态通过语音播报系统输送给用户，同时在经过中央系统的数据处理后，将服务器IP输送至客户端。输出服务器IP信息至交通控制（交通指揮中心）、警务部门、应急部门（医院、消防等）、公路维修部门等可扩展控制客户端，各个客户端可根据输出的数据信息解决相关问题。
二、基于遗传算法的信号灯自适应控制
自适应控制可以看作是智能控制，它能根据实时检测到的车流量信息，为优化方向，实现控制方法的智能化。当交叉口趋于饱和，路口拥堵，路口交通状况复杂多变时，釆用固定周期或单点控制已经不能满足复杂多变的交通流。此时执行基于基于人工神经网络算法的实时自适应控制方法，即交通信号灯能根据交通流实时的分配信号灯时间。本研究采用道路各相位在一个周期内滞留的车辆数来作为识别判据，将遗传算法应用到交通灯控制中，实现自适应控制。
遗传算法的优化目标是让一个周期内各相位滞留车辆数的总和最小。以第一相位为例，总周期为T，车辆到达率（车辆单位时间内到达的数量）为ri，离开率（车辆单位时间内离开的数量）为mi，相位1的绿时为ti，那么相位1在周期T内滞留的车辆数为：
从以上分析可知，为了使路口的通行能力最大，要使目标函数S的取值最小。各相位的到达率和离开率是一个常数。所以S是以时间为自变量的目标函数。遗传法一般是求解一个问题的最大值，所以设置遗传算法中的适应度函数为f=D-S即有
其中D是一人为设定的常数。
遗传算法采用24位二进制对个体进行编码，个体中的每6位为一个相位的时间。第一相位配时为第23位到18位，第二相位配时为第17位到12位，第三相位配时为第11到第6位，第四相位配时为第5到第0位。
三、交通灯系统的控制方案
在某些道路交叉口，我们经常可以看到某个方向的车流量大而其他方向的车流量少，甚至在某一时段里的车流量为零，但是这一方向仍有绿灯时间的配置，造成了间的浪费。感应控制的思想是在道路不算拥堵的情况下，即饱和度λ在[0，0.8）[2]这个区间时，文中把主、次干道车流量是否相差大这一标准来判断是固定周期模式还是单点控制。设主干道的车流量为m，次干道的车流量为n，若n≤m/3则视为主、次干道车流量相差大，否则不大。当饱和度大于0.8时，道路开始变得拥堵，采用简单的感应控制方法已经满足不了复杂多变的交通流，所以此时执行基于遗传算法的自适应控制是能较好应对交通堵塞问题的。
上述只是对一般情况进行了设计，并没有考虑一些特殊的交通需求，但对特殊情况的考虑也成为了对系统设计成功与否的一项重要指标。在传统设计中，当特殊车辆需强行通过路口一般需闯红灯，这样在没有交警做交通管制的情况下容易造成交通事故。针对这一情况，当检测到这类特殊车辆经过时，系统做出了如下的设计方案：
该设计在距路口 80 ～ 100 m 的地方设置了一个检测点，当检测到有此类车通过时，根据当时车辆的平均通行速度，计算得到路口的时长为 t s。
（ 1） 当检测到该类型的车通过时，并且此路口为绿灯时，如果现有的绿灯时长大于 t +8 s，则维持原有的绿灯时长，否则调整绿灯的时长为 t +8 s。
（ 2） 当检测到该类型的车通过时，并且此路口为红灯时，则检测另一车道绿灯的时长，如果时长小于10 s 则不作调整，如果时长大于 10 s 则将横向路口的时长调整为 10 s 倒计时（ 这样做的目的是为了能够给过马路的行人一个最低的反应时间，以防造成交通事故）。
当摄像头测车有特殊车辆存在时，立马中断非特殊车辆交通信号灯时间周期系统，转而进入特殊车辆识别并计算最快通行时间的模式，使特殊车辆所在路口开启“绿波带”，让特殊车辆立即优先放行。
