信号交叉口时空资源综合优化实用方法及车道功能划分研究

发布时间：2015-01-04 21:41

 

【摘要】 信号交叉口时空资源综合优化就是对交叉口时空资源进行整合得到最优的设计方案,它是信号交叉口优化设计的关键技术,更是论文的研究主题。以该主题为核心,论文的研究范畴可划分为五大部分:设计流程、空间优化设计、相位和相序设计、时间优化设计以及时空资源综合优化。第一部分是框架,中间三部分是制定初始设计方案,第五部分则是对初始方案的优化,后四部分是对第一部分的展开,是论文的核心,构成一个彼此联系、完整统一的方法体系。在什么情况下交叉口需要设置信号灯?设置信号灯的交叉口应该按照什么样的流程进行优化?论文的第一部分回答了这2个问题,并提出信号交叉口设计应以最优为原则,而不应仅停留在满足服务水平的层面上,从而明确论文研究的前提和大方向。空间设计的主要任务是完成交叉口车道功能划分,对此,论文的第二部分重点研究了三方面:①左转车道设置;②右转车道设置;③车道功能划分。左转是交叉口最难以处理的问题,始终是交通工程师面临的难点。主要讨论以下几个方面:①左转车道的设置依据;②左转设计长度;③多条左转车道的设置;④左转车道的设置形式和设计方法;⑤左转车道的几何设计和其它注意事项。用概率论和排队论研究了左转车道的设置依据——左转交通量的阈值。综合考虑交通运行效率和安全两个方面,建议在一般情况下,交叉口进口道都应设置左转专用车道。左转车道的设计长度是一个关键的设计要素,首先研究了渐变段和减速段长度的计算,分别研究了有左转保护相位和无左转保护相位时左转存储车道长度的设计方法,并提供了设计表格。对多条左转车道的设置条件和相关事项进行了讨论。正确的设置方式和设计对左转车道安全、高效地发挥其运行效率至关重要,因此,讨论了左转车道的设置方式、转弯半径、交叉口转弯导流线以及标志、标线等。建议在有条件的情况下,左转车道应采用“屏蔽”的设置方式,并给出了不同情况下的设置方法。对于我国混合交通流的状况,右转交通的解决也很重要。与左转车道类似,研究了右转车道的设置依据、存储长度和几何设计等。从安全和交通运行效率两方面分析了右转车道设置的依据,根据HCM2000的研究结果,绘制了进口右转车道设置准则图。右转车道长度除了满足减速和排队的要求,还要满足停车视距的要求。在研究了左转车道设置和右转车道设置两个子问题的基础上,以进口道车道数与路段车道数的匹配和进口道与出口道的匹配为准则,建立了车道功能划分的方法,确定车道功能划分矩阵。信号相位设计是交通信号设计中最具创造性的部分,这是论文第三部分的研究内容。从安全和交通效率两个方面研究左转相位的设置。分析了左转保护相位的设置原则和设置条件,建立了判断左转保护相位的流程,并制定了判定表格。对典型左转保护相位的形式进行研究,讨论了其各自适用情况和条件。同样,对右转讨论了右转保护相位的设置条件、相位形式、适用情况及RTOR。简要分析了相位转换的兼容性,包括直行与直行、直行与左转、左转与左转等。以基本两相位为起点进行逐个判定,判断是否需要设置左转和右转保护相位,设置什么形式等,根据相位的兼容性选择恰当的相位连接方式,即得到了完整的相位方案。信号交叉口设计包括车道功能划分、相位设计和信号配时,前两个问题在论文第二和第三部分中已得到解决,论文的第四部分要解决信号配时,从而完成信号交叉口初始方案设计。 

第1 章 绪论

 

