智能交通管理控制系统探析

【摘要】当前，我国交通拥堵现象尤为严重。据统计数据显示，2017年中国人均拥堵成本超过180h。所以减轻道路拥堵刻不容缓。目前解决拥堵问题的方法有区域收费法和限号限行法。这些方法虽然能够解决一部分交通拥堵，但是不够人性和合理，实施也有难度。交通拥堵成为城市生活中无法避免的一个问题。本设计基于数字图像处理技术，利用街道十字路口的监控摄像头，通过对路面图像进行图像去噪、图像灰度化、差分与二值化、边缘检测与分割、腐蚀膨胀等方法，识别并统计路口各方向上的车流量，再根据路口停车数量的多少对交通红绿灯的时间进行智能调控。本设计的特色在于利用数字图像处理技术统计车流量，而且可以根据道路通行信息改变交通信号灯的控制时间，使交通信号灯的控制更加合理科学。

【关键词】数字图像处理；智能交通管理控制；交通灯

1引言

1.1背景与现状

随着科技的进步，汽车走进了千家万户。拥堵逐渐成了全世界都面临的难题。堵车极大的影响了人们的出行，浪费了行人大量时间，造成公路运营效率降低。另外堵车时汽车尾气中污染物较多。破坏了环境，产生能源浪费。在中国，拥堵现象尤为严重，数据显示2017年中国人均年拥堵成本超过180h。全国大部分城市在通行高峰处于拥堵之中。每逢节假日还会出现大面积堵塞现象。因此改善道路通行情况，减轻拥堵显得十分重要。解决好堵车问题，便利人们出行，是我们从事这方面研究的原因和动力。

1.2国内外处理拥堵方法的利弊

1975年，新加坡实施区域通行证系统来缓解交通压力，在规定的区域内对通过车辆进行额外收费。收费标准按照区域内交通拥堵程度浮动。该方案实施后，效果明显，高峰时间交通量减少，平均车速和公交出行比例都有很大提高。英国伦敦于2003年开始对拥挤现象收费，在收费区域使用车☼辆自动识别技术，判断车辆有无进入收费区域，再收取一定金额的通行费。方案实施后，区内交通量明显减少，车速较大幅度提高。由国外成功的案例看出，对道路拥挤的路段额外收费是一种有效的交通管理手段。不过，这种办法在我国的运用仍然需要进行大量的探究和实验。在我国，应对拥堵主要的处理方法是限号和限行。通过在特定的日期对特定号码的车辆进行限制，禁止这些车辆在限行日行驶。但是这些措施虽然起到了减缓拥堵的效果，但是也带来了出行不便，不够人性化等问题。

1.3系统设计思路与优点

本设计的设计灵感源自生活中因交通灯不合理时长而造成的拥堵现象。在生活中，十字路ฆ口会出现横纵两个方向中一个方向车流量大于另一方向的车流量的现象。而交通灯的时长却不会随着车流量变化而变化，所以会出现某个方向上路灯持续时间不够，车辆难以通过，而另一个方向上却少有车辆的现象。本设计的思路是根据十字路口两个方向上的车流量相应控制交通灯的时间，使得交通灯的时间更合理，减轻拥堵。本设计还从智慧城市的概念中获得了灵感，将图像处理技术与交通系统结合起来。本设计的优点在于使用了图像处理技术来检ถ测车流量。与其他检测车流量方法相比，本设计具有成本低廉，操作方便，精确度高等优势。

2图像处理与车辆计数

本章介绍了系统实现的处理流程，首先通过图像预处理、图像边缘检测与图像分割、腐蚀膨胀等图像处理技术，实现车辆的识别与计数，最后使用通过计数计算时间。

2.1图像噪声去除

利用摄像头，我们可以获取道路图像。但受外界条件与设备影响，我们获取的图像往往有噪声。因此在处理图像之前，我们使用滤波器将图像去噪。常用的滤波方法有均值滤波和中值滤波。均值滤波和中值滤波都能够去除噪声。均值滤波是线性滤波的一种，它能够平均选定范围内的所有像素的灰度值。但均值滤波本身存在着不可避免的弊端，它不能有效地保护图像细节，在图像去噪的同时也破坏了一部分图像细节，使图像变得模糊。中值滤波是一种非线性滤波，它可有效地去除噪声，还能保护图像尖锐部分和边缘，所以处理效果比均值滤波好。中指滤波的处理办法是：将图像中选定区域的像素，按灰度值大小进行排序，选取某个像素的领域中含有的所有像素的灰度值中值作为该像素的灰度值。由于中值滤波能够有效去除噪声，并且它能完整地保存边缘、锐角等细节信息。我们优先使用中值滤波对获得的图像进行去噪处理。