四、结论
本次课题着重研究了一种可控的智能交通信息系统，对现阶段存在的交通管理上的问题进行了研究。利用遗传算法把固定的交通信号灯周期灵活转换为可根据车流量大小自我调整时间长短，设计出一种智能且能节约时间成本的自适应交通信号灯控制系统，既有效解决了交通堵塞问题，又很大程度上节约了稀缺的交通资源。同时，我们基于BP神经网络算法进行了研究，目的在于使交通控制系统存储的数据和信息分析，达到优化使整个控制系统决策。总而言之，本文通过研究交通信息控制系统，希望通过我们的研究能够不断完善和扩展我们的交通控制，为交通安全提供更可靠的保障。
基金项目
广州航海学院2018年创新强校项目 （F321455） 基于人工神经网络对智能红绿灯控制系统的研究
关键词：交通信号灯控制系统;人工神经网络;自适应控制
一、交通信号灯控制系统实现
对于能够自行灵活调整的交通信号灯控制系统，我们先是利用目前普遍存在的“电子警察”对道路中车流量的信息进行收集检测处理，再在遗传算法的基础上，对交通信号灯的时间周期依据车流量拥堵和畅通程度进行自动调整更新，使每个路口的车辆都能以最少红灯等待时间快速通过。同时，也提出一种对待道路口存在特殊车辆时能优先放行特殊车辆的方法。
1.车流量的检测
视频车辆检测法是另一种形式的车辆检测手段，该技术运用了模式识别的相关原理。路边摄像机捕获主要的交通监控视频，十字路口部分将视频回送到当地的交通服务中心，交通服务中心负责分析收到的监控视频，获得所需的流量参数和事件等信息。十字路口的车流量检测可依据摄像头捕捉到的信息进行收集，其采集信息流程可如图1所示。
2.数据采集
依据卫星通信与信号输出，利用地磁、加速度传感器，红外线传感器、势能面扫描、2D3D图像分析等技术，且由高清摄像头快速捕捉信息，即可把车流量、路面状况信息输送给数据翻译。本系统利用该模块应用于车流量信息采集模块、路面信息分析模块、天气采集模块。其中，采集到的天气数据以湿度与可见度分析技术为基础。
3.数据翻译
对采集到的车流量、路面状况、天气信息进行解码和转码。
4.数据压缩
将信息进一步通过数据压缩模块进行数据压缩，经过压缩的信息传送到中央系统。
5.中央处理器
在中央系统控制范围内对以下车流量，路况以及对特殊车辆情况进行数据处理并输送至交通信号灯和语音播报系统;通过Hadoop数据储存和卫星通信与传输，中央系统能通过分布式深度学习，包括自我回馈学习、再学习、长记忆到聚类，继而转向计算机集群对筛选过后的数据再次处理，不断更新，执行并不断优化整个系统。
6.交通信号灯终端
通过交通信号灯周期控制系统显示交通信号灯时间以及状态通过语音播报系统输送给用户，同时在经过中央系统的数据处理后，将服务器IP输送至客户端。输出服务器IP信息至交通控制（交通指揮中心）、警务部门、应急部门（医院、消防等）、公路维修部门等可扩展控制客户端，各个客户端可根据输出的数据信息解决相关问题。
二、基于遗传算法的信号灯自适应控制
自适应控制可以看作是智能控制，它能根据实时检测到的车流量信息，为优化方向，实现控制方法的智能化。当交叉口趋于饱和，路口拥堵，路口交通状况复杂多变时，釆用固定周期或单点控制已经不能满足复杂多变的交通流。此时执行基于基于人工神经网络算法的实时自适应控制方法，即交通信号灯能根据交通流实时的分配信号灯时间。本研究采用道路各相位在一个周期内滞留的车辆数来作为识别判据，将遗传算法应用到交通灯控制中，实现自适应控制。
