论文部分内容阅读
【摘要】 智能交通信号灯是通过在十字路口地下安装传感器计算各方向来往的车流量，然后将数据进行计算与分析而达到对信号灯的智能调节，节省了大量人力物力，也高效率的缓解了城市交通的压力，但是该系统没有考虑行人因素，所以我们提出人车结合的想法，通过在人行道口安装3D人流计数器来统计人流量然后输入云端与车流量结合实现智能调节，进一步缓解部分路口因行人引起的交通拥挤，亦可以减少交通事故的发生，使城市交通更加流畅。
【关键词】 人车流量组合 自动控制
一、研究背景及意义
近年来，智能交通信号灯的运用大大减轻了城市交通的压力，它是通过在十字路口计算各方向来往的车流量，然后将数据进行计算与分析从而达到对信号灯的智能调节，但此系统却忽略了人行道上的人流量对其的影响。因为单一的考虑车流量不能各更加全面的解决城市交通拥堵的情况，本文在原有智能交通信号灯调节系统上融入“行人”因素，特别是对于行人因素影响较大的十字路口。
二、设计构思及方案
本项目提出的智能交通控制系统方案是在原有的智能交通信号灯上更好的将交通系统中的核心控制单元即路边单元也趋向智能化，我国目前运用的智能交通信号灯“智能”一词主要体现在运用在十字路口地下安装传感器的方式来计算各方向来往的车流量，然后将数据进行计算与分析从而达到对信号灯的智能调节，而本项目提出的将路边单元中的“人流量”元素融入其中的想法也得到了部分民众的认可，其原理是在路口两端安装客流3D计数器来统计不同时间段里不同人群的人流量，然后再从数据库里提取“不同人群的步速”“被调查路口的人行道长度”“被调查路口的路况”等等。最终将这些数据输入云端与“车流量”元素进行结合并计算。因3D客流计数器针对的是行人，所以一般会安置于路边单元中的行人信号灯或十字路口路灯上，这样就满足了本段开头提到的将交通系统中的核心控制单元即路边单元也趋向智能化的想法。
本文中提到的智能控制系统即在交通路口的路边单元与智能交通信号灯，其中路边单元是核心控制单元，由深度学习检测模型构成的车辆、行人检测模块，拥堵判定模块和通信模块三个部分组成;智能交通信号灯是主要的显示单元，包括通信模块，智能调节模块与信号灯显示模块。车辆、行人检测模块的深度学习检测模型为预训练，即利用深度学习的方法对包含多种车辆和行人特征的历史道理交通图像进行学习，以得到所需的深度神经网络模型，完成训练的模型可自动识别高清道路图片中的车辆与行人，并对车辆与行人的数自进行统计。深度神经网络模型的训练过程可是：采集交叉路段的历史交通数据，包括视频文件及对应图片等，数据应具有普遍性尽量清晰且包含尽量多种常见车型以及各种行人的步速，将数据转为统-大小的图片，标出图片中车辆的具体位置和行人的数量并设立相应的位置标签，从而得到交叉路口路段样本及位置标签。将含有位置标签的图片数据送入设计好的卷积神经网络模型中进行训练，得到对道路交通中的车辆与行人数据特征进行学习后的神经网络模型，即深度神经网络模型[1]。
三、工作原理
（1）路边单元工作流程：①图像采集：在人行道两端的交通信号灯上安装3D客流计数器来对不同时间段的人流图像进行采集。②车辆、行人检测：将摄像头实时采集到的车辆与人流的信息与交通信号灯中的云计算系统检测块结合，从而推算出各个方向的实时人车总流量。③拥堵判定：根据不同车流量区间和人流量区间设定拥堵级别，车流量越大，人流量越高其拥堵程度越大，从而在通行上将会拥有更多的通行时间。从中加入人流量因素考慮进行云处理从而合理分配信号灯路口通行权。④信息传递：将拥堵判定结果传递到智能交通信号灯。
（2）交通信号灯控制系统组成：①交通信号灯控制系统主要由控制中心、定时器、信号源与信号传输器等组成。②控制中心主要是此系统的核心，他是整个系统的大脑！③定时器是由信号源里的信号脉冲与想匹配的脉冲计数器构成的，他是由计数器在特殊情况下清零，随后再随着脉冲的上升从零开始递增记熟，最终向控制中心提供TY和TL两种特殊信号。④信号源：信号源主要是给系统中的定时器与控制中心提供各种特殊的控制信号。⑤信号传输器：信号传输器主要是把控制中心输出的几种特殊的工作状态信号转化成某两个或几个车道上信号灯的工作状态。
结语：本文是在智能信号灯系统的基础上，提出车流量与人流量结合的智能调节。本文的研究方案在原有系统的基础上进行优化，成本较低，操作简单，可实施性高，大大降低城市的交通拥堵情况。减少交通事故的发生，给人民群众提供更好地出行环境。
参 考 文 献
[1]尚文海.基于人工智能的交通信号灯系统[J].电子世界.2017
[2]王宇飞，张宏伟，胡治国.交通灯控制电路[R].河南理工大学.2010
