智能交通管理控制体系探析

  • A+
所属分类:
【摘要】以后,我邦交通拥堵景象尤其严重。据统计数据显示,2017年中国人均拥堵本钱逾越180h。所以减轻门路拥堵迫在眉睫。今朝处理拥堵成绩的办法有区域收费法和限号限行法。这些办法固然可以或许处理一部分交通拥堵,然则不敷人性和公道,实施也有难度。交通拥堵成为城市生活中没法防止的一个成绩。本设计基于数字图象处理技巧,应用街道十字路口的监控摄像头,经过过程对路面图象停止图象去噪、图象灰度化、差分与二值化、边沿检测与瓜分、腐化收缩等办法,辨认并统计路口各偏向上的车流量,再根据路口停车数量的若干对交通红绿灯的时间停止智能调控。本设计的特点在于应用数字图象处理技巧统计车流量,并且可以根据门路通行信息改变交通旌旗灯号灯的控制时间,使交通旌旗灯号灯的控制加倍合文迷信。

【关键词】数字图象处理;智能交通管理控制;交通灯

1引言

1.1背景与近况

随着科技的进步,汽车走进了千家万户。拥堵逐步成了全球都面对的困难。堵车极大年夜的影响了人们的出行,浪费了行人大年夜量时间,形成公路运营效力降低。别的堵车时汽车尾气中污染物较多。破坏了情况,产生动力浪费。在中国,拥堵景象尤其严重,数据显示2017年中国人均年拥堵本钱逾越180h。全国大年夜部分城市在通行岑岭处于拥堵当中。每逢节假日还会出现大年夜面积梗塞景象。是以改良门路通行情况,减轻拥堵显得非常重要。处理好堵车成绩,便利人们出行,是我们从事这方面研究的缘由和动力。

1.2国表里处理拥堵办法的利害

1975年,新加坡实施区域通行证体系来减缓交通压力,在规定的区域内对经过过程车辆停止额外收费。收费标准按照区域内交通拥堵程度浮动。该筹划实施后,后果明显,岑岭时间交通量增添,均匀车速和公交出行比例都有很大年夜进步。英国伦敦于2003年开端对拥堵景象收费,在收费区域应用车辆主动辨认技巧,断定车辆有没有进入收费区域,再收取必定金额的通行费。筹划实施后,区内交通量明显增添,车速较大年夜幅度进步。由国外成功的案例看出,对门路拥堵的路段额外收费是一种有效的交通管理手段。不过,这类办法在我国的应用依然须要停止大年夜量的商量和实验。在我国,应对拥堵重要的处理办法是限号和限行。经过过程在特定的日期对特定号码的车辆停止限制,禁止这些车辆在限行日行驶。然则这些办法固然起到了减缓拥堵的后果,然则也带来了出行不便,不敷人性化等成绩。

1.3体系设计思路与长处

本设计的设计灵感源自生活中因交通灯不公道时长而形成的拥堵景象。在生活中,十字路口会出现横纵两个偏向中一个偏向车流量大年夜于另外一偏向的车流量的景象。而交通灯的时长却不会随着车流质变更而变更,所以会出现某个偏向上路灯持续时间不敷,车辆难以经过过程,而另外一个偏向上却少有车辆的景象。本设计的思路是根据十字路口两个偏向上的车流量照应控制交通灯的时间,使得交通灯的时间更公道,减轻拥堵。本设计还从聪明城市的概念中取得了灵感,将图象处理技巧与交通体系结合起来。本设计的长处在于应用了图象处理技巧来检测车流量。与其他检测车流量办法比拟,本设计具有本钱昂贵,操作便利,精确度高等优势。

