交通路口智能管理控制系統框架設計
來源:用戶上傳
作者:
摘 要：交通交叉口是道路在同一個平面上相交形成的交叉口。通常有T形、Y形、十字形、X形、錯位、環形等形式。由于交通路口的復雜性，目前具備自動控制的交通路口，多以路線簡單的路口居多，并且多采用“定時分流”的簡單控制為主，存在不同程度路口通行效率不高的情況。文章結合目前激光雷達測距、測速技術和視頻圖像識別技術的發展現狀，結合交通路口車輛運行安全管理的需求，將先進非接觸檢測技術與智能控制技術結合，實現交通路口的智能管理與控制。
關鍵詞：交通交叉口;激光雷達測距測速;視頻圖像識別;多智能管理與控制
中圖分類號：TP391 文獻標志碼：A 文章編號：2095-2945（2019）09-0195-02
Abstract： A traffic intersection is an intersection formed by the intersection of roads on the same plane. There are usually T-shaped， Y-shaped， cross-shaped， X-shaped， dislocation， ring and other forms. Due to the complexity of traffic junctions， most of the traffic junctions with automatic control are mostly simple intersections， and most of them use the simple control of "timing diversion"， there are different degrees of intersection traffic efficiency is not high. Based on the development of LiDAR （Light Detection And Ranging） ranging and velocity measurement as well as video image recognition technology， and the demand of vehicle operation safety management at traffic junctions， this paper combines advanced non-contact detection technology with intelligent control technology， so as to realize the intelligent management and control of traffic junctions.
Keywords： traffic intersection; LiDAR ranging and velocity measurement; video image recognition; multi-intelligent management and control
1 概述
交通交叉口是交通道路的重要組成部分，是交通事故最易多發的區域，為此對于交通路口，國家制定了詳細的設計規范，來規范路口的設計標準和要求，定時分流控制的智能化交通路口也已廣泛得到推廣和應用。但隨著一些新的產品和技術的出現，尤其是圍繞著一些非接觸式測量技術（如激光雷達測量技術、視頻圖像分析技術、智能控制技術等）的發展成熟，形成對交通路口更為人性化、更為自動化、更為智能化的智能控制系統已成為可能。
2 交通路口監測的技術手段
2.1 雷達測速、測距技術
雷達測速的原理是應用多譜勒效應，即移動物體對所接收的電磁波有頻移的效應，雷達測速儀是根據接收到的反射波頻移量計算而得出被測物體的運動速度。因此，具有以下特點：（1）雷達波束的照射面大，測速易于捕捉目標。（2）雷達測速、測距精度高，滿足對交通違章查處取證的要求。（3）雷達發射的電磁波波束有一定的張角，測速范圍較大。（4）雷達測速裝置可以輸出不同需求的控制信號，滿足對照相機、攝像頭、道路閘口等取證、管理設備的控制需要。
激光雷達測距測速技術目前的缺陷是：目前激光雷達測速裝置多為單獨運行、測量控制方式是固定限值測速抓拍模式，由于道路交通的復雜性，需要在管理后臺配專人進行二次甄別，處理信息量較大，效率較低。
2.2 視頻圖像監測技術
視頻監控技術，屬于計算機應用領域，是依賴構建在計算機技術的發展之上，完成對視覺圖像進行感知、轉換、傳輸、存儲、管理的人工視覺系統。
典型的視頻監控系統主要由前端設備和后端設備這兩大部分組成，前端設備通常由攝像機、防護罩、監聽器、報警探測器和多功能解碼器等部件組成，并通過有線、無線或光纖傳輸媒介與中心控制系統的各種設備建立相應的聯系。
2.3 圖像智能識別與智能雷達測速抓拍