陈乐霄（2000—），男，汉，皖亳州，本科在读，安徽三联学院，交通工程。
基金项目：省级大学生创新创业训练计划项目“红绿灯根据车流量和人行道人流量自动调节绿灯时间”（201810959091）
【关键词】 人车流量组合 自动控制
一、研究背景及意义
近年来，智能交通信号灯的运用大大减轻了城市交通的压力，它是通过在十字路口计算各方向来往的车流量，然后将数据进行计算与分析从而达到对信号灯的智能调节，但此系统却忽略了人行道上的人流量对其的影响。因为单一的考虑车流量不能各更加全面的解决城市交通拥堵的情况，本文在原有智能交通信号灯调节系统上融入“行人”因素，特别是对于行人因素影响较大的十字路口。
二、设计构思及方案
本项目提出的智能交通控制系统方案是在原有的智能交通信号灯上更好的将交通系统中的核心控制单元即路边单元也趋向智能化，我国目前运用的智能交通信号灯“智能”一词主要体现在运用在十字路口地下安装传感器的方式来计算各方向来往的车流量，然后将数据进行计算与分析从而达到对信号灯的智能调节，而本项目提出的将路边单元中的“人流量”元素融入其中的想法也得到了部分民众的认可，其原理是在路口两端安装客流3D计数器来统计不同时间段里不同人群的人流量，然后再从数据库里提取“不同人群的步速”“被调查路口的人行道长度”“被调查路口的路况”等等。最终将这些数据输入云端与“车流量”元素进行结合并计算。因3D客流计数器针对的是行人，所以一般会安置于路边单元中的行人信号灯或十字路口路灯上，这样就满足了本段开头提到的将交通系统中的核心控制单元即路边单元也趋向智能化的想法。
本文中提到的智能控制系统即在交通路口的路边单元与智能交通信号灯，其中路边单元是核心控制单元，由深度学习检测模型构成的车辆、行人检测模块，拥堵判定模块和通信模块三个部分组成;智能交通信号灯是主要的显示单元，包括通信模块，智能调节模块与信号灯显示模块。车辆、行人检测模块的深度学习检测模型为预训练，即利用深度学习的方法对包含多种车辆和行人特征的历史道理交通图像进行学习，以得到所需的深度神经网络模型，完成训练的模型可自动识别高清道路图片中的车辆与行人，并对车辆与行人的数自进行统计。深度神经网络模型的训练过程可是：采集交叉路段的历史交通数据，包括视频文件及对应图片等，数据应具有普遍性尽量清晰且包含尽量多种常见车型以及各种行人的步速，将数据转为统-大小的图片，标出图片中车辆的具体位置和行人的数量并设立相应的位置标签，从而得到交叉路口路段样本及位置标签。将含有位置标签的图片数据送入设计好的卷积神经网络模型中进行训练，得到对道路交通中的车辆与行人数据特征进行学习后的神经网络模型，即深度神经网络模型[1]。
三、工作原理
（1）路边单元工作流程：①图像采集：在人行道两端的交通信号灯上安装3D客流计数器来对不同时间段的人流图像进行采集。②车辆、行人检测：将摄像头实时采集到的车辆与人流的信息与交通信号灯中的云计算系统检测块结合，从而推算出各个方向的实时人车总流量。③拥堵判定：根据不同车流量区间和人流量区间设定拥堵级别，车流量越大，人流量越高其拥堵程度越大，从而在通行上将会拥有更多的通行时间。从中加入人流量因素考慮进行云处理从而合理分配信号灯路口通行权。④信息传递：将拥堵判定结果传递到智能交通信号灯。
（2）交通信号灯控制系统组成：①交通信号灯控制系统主要由控制中心、定时器、信号源与信号传输器等组成。②控制中心主要是此系统的核心，他是整个系统的大脑！③定时器是由信号源里的信号脉冲与想匹配的脉冲计数器构成的，他是由计数器在特殊情况下清零，随后再随着脉冲的上升从零开始递增记熟，最终向控制中心提供TY和TL两种特殊信号。④信号源：信号源主要是给系统中的定时器与控制中心提供各种特殊的控制信号。⑤信号传输器：信号传输器主要是把控制中心输出的几种特殊的工作状态信号转化成某两个或几个车道上信号灯的工作状态。
结语：本文是在智能信号灯系统的基础上，提出车流量与人流量结合的智能调节。本文的研究方案在原有系统的基础上进行优化，成本较低，操作简单，可实施性高，大大降低城市的交通拥堵情况。减少交通事故的发生，给人民群众提供更好地出行环境。
参 考 文 献
[1]尚文海.基于人工智能的交通信号灯系统[J].电子世界.2017
[2]王宇飞，张宏伟，胡治国.交通灯控制电路[R].河南理工大学.2010
陈乐霄（2000—），男，汉，皖亳州，本科在读，安徽三联学院，交通工程。
基金项目：省级大学生创新创业训练计划项目“红绿灯根据车流量和人行道人流量自动调节绿灯时间”（201810959091）