1.1  研究背景与意义

1.1.1  选题背景

随着我国经济的快速发展，以及城市汽车保有量持续增长，许多大中城市道路交通拥挤问题日益严重。城市拥堵对人类社会造成的影响是多方面的，它会加重城市空气环境的污染，降低城市运转的执行效率，从而削弱城市的竞争活力。针对特大城市道路交通拥堵和城市活动效率的下降，提出可行有效的解决方法是一个世界性难题。近年来北京市政府努力实行“人文交通、科技交通、绿色交通”的发展理念，实现了交通事业的跨越式发展，交通需求的发展趋势更加迅猛。面对日益严重的交通堵塞问题，北京市政府采用了摇号购车和机动车尾号限行等行政手段来减小道路交通压力。但是，由于交通需求总量急剧增长，同时交通需求构成的多样性和复杂性，导致交通供需紧张的状况难以得到根本解决，北京交通拥堵成为城市交通状况的典型缩影和亟待解决的社会问题。

解决交通拥堵必须认识交通拥堵发生过程的原因，例如文献[1]中的描述：1)、交通规划（土地利用不合理等）；2)、交通设计（交叉口渠化不合理，自身道路条件的局限性，交叉口信号配时不合理，交叉口设施不完善、公交车停靠站点不合理等）；3)、交通管理（车辆运行秩序混乱等）。交通拥堵的起因有多种，主要是由于交通供求不平衡导致的。交通拥堵发生的时间通常是居民出行的高峰时段或者出现交通事故。在城市交通运行过程中，交通需求是随时间变化的。低峰和平峰期间，道路交叉口停车线后的车辆排队一般不会很长，一个周期内基本能够释放所有到达的车辆，但是在高峰期间，到达交叉口的车辆通常会出现二次甚至多次排队，从而形成城市交通多米诺效应，这些道路网络相邻的交叉口所引起的交通连锁阻塞现象在北京是十分常见的。

城市道路交通网络的通行能力受网络中各交叉口的制约，车辆经过交叉口的延误时间是评价交叉口的运行效率和服务水平的重要指标，据有关资料统计，车辆在城市中的行程时间约有 1/3 耗费在交叉口。因此，在有限的空间和其它经济、环境条件制约下，如何缓解交叉口的交通拥挤提高道路的使用率是需要迫切解决的问题。智能交通系统（Intelligent Transportation System, ITS）已成为城市交通运输的研究重点和发展方向。智能交通系统是通过先进的信息技术、数据通讯传输技术、电子传感技术、电子控制技术以及计算机处理等技术对整个交通运输管理体系进行准确，有效，安全的监控和管理。

 

1.2  国内外研究现状

交通视频获取简单、便捷，从交通视频中获取各种交通参数具有较高的性价比，目前已成为提取交通参数的主流方法之一。除此之外，通过交通视频可以对大场景范围内交通流特性以及交通行为进行分析。下面总结与交通参数检测和交通流特性分析以及多摄像机信息融合有关的研究方法和成果，同时分析现有方法的不足之处。

1.2.1  交通参数检测与交通行为分析

基于视频的交通参数检测方法主要有两种：分别是基于车辆检测的方法和基于车辆跟踪的方法。基于车辆检测方法能够检测常规的各种交通参数（例如：车辆数目、车辆速度、车辆类型等），基于车辆跟踪方法除了能够检测常规的各种参数外，还能够对车辆行为进行分析（例如：交叉口车辆换向率、车辆换道率、异常行为等）。受交通信号灯的控制，车辆在交叉口入口路段出现周期的排队与消散过程，通过检测和跟踪运动和静止车辆能够获取车辆排队长度、停车延误、起动波速度和消散时间等交通参数。

1.2.1.1  车辆检测

通过车辆检测获取传统的交通参数的方法主要有：模拟地感线圈的虚拟线圈的方法、基于虚拟线生成时空图的方法、基于机器学习分类的方法、基于前景分割的先验知识方法（对称、颜色、阴影、拐点、边缘、纹理、车窗和车灯等）等。将上述几种方法有机结合来检测交通参数能够获取更加准确的检测精度。