從上面2.1、2.2的介紹可以看出：無論激光雷達測距測速技術，還是視頻圖像監控技術，其共同具有的數字化應用基礎和相對的智能應用現狀，使兩種數字化技術進行進一步的融合，形成更加智能化的應用是完全可能的。即充分發揮視頻監控技術對被檢測物體的行為分析功能的同時，利用視頻圖像識別技術的技術特點，用視頻圖像識別來彌補雷達測速系統只能固定限值檢測的缺陷，同時利用智能雷達控制視頻抓拍攝像頭進行抓拍取證，確保對違規行為取證的及時性和有效性。使智能圖像分析系統和智能雷達測速、測距系統成為更加智能化的系統。
3 交通路口多智能管理控制系統設計
交通路口的交通信號控制是最基本的交通控制形式，也是線控和面控系統的基礎。其控制目標是通過合理的信號配時，消除或減少各向交通流的沖突點，同時使車輛和行人的總延誤時間最小。單路口的交通信號控制主要分為定時控制、感應控制、實時自適應控制等。其中，定時控制和感應控制是基本的交通控制方法。但定時控制：是根據以往觀測到的交通需求，按預先設定的配時方案進行控制，因此它對交通需求的隨機變化是無法響應的。而感應控制方法缺陷：感應控制只能檢測是否有車輛到達而不關心有多少輛車到達，因此，它無法真正響應各相位的交通需求，也就不能使車輛的總延誤最小。 隨著視頻圖像智能分析和激光雷達測速測距技術的成熟，利用全感應控制+人工智能的交通路口多智能管理控制系統十分必要，也成為可能。
首先，利用交通路口安裝的高清視頻攝像頭、激光雷達測速、測距裝置，對交通路口制定的路段進行實時檢測的同時，利用其圖像智能分析功能和激光雷達的智能測算和控制功能，進行會車預警、紅綠燈全感應自動控制。其次，根據圖像分析系統對等候車輛的數量和長度的統計計算，結合系統主機根據專家知識形成交通路口信號燈優先控制，實現仿真交警指揮交通的智能交通路口指揮。最后是利用每個路口設置的LED顯示屏，顯示接收由系統提供諸如：“**秒**方向即將會車”、當前車速顯示、設定車速限值顯示、超速提示、交通紅黃綠燈提示、以及手勢顯示或宣傳和通知標語的文字或圖像顯示。
系統以每條道路為一個測控元素，每個測控元素設置故障自動檢測和“看門狗”（即死機自動啟動）功能，故障狀態信息及時上傳系統平臺進行自動切除，并在LED顯示屏顯示、以每個路口為一個智能管理和控制單元（可依據實際需要設置各路口的通行優先等級，分1-8級）、多個智能管理和控制單元依據系統管理平臺服務器的處理能力組成一個區域，一個區域為一個系統的分散式控制系統，每個測控元素的信息可通過計算機網絡匯集系統管理平臺，實現對單元信息形成專家知識的判斷和控制，并形成不限于以下內容的功能：（1）交通路口實時監控。對運行車輛進行實時監控，利用視頻圖像分析預警功能，首先實現對運行車輛的形態進行分析，通過智能學習系統給出合理的測速限值，提供給雷達測速系統進行連續運算比對，一旦超過限值，立即進行抓拍處理。同時視頻監控對車輛的運行狀態進行實時監控，一旦有占道、壓線、違停、闖紅燈立即實施抓拍。（2）交通路口運行車輛信息記錄。對于經過監測點正常行駛的機動車，檢測的車輛通過的信息，包括時間、地點、方向、牌照號、車型、車速等信息進行存儲管理;違章抓拍的車輛信息（包括圖像），自動歸類存儲并統計，統計結果同時發往各門閘管理系統進行閘口處理管理。系統反應時間不大于30秒。（3）自動識別牌照。對車牌照號碼進行自動定位、識別;號牌識別準確，白天不低于90%，夜晚不低于85%的識別率;號牌捕獲及識別時間不高于500ms。（4）聯網布控。攔截點主控機除了識別每一輛過往車輛，對超速車輛到來時進行實時報警外，還可進行治安聯網實時布控。（5）統計查詢功能。所有超速行駛的車輛，系統都會在數據庫中記錄下通過時間、牌照號、車型、車類、車輛圖片等，用戶可通過輸入相關字段信息，查詢到相關車輛的記錄。（6）設備運行智能監控管理功能。系統可通過監控端對系統設備運行情況進行管理，對系統參數進行設置，對數據進行瀏覽和查詢。同時，提供遠程維護功能。在控制中心通過網絡對現場設備進行管理，大大簡化了系統維護的復雜度。
4 結束語
交通路口智能控制系統是一個集多種智能控制為一體的分散式模糊控制系統，專家知識和大數據分析將會大大提高系統的智能化程度和最大化的提高交通路口的通行效率，減少交通指揮人員的工作強度，改善城市交通的運行環境。并且隨著感應技術和手段的進一步發展，多交通路口多智能管理和控制系統將會成為交通路口運行管理的主流，如：隨著面陣激光雷達的民用化，激光雷達不僅可以實現感應檢測，還可以利用激光三維成像技術，實現交通路口的仿真指揮警察、仿真減速帶、攔阻墻和仿真人行通道等。
交通路口多智能控制系統適用于所有的平面和立體交通路口，由于其具備智能自動控制和無需人員值守的特點，對于缺少專人管理的居民小區、學校、廠礦、物流園區等非市政道路的管理，尤為適用。
參考文獻：
[1]苗啟廣，劉凱，孔韋韋，許鵬飛，譯.計算機視覺-模型、學習和推理[M].機械工業出版社，2017.
[2]胡明春，王建明，孫俊，譯.超寬帶雷達應用與設計[M].電子工業出版社，2017.
[3]周國清，周祥.面陣激光雷達成像原理、技術及應用[M].武漢大學出版社，2018.
[4]陸宇杰，譯.深度學習[M].
轉載注明來源:http://www.hailuomaifang.com/1/view-14870508.htm