2图象处理与车辆计数

本章简介了体系完成的处理流程,起首经过过程图象预处理、图象边沿检测与图象瓜分、腐化收缩等图象处理技巧,完成车辆的辨认与计数,最后应用经过过程计数计算时间。

2.1图象噪声去除

应用摄像头,我们可以获得门路图象。但受外界条件与设备影响,我们获得的图象常常有噪声。是以在处理图象之前,我们应用滤波器将图象去噪。经常使用的滤波办法有均值滤波和中值滤波。均值滤波和中值滤波都可以或许去除噪声。均值滤波是线性滤波的一种,它可以或许均匀选定范围内的一切像素的灰度值。但均值滤波本身存在着弗成防止的弊病,它不克不及有效地保护图象细节,在图象去噪的同时也破坏了一部分图象细节,使图象变得模糊。中值滤波是一种非线性滤波,它可有效地去除噪声,还能保护图象尖利部分和边沿,所以处理后果比均值滤波好。中指滤波的处理办法是:将图象当选定区域的像素,按灰度值大年夜小停止排序,拔取某个像素的范畴中含有的一切像素的灰度值中值作为该像素的灰度值。由于中值滤波可以或许有效去除噪声,并且它能完全地保存边沿、锐角等细节信息。我们优先应用中值滤波对取得的图象停止去噪处理。

2.2图象灰度化

经过过程当中值滤波,我们取得了降噪后的图象,下一步须要对图象灰度停止处理。灰度图是一种具有只含亮度信息,不含有色度信息、亮度变更持续等特点的图象。和浅显的黑色图象比拟,灰度图中没有色度信息,是以将图象停止灰度化处理可以大年夜大年夜增添图象所含信息。在图象处理过程当中,计算量也大年夜幅增添,便利以后的操作处理和计算。是以要对图象停止灰度化处理,将黑色图转换为灰度图。为了完成图象灰度化,我们应用YUV色彩空间编码办法,YUV是一种像素格局,它将亮度参量和色度参量分开表示。Y为亮度旌旗灯号,U和V为色度旌旗灯号,而如许分开的好处就是不只可以防止相互搅扰。由于亮度参量和色度参量分开,使得我们可以不受色度参量的搅扰,取得图象中亮度信息,从而取得了我们须要的灰度图象。在黑色图象中,我们可以提取每个像素的色彩信息,即R、G、B值,然后将每个像素的R、G、B值经过过程公式转换为照应的亮度信息:Y=0.299×R+0.587×G+0.114×B,从而取得灰度图象。

2.3图象差分与二值化

为了便利检测活动图象,我们还须要将图象停止图象差分和二值化。经常使用的差分办法为背景差分法和帧间差分法。帧间差分法是经过过程把视频中相邻两帧图象做差分运算从而取得活动目标轮廓的办法。不合帧对应的像素点灰度值相减,再断定灰度差的相对值,当相对值逾越设定的某一特定值时,便可断定为活动目标,从而检测到活动目标。然则帧间差分法对场景中光线突变不是很敏感。当车辆运动时,没法经过过程此办法来检测车流量。背景差分法先根据路面信息、光照信息等信息在路面无车辆时,取得一张纯洁的门路图象,并将其设置为背景。再将以后的每帧图象与这个背景模型相减,在差分后的图象中提取活动目标。图象的二值化可以将图象中每个像素点的灰度照应地调剂为0或255。工资地设置一个阈值T,在对图象停止差分后,将差分红果与阈值T比较。当灰度值之差大年夜于阈值T时用255调换像素的灰度值,当灰度值之差小于等于阈值T时用0调换像素的灰度值。背景差分法取得的成果直接反应了活动目标的地位、大年夜小和外形。并且背景差分法可以用来检测活动不明显或运动的物体,是以我们应用背景差分法。

2.4边沿检测和图象瓜分

我们取得了诟谇图象,便利我们停止边沿检测。在图象处理过程当中,将图象中灰度值变更比较大年夜的处所,定义为边沿。应用导数可以检测出像素灰度值的变更,检测到边沿。应用各类不合的算子,我们将图象停止边沿检测。可用的算子有So-bel算子、拉普拉斯算子、Canny算子等,经过比较我们发明Canny算子在边沿检测的过程当中不会损掉边沿,也不会产生虚假的边沿,精确度更高。所以我们用Canny算子停止边沿检测,并应用Canny算子停止图象瓜分。