基于虚拟线圈的检测方法是采用视频图像模拟地感线圈的工作原理进行检测，通过虚拟线圈内图像的变化来判断是否有车辆通过从而获得交通参数。文献[11]提出了一种基于指数熵的车辆检测方法，通过图像中虚拟线圈内颜色信息来分割目标实现车辆检测。文献[12]从设定的虚拟线圈内的前景面积、纹理变化、像素运动等特征来检测车辆，针对这三个特征进行多特征级数据融合来提高车辆检测精度，并利用虚拟线圈内像素运动向量来估计车速。文献[13]利用背景差法提取当前图像车辆运动区域的图像边缘信息，对处于虚拟线圈内的边缘进行连通性分析并填充得到连通边缘，以连通边缘的像素数量和连通域像素数量作为训练神经网络的输入特征来判别虚拟线圈内有无车辆。文献[14]利用虚拟线圈内图像的边缘特征、纹理特征、颜色特征和运动特征训练支持向量机，来对新输入的样本进行分类来判别虚拟线圈内有无车辆。

 

第2 章 基于复式伸缩窗的车辆排队与消散过程快速检测

 

2.1  引言

排队长度是评价交叉口服务的很重要的性能指标之一，它是车辆在交叉口累计到达和离开形成的，也被认为是车辆排队形成与消散过程的结果。国内外学者已经提出了一些基于视频图像处理的车辆排队自动检测方法。根据检测区域内是否存在车辆，以及车辆是否静止不动的车辆排队判断准则，文献[62]提出了一种判断检测区域内是否发生了车辆排队现象的快速检测方法。文献[64,67,68]提出了一个固定宽大约一辆车长的虚拟检测区域，从队首往后逐渐移动到队尾来检测车辆排队长度，由于该虚拟检测区域不可能正好覆盖队尾的车辆，导致用该检测方法检测出来的排队长度误差很大。文献[65]通过神经网络训练来获取更好的车辆排队长度估计值。文献[69]提出了一个固定宽度能按照车辆排队长度自动调整的伸缩窗，但是随着车辆排队长度增加，该方法将会错误地把队列尾部运动的车辆也会加入到排队队列中。

综上所述，现有的基于视频图像处理的车辆排队长度自动检测方法只能解决交叉口红灯期间的车辆排队长度的自动检测。有时车辆通过交叉口可能要经过多次排队，也就是旧队列还没有消散完毕，在停车线处又形成了新的队列时，用上述方法就无法检测出真正的车辆排队长度，同时在早晚高峰时间，当光线比较暗时，图像中车辆的边缘信息也相对比较少，用该检测方法检测出来的排队长度误差也比较大。

本章根据交叉口的车流波动理论，通过视频图像处理方法，检测指定区域内车辆是否存在和是否运动，采用队尾伸缩窗和队头伸缩窗分别实时地跟踪排队车辆队尾和队头离停车线的位置，也就是实时跟踪停车波和起动波。通过这两个伸缩窗相互协作，构成描述排队首尾伸缩变化的复式伸缩窗，来快速检测交叉口车辆排队形成和消散过程。根据跟踪队尾和队头的结果，车辆排队长度和停车延迟时间等重要参数就可以轻易得到。当车辆通过交叉口可能要经过多次排队时，只需要在每个车道上增加多组复式伸缩窗按次序循环操作，就可以实现多次车辆排队与消散过程的快速检测。

基于机器学习的方法对于运动车辆和静止车辆都能获得好的检测效果。针对早晚高峰时间光线变化的特点，本章采用半监督学习方法中的 Co-training 方法 对基于 Haar 特征的 Adaboost 分类器进行学习训练后，可以提高该分类器检测车辆的鲁棒性，使其适应外界环境的变化。通过融合基于 Haar 特征的Adaboost 分类器对车辆进行识别形成候选区域，再检测该候选区域内车辆是否存在和是否运动，来对车辆队尾和队头的跟踪位置进行修正，从而可以更加准确地描述交叉口车辆排队形成和消散过程。

 