2.2图像灰度化

通过中值滤波，我们得到了降噪后的图像，下一步需要对图像灰度进行处理。灰度图是一种具有只含亮度信息，不含有色度信息、亮度变化连续等特点的图像。和普通的彩色图像相比，灰度图中没有色度信息，因此将图像进行灰度化处理可以大大减少图像所含信息。在图像处理过程中，计算量也大幅减少，方便之后的操作处理和计算。因此要对图像进行灰度化处理，将彩色图转换为灰度图。为了实现图像灰度化，我们使用YUV颜色空间编码方法，YUV是一种像素格式，它将亮度参量和色度参量分开表示。Y为亮度信号，U和V为色度信号，而这样分开的好处就是不但可以避免相互干扰。因为亮度参量和色度参量分开，使得我们可以不受色度参量的干扰，获得图像中亮度信息，从而获得了我们需要的灰度图像。在彩色图像中，我们可以提取每个像素的颜色信息，即R、G、B值，然后将每个像素的R、G、B值通过公式转换为相应的亮度信息：Y=0.299×R+0.587×G+0.114×B，从而得到灰度图像。

2.3图像差分与二值化

为了方便检测运动图像，我们还需要将图像进行图像差分和二值化。常用的差分方法为背景差分法和帧间差分法。帧间差分法是通过把视频中相邻两帧图像做差分运算从而获得运动目标轮廓的方法。不同帧对应的像素点灰度值相减，再判断灰度差的绝对值，当绝对值超过设定的某一特定值时，即可判断为运动目标，从而检测到运动目标。但是帧间差分法对场景中光线渐变不是很敏感。当车辆静止时，无法通过此方法来检测车流量。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，获得一张纯净的道路图像，并将其设置为背景。再将之后的每一帧图像与这个背景模型相减，在差分后的图像中提取运动目标。图像的二值化可以将图像中每个像素点的灰度相应地调整为0或255。人为地设置一个阈值T，在对图像进行差分后，将差分结果与阈值T比较。当灰度值之差大于阈值T时用255替换像素的灰度值，当灰度值之差小于等于阈值T时用0替换像素的灰度值。背景差分法得到的结果直接反映了运动目标的位置、大小和形状。而且背景差分法可以用来检测运动不明显或静止的物体，因此我们使用背景差分法。

2.4边缘检测和图像分割

我们得到了黑白图像，便利我们进行边缘检测。在图像处理过程中，将图像中灰度值变化比较大的地方，定义为边缘。利用导数可以检测出像素灰度值的变化，检测到边缘。利用各种不同的算子，我们将图像进行边缘检测。可用的算子有So-bel算子、拉普拉斯算子、Canny算子等，经过对比我们发现Canny算子在边缘检测的过程中不会丢失边缘，也不会产生虚假的边缘，精确度更高。所以我们用Canny算子进行边缘检测，并利用Canny算子进行图像分割。

2.5腐蚀膨胀

在边缘检测后，我们得到的图像存在边缘不连续、内部空洞等现象。因此，我们需对图像进行形态学处理。根据车辆形态特点，我们使用图像的腐蚀、膨胀、闭运算三种方法。腐蚀是对图像高亮度部分的腐蚀和去除，可使渲染比原始渲染有更小的突出区域。腐蚀可去除图像中小且无意义的点。膨胀是腐蚀的补运算，它是膨胀的高亮度部分的图像，得到的图像有一个更大的突出面积比原始ข图像。膨胀可以填补图像中的内部空洞。先膨胀再腐蚀称为闭运算，它可以用来填充物体内部的小洞，连接相邻物体，平滑边界，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像，方便接下来的计数。

2.6目标计数与交通灯时间控制

使用matlab工具中提供的bwlable（）函数进行处理，ว通过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。在交通灯的使用过程中，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。其中Y+G+R=K。在统计车流量时，我们将一个方向上的车流量最大值记为a，另一方向上的车流量最大值记为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）由此便实现了对交通灯时间的控制。

3本设计的优点及创新

（1）本设计的创新在于根据监控录像中的信息统计道路上的车流量，再根据两个方向车流量的不同，按照比例关系相应调整交通灯的持续时长。令交通灯的时间控制变得更为合理高效，起到减缓局部路段拥堵的作用。同时交通灯的总时间K也可根据实际情况人为地调整，更加方便高效。

（2）本设计可成为智慧城市的一部分。本设计令视频监控系统和交通灯系统协作，使城市交通规划更加合理，居民出行更加舒心，城市生活更加便捷。道路通行信息还可通过网络、广播等形式通知给城市居民，智能地为居民规划出行路线。

（3）本设计还可将通行情况上传至数据库，众多通行数据在数据库中整合、分析。可以科学地对交通进行宏观调控，也可分析出居民的出行方向和人口密集区域，更好的为居民提供服务。大数据处理使得智能交通管理控制有了更多的方法和可能性。

4总结与展望

本设计将图像信息处理技术和交通灯的控制结合起来，为交通灯有计划的实时控制提供了解决办法。在科技发达的今天，城市生活变得更加智能化。但城市拥堵仍然是城市中存在的难题，我们希望我们的设计能够有效的减轻城市拥堵现象，同时希望将来会有更多新技术用来解决交通拥堵问题。相信不久后，城市拥堵问题会被彻底解决，出行将变得舒心舒畅。

参考文献

[1]田苏慧敏.基于视频图像处理的车辆检测与车流量统计平台的设计实现[D].宁夏大学，2015.

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

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

[4]马怀志.基于视频图像处理技术的车流量检测系统的设计与研究[J].长春工程学院学报（自然科学版），2015，16

（4）：104~107.

[5]许成闯.基于视频的车流量检测技术研究与实现[D].南京理工大学，2014.