遗传算法的优化目标是让一个周期内各相位滞留车辆数的总和最小。以第一相位为例，总周期为T，车辆到达率（车辆单位时间内到达的数量）为ri，离开率（车辆单位时间内离开的数量）为mi，相位1的绿时为ti，那么相位1在周期T内滞留的车辆数为：
从以上分析可知，为了使路口的通行能力最大，要使目标函数S的取值最小。各相位的到达率和离开率是一个常数。所以S是以时间为自变量的目标函数。遗传法一般是求解一个问题的最大值，所以设置遗传算法中的适应度函数为f=D-S即有
其中D是一人为设定的常数。
遗传算法采用24位二进制对个体进行编码，个体中的每6位为一个相位的时间。第一相位配时为第23位到18位，第二相位配时为第17位到12位，第三相位配时为第11到第6位，第四相位配时为第5到第0位。
三、交通灯系统的控制方案
在某些道路交叉口，我们经常可以看到某个方向的车流量大而其他方向的车流量少，甚至在某一时段里的车流量为零，但是这一方向仍有绿灯时间的配置，造成了间的浪费。感应控制的思想是在道路不算拥堵的情况下，即饱和度λ在[0，0.8）[2]这个区间时，文中把主、次干道车流量是否相差大这一标准来判断是固定周期模式还是单点控制。设主干道的车流量为m，次干道的车流量为n，若n≤m/3则视为主、次干道车流量相差大，否则不大。当饱和度大于0.8时，道路开始变得拥堵，采用简单的感应控制方法已经满足不了复杂多变的交通流，所以此时执行基于遗传算法的自适应控制是能较好应对交通堵塞问题的。
上述只是对一般情况进行了设计，并没有考虑一些特殊的交通需求，但对特殊情况的考虑也成为了对系统设计成功与否的一项重要指标。在传统设计中，当特殊车辆需强行通过路口一般需闯红灯，这样在没有交警做交通管制的情况下容易造成交通事故。针对这一情况，当检测到这类特殊车辆经过时，系统做出了如下的设计方案：
该设计在距路口 80 ～ 100 m 的地方设置了一个检测点，当检测到有此类车通过时，根据当时车辆的平均通行速度，计算得到路口的时长为 t s。
（ 1） 当检测到该类型的车通过时，并且此路口为绿灯时，如果现有的绿灯时长大于 t +8 s，则维持原有的绿灯时长，否则调整绿灯的时长为 t +8 s。
（ 2） 当检测到该类型的车通过时，并且此路口为红灯时，则检测另一车道绿灯的时长，如果时长小于10 s 则不作调整，如果时长大于 10 s 则将横向路口的时长调整为 10 s 倒计时（ 这样做的目的是为了能够给过马路的行人一个最低的反应时间，以防造成交通事故）。
当摄像头测车有特殊车辆存在时，立马中断非特殊车辆交通信号灯时间周期系统，转而进入特殊车辆识别并计算最快通行时间的模式，使特殊车辆所在路口开启“绿波带”，让特殊车辆立即优先放行。
四、结论
本次课题着重研究了一种可控的智能交通信息系统，对现阶段存在的交通管理上的问题进行了研究。利用遗传算法把固定的交通信号灯周期灵活转换为可根据车流量大小自我调整时间长短，设计出一种智能且能节约时间成本的自适应交通信号灯控制系统，既有效解决了交通堵塞问题，又很大程度上节约了稀缺的交通资源。同时，我们基于BP神经网络算法进行了研究，目的在于使交通控制系统存储的数据和信息分析，达到优化使整个控制系统决策。总而言之，本文通过研究交通信息控制系统，希望通过我们的研究能够不断完善和扩展我们的交通控制，为交通安全提供更可靠的保障。
基金项目
广州航海学院2018年创新强校项目 （F321455） 基于人工神经网络对智能红绿灯控制系统的研究