2.5腐化收缩

在边沿检测后,我们取得的图象存在边沿不持续、外部空洞等景象。是以,我们需对图象停止形状学处理。根据车辆形状特点,我们应用图象的腐化、收缩、闭运算三种办法。腐化是对图象高亮度部分的腐化和去除,可使衬着比原始衬着有更小的凹陷区域。腐化可去除图象中小且成心义的点。收缩是腐化的补运算,它是收缩的高亮度部分的图象,取得的图象有一个更大年夜的凹陷面积比原始图象。收缩可以弥补图象中的外部空洞。先收缩再腐化称为闭运算,它可以用来填充物体外部的小洞,连接相邻物体,腻滑界线,且不明显改变物体的面积。处理后,车辆成了一个连通的白色图象,便利接上去的计数。

2.6目标计数与交通灯时间控制

应用matlab对象中供给的bwlable()函数停止处理,经过过程bwlable()函数可以计算出图片中连通的白色区域的个数。而一帧图片中连通的白色区域个数即一帧图片中的车辆数。在交通灯的应用过程当中,我们先设置一个时间K。红光持续时间为R,绿光持续时间为G,黄光处理时间为Y。个中Y+G+R=K。在统计车流量时,我们将一个偏向上的车流量最大年夜值记为a,另外一偏向上的车流量最大年夜值记为b。那么根据公式我们可以将红灯和绿灯持续时间分别调为:Gx=Ry=k(a/a+b)Gy=Rx=k(b/a+b)由此便完成了对交通灯时间的控制。

3本设计的长处及创新

(1)本设计的创新在于根据监控录相中的信息统计门路上的车流量,再根据两个偏向车流量的不合,按照比例关系照应调剂交通灯的持续时长。令交通灯的时间控制变得更加公道高效,起到减缓部分路段拥堵的感化。同时交通灯的总时间K也可根据实际情况工资地调剂,加倍便利高效。

(2)本设计可成为聪明城市的一部分。本设计令视频监控体系和交通灯体系协作,使城市交通筹划加倍公道,居平易近出行加倍舒心,城市生活加倍便捷。门路通行信息还可经过过程搜集、广播等情势告诉给城市居平易近,智能地为居平易近筹划出行道路。

(3)本设计还可将通行情况上传至数据库,浩大通行数据在数据库中整合、分析。可以迷信地对交通停止宏不雅调控,也可分析出居平易近的出行偏向和人口密集区域,更好的为居平易近供给办事。大年夜数据处理使得智能交通管理控制有了更多的办法和能够性。

4总结与展望

本设计将图象信息处理技巧和交通灯的控制结合起来,为交通灯有筹划的及时控制供给懂得决办法。在科技蓬勃的明天,城市生活变得加倍智能化。但城市拥堵依然是城市中存在的困难,我们欲望我们的设计可以或许有效的减轻城市拥堵景象,同时欲望将来会有更多新技巧用来处理交通拥堵成绩。信赖不久后,城市拥堵成绩会被完全处理,出行将变得舒心舒畅。

参考文献

[1]田苏慧敏.基于视频图象处理的车辆检测与车流量统计平台的设计完成[D].宁夏大年夜学,2015.

[2]张德丰,雷小平,周燕.详解MATLAB图形绘制技巧[M].北京:电子工业出版社,2010:194~206.

[3]罗平辉,冯平,哈力旦A.MATLAB数字图象处理[M].北京:机械工业出版社,2010.

[4]马怀志.基于视频图象处理技巧的车流量检测体系的设计与研究[J].长春工程学院学报(天然迷信版),2015,16(4):104~107.

[5]许成闯.基于视频的车流量检测技巧研究与完成[D].南京理工大年夜学,2014.