智能交通信号灯控制策略

背景介绍

  调查发现，通勤时间对人们生活幸福度具有较大的影响，如何有效的减少人们的平均通勤时间，实现以人为本的生活理念，是急需解决的问题。从平均通勤时间来看，全国十大城市中，北京和上海位居前两位，平均通勤时间接近1小时，其他城市均在40分钟左右，如下图所示。影响通勤时间的因素较多，包括通行距离以及道路拥堵情况等影响因素，因此本文提出智能交通信号灯控制策略，提高道路通行能力，缓解道路拥堵，从而缩短人们通勤时间。

红绿灯控制策略的不足

  十字交叉路口在城市交通环境中占据了重要的地位，优化单个交叉路口的通行能力对提高道路网络的性能具有十分积极的作用。近期对北京十字路口信号灯进行调研分析，发现有两方面可以改进优化：1、基于人流信息的信号灯控制策略；2、特殊场景下的信号灯控制策略。

清华大学东南门口

  有没有偶尔觉得红绿灯十分的（sha），在空无一人的街道，红绿灯依然给你亮出了红牌，增加人们等待时间，使得人们潜意识趋向于闯红灯，从而极大的提升了交通事故的发生率。

北京鸟巢

  城市具有密集的人口，人流量大的地方，往往需要交警手动调节红绿灯相位的分配，从而提高道路的通行能力，如何使得信号灯具有大脑，把交警从繁重的工作中解脱出来，具有重要的意义。

智能控制策略

  智能交通信号灯控制策略主要包含道路信息获取、智能控制策略以及信号灯相位分配的改变三个方面。本部分提出的控制策略，主要是改善传统信号灯相位分配过程中存在的弊端，突出行人在通过十字路口过程中的重要性，体现以人为本的设计理念，具体过程如下所示：

具体实施方法

• 1、车辆信息采集

  交通车辆数据获取是实现信号灯智能控制的前提；目前，国内主流的数据获取方式有：图像法、感应线圈、磁力感应、视频检测以及GPS浮车法等。

• 2、人流密度的采集

  视频检测方法结合图像处理技术以及模式识别算法，能够轻易的获取行人信息；项目中可以采用Yolo v5算法，实现行人状态的检测。附：图像检测的精度容易受天气以及障碍物等因素影响，可以采用感应线圈、视频检测以及其他传感器相结合的方法，获取交通路口人流信息。其中其他传感器可以采用压力、热成像仪等，进而得到人流密度ρ；

• 3、智能控制策略理论基础

  采用负反馈机制，建立理论模型，具体包含权重分配以及道路通行能力的量化两方面内容，进而通过优化算法为信号灯控制策略提供基础。

  e (k) 表示道路某一方向中交通状态量的变化情况：

  其中，λ _i 表示各类型车辆及其行人权重的分配，式中 λ ₁ 表示私家车所占权重；λ ₂ 表示非私家车所占权重（主要包括公共交通）：λ ₃ 表示行人所占权重。根据各地方政府对不同车辆种类的重视程度，可以通过改变λ _i ( i =1，2，3）。

  因此，可以采用一个综合的指标T来表示道路上的交通情况：

e(k)表示道路某一方向中交通状态量的变化情况，以此参数作为数字PID的输入端，来进行分析与处理。

其中：

• 4、红绿灯控制的具体实现

  照顾到行人及车辆通过路口的最短时间，设置信号灯的最小相位时间Tmin，当智能控制方法计算得到的相位时间小于Tmin时，不管T是何值，都不改变红绿灯相位。当且仅当t>Tmin，T>0时，改变信号灯相位，具体过程如下：