2.2  队头与队尾位置检测

2.2.1  系统处理流程

为了检测车辆排队与消散过程，摄像机的架设位置有两种方式：一种是固定架设在交叉口停车线前面对着车辆头部俯视拍摄，另一种是固定架设在停车线后入口路段相隔一段距离对着车辆尾部俯视拍摄。图2-1中a)为摄像机在交叉口停车线前面俯视拍摄车辆排队与消散过程。

 

 

通过视频图像处理方法来检测车辆是否存在和是否运动，提出了复式伸缩窗算法来实时跟踪排队车辆队尾和队头离停车线的位置，如图 2-1中b)所示。通过对队尾和队头实时跟踪来实现对车辆排队与消散过程的快速准确地检测，其处理流程如图2-2所示。具体处理流程如下：

(1)  预处理。将彩色视频图像转换成灰度图像，并进行高斯滤波来消除噪声的干扰；

(2)  车辆存在及运动检测（见第 2.2.2 节）。分别采用数学形态学和相邻三帧差法提取出图像中车辆的边缘和运动信息生成边缘图像和帧差图像，再分别通过边缘图像和帧差图像中像素点的灰度密度来判断车辆是否存在和是否运动。

 

 

 

第3章 基于对偶摄像机的交通波实时检测与跟踪.........35

3.1  引言.........35

3.2  问题描述.....................36

3.2.1  车辆排队与消散过程的描述............36

3.2.2  摄像机架设及问题分析...........37

第4章 分布式视频网络架构下的交通波实时检测与跟踪........59

4.1  引言............59

4.2  问题描述与系统框架.................60

第5章 交叉口内交通流特性的车辆轨迹多层谱聚类分析方法..........77

5.1  引言..............77

5.2  系统框架...................78

 

第6 章 交叉口入口路段高峰期车流量及车辆换道率检测

 

6.1  引言

当前城市道路交通拥堵日益严重，尤其在早晚高峰时间段，当车辆排队过长时，车辆往往需要经过多次走停才能顺利通过交叉口。与快速路或高速路相比，由于受到交通信号灯的控制，交叉口车辆表现出集群的交通特性，车辆间距小，遇到红绿灯时走走停停。同时交叉口交通行为相对复杂，车辆相互干扰严重，特别是在交叉口入口路段停车线后200米以内，车道数会发生变化，车辆存在大量换道插队行为，并潜在严重的交通安全隐患。前车频繁换道插队会影响后车行驶速度，而后车缓行又会引发更多的换道插队需求，最终形成循环放大效应。针对早晚高峰时间段，快速准确地获取反映交叉口交通行为的重要交通参数（例如：车流量、车辆换道率等），从而深入研究交叉口交通混杂本质行为，无疑将有助于合理配置交通控制策略，有效地减少车辆停车延误，达到缓解交通拥挤的目的。

目前，国内外研究人员以多种车辆检测器为技术手段，开展了各种交通参数检测方法。通过地感线圈只能检测该线圈位置点的各种传统的交通参数，其他的交通参数只能通过模型来估计。文献[58]采用两路地感线圈分别检测封闭路段上下游车辆到达率和驶出率，通过混杂技术实时估计车辆延迟时间和检测区域内最大排队长度，而这些估计值往往会受到车辆换道插队行为的影响。与传统的地感线圈相比，视频检测器安装维护方便，价格低廉，特别是能够对车辆交通行为进行检测和分析（例如车辆换道插队），给人们以直观的交通运行情况展示，当前已经被广泛应用于交通监控应用中。目前常用的基于视频的交通参数检测方法有两种：(1)、基于虚拟线圈或虚拟线的方法；(2)、基于车辆跟踪的方法。

 

结 论

本文采用交叉口及入口路段架设的摄像机网络获取交通视频，通过视频图像处理技术，来检测各种交通参数以及分析交叉口交通流特性中关键技术进行研究。本文研究成果为优化交通信号控制策略提供数据来源，同时也为交通信号控制的性能评价提供参考依据。本文主要工作和研究成果按照章节顺序总结如下：

（1） 基于复式伸缩窗的车辆排队与消散过程快速检测。

根据车流波动理论，在单摄像机中，提出了一种复式伸缩窗算法来对车辆排队与消散过程进行快速检测。根据检测指定区域内车辆是否存在和是否运动，采用队尾伸缩窗和队头伸缩窗分别实时地跟踪排队车辆队尾和队头离停车线的位置，也就是实时跟踪停车波和起动波。通过这两个伸缩窗相互协作，构成描述排队首尾伸缩变化的复式伸缩窗，来快速检测交叉口车辆排队形成和消散过程。同时针对早晚高峰时间光线变化的特点，通过融合基于 Haar 特征的Adaboost 分类器对车辆进行识别形成候选区域，再检测该候选区域内车辆是否存在和是否运动，来对车辆队尾和队头的跟踪位置进行修正。实验结果表明该方法能实时准确地跟踪队尾和队头的位置，能适应早晚高峰光线亮暗的变化过程。

（2） 基于对偶摄像机的交通波实时检测与跟踪。

针对单台摄像机中，当车辆离摄像机的远近引起的定位精度变化，以及车辆之间的遮挡、摄像机拍摄车流的方向等因素对交通波跟踪精度的影响，提出了基于对偶摄像机检测数据的决策层数据融合方法。首先将两摄像机的世界坐标系统一到同一道路平面坐标系上，分别计算队尾和队头离停车线的实际距离，笔耕文化传播，再采用加权最小二乘法进行融合，来提高队尾和队头位置的检测精度，同时根据协方差传递理论，来对摄像机权重进行估计。

由于决策层是最高层次的数据融合，其中任一摄像机跟踪精度下降都会直接影响最终的融合结果。进一步提出了基于对偶摄像机像素层数据融合方法，通过两摄像机相互配合，来实时检测和跟踪交通波中的停车波、起动波和驶离波。由于摄像机架设高度有限，为了减少车辆高度带来的投影误差，降低车队长度对定位精度的影响，采用加权最小二乘法将两摄像机视野重叠区域进行像素层数据融合。采用融合基于Haar 特征的Adaboost 分类器的复式伸缩窗算法对车辆头部和尾部进行检测，通过 LBP 纹理特征直方图进行匹配得到候选车辆的运行速度，来对停车波和起动波进行更精确的快速定位，提高系统对变化光照的鲁棒性。同时，通过融合两摄像机感兴趣区域内稀疏特征点跟踪方法，以获取车辆消散速度来实时跟踪驶离波。实验结果表明，该方法不仅可以检测更多的交通参数，如排队长度、停车延误、消散时间等，同时具有更高的精度和系统鲁棒性。

参考文献:

[1] 张海军,杨晓光,张珏.  两种交叉口信号相位设计方法的比较[J]. 交通与计算机. 2005(01)
[2] 陆建.  面向可持续发展的城市交通系统规划目标研究[J]. 东南大学学报(自然科学版). 2004(06)
[3] 俞洁,杨成斌.  交通流理论发展分析[J]. 合肥工业大学学报(自然科学版). 2004(02)
[4] 王浩,彭国雄,杨晓光.  相位相序安排与交叉口设计之间的关系[J]. 公路交通科技. 2004(02)
[5] 成卫,张瑾,姜华平.  信号交叉口左转保护—许可相位转换阈值研究[J]. 昆明理工大学学报(理工版). 2003(06)
[6] 梁仕宇.  浅析多相位交通信号控制[J]. 道路交通与安全. 2003(04)
[7] 周彤梅,杜亚勋.  多相位信号控制的应用研究[J]. 中国人民公安大学学报(自然科学版). 2003(04)
[8] 成卫,丁同强,李江.  基于知识库的平面交叉口多相位信号设计理论研究[J]. 公路交通科技. 2003(03)
[9] 王殿海,曲昭伟.  对交通流理论的再认识[J]. 交通运输工程学报. 2001(04)
[10] 彭国雄,王浩,杨晓光.  诱导条件下信号灯相位相序设计[J]. 中国公路学报. 2001(04)



本文编号：10999