基于神經網絡的嵌入式智能交通指揮系統的設計與實現

鄒熒熒

（廣西德意數碼股份有限公司 廣西南寧市 530022）

基于神經網絡的嵌入式智能交通指揮系統的設計與實現

鄒熒熒

（廣西德意數碼股份有限公司 廣西南寧市 530022）

交通運輸作為國民經濟的基礎，其所存在的問題是各國面臨的共同問題，為了緩解或解決交通問題，建設智能交通系統成為重要的措施。本文中所述的基于神經網絡的嵌入式智能交通指揮系統屬于智能交通系統中關于智能交通管制、動態路徑引導、智能信號、公共交通優先、智能車輛管理的一部分，由物聯采集傳輸端，信號控制端及智能分析調度平臺構成。系統是結合視頻采集和嵌入式物聯信息采集技術和GIS、移動通訊無線通信技術進行數據采集和傳輸，獲取交通流量和路況環境數據，并以研究和實現的人工神經網絡建模和算法進行實時計算與分析，得出最優的交通策略，實現交通指揮智能化、自動化、科學化。

智能交通；神經網絡；數據采集；分析調度；智能交通管制；動態路徑引導

1 前言

交通運輸作為國民經濟的基礎，對于經濟發展和社會進步具有重要的作用。但是當前交通問題仍是各國面臨的共同問題，為了緩解或解決交通問題，投入建設智能交通系統成為重要的措施。所謂智能交通系統就是將先進的信息技術、數據通訊傳輸技術、電子傳感技術及計算機軟件處理技術等有效地集成運用于整個地面交通管理系統中而建立的一種在大范圍、全方位發揮作用的高效、便捷、安全、環保、舒適、實時、準確的綜合交通運輸管理系統。本文中所述的基于神經網絡的嵌入式智能交通指揮系統就屬于智能交通系統中關于智能交通管制、動態路徑引導、智能信號、公共交通優先、智能車輛管理的一部分。

2 設計目標

（1）搭建基于安全平臺的智能交通分析調度系統，實現人工神經網絡的交通數據分析，并對交通樞紐的監控和調度。

（2）完成面向智能交通管制、動態路徑引導、智能信號交通的人工神經網絡建模和相應算法的研究，實現該模型和算法模塊的開發，并完成交通流量采集傳輸端和交通信號燈控制端的集成開發。

（3）實現系統依據實時車流數據和實際環境，智能控制信號，科學引導車輛通行。

3 基于神經網絡的嵌入式智能交通指揮系統設計

3.1 應用模型

該系統由物聯采集傳輸端，信號控制端及智能分析調度平臺構成。系統應用示意圖如圖1所示。

圖1 系統應用示意圖

（1）采集傳輸端，由地感線圈、視頻攝像槍和移動通訊無線傳輸模塊組成。當行人和車輛經過車道，由地感線圈和視頻槍采集得到交通流量數據，由移動通訊傳輸模塊將流量數據和相關的環境參數發送至信號控制端和分析調度平臺。

（2）信號控制端，由人工神經網絡模型及算法模塊、信號控制器和移動通訊無線傳輸模塊組成。當控制端接收到流量數據和相關的環境參數后，人工神經算法模塊自我學習，進行策略對比，并計算出最優的交通疏導算法，從而控制交通信號燈的時間。并通過移動通訊無線傳輸模塊將得到的策略和數據與分析調度平臺進行同步。

（3）分析調度平臺，是整個系統的管理中心、數據存儲中心、數據分析中心、指揮調度中心。負責接收采集端和控制端的的所有數據，并進行存儲管理，對各個交通樞紐進行實時動態監控，當發現異常便觸發預警，可以通過平臺進行遠程人工指揮調度理。

3.2 關鍵技術及設計

基于神經網絡的嵌入式智能交通指揮系統采用的核心技術是人工神經元網絡技術，并選取了以物聯感知采集為輔的技術研發方向。

3.2.1 人工神經網絡及技術

人工神經網絡（Artificial Neural Networks，簡寫為ANNs）簡稱神經網絡（NNs）或連接模型（Connection Model），是一種模范動物神經網絡行為特征，進行分布式并行處理的算法數學模型。它依靠系統的復雜程度，以調整內部大量節點之間相互連接的關系達到處理信息的目的。

人工神經網絡的基本功能如下：①聯想記憶。②非線性映射。③分類與識別。④優化計算。⑤知識處理。這些特征與功能，使得人工神經網絡成為解決很多問題的有力工具。

（1）人工神經網絡建模

人工神經網絡具有良好的自學習、自適應、聯想記憶、并行處理和非線形轉換的能力。構筑合適的網絡結構，固定處理單元（神經元）的數目，通過信息樣本和變換神經元間的連接強度對網絡進行訓練，使其具有類似人的大腦記憶、辨識能力，完成各種信息的處理功能。

神經網絡的學習規則可以粗略分成三類，這些類別分別如下：

第一類相關學習規則。這種規則只根據連接間的激活水平改變權系數。貫用于自聯想網絡，如Hopfield網絡。

第二類糾錯學習規則。這種規則根據輸出節點的外部反饋改變權系數，按局部改善最大的方向優化來找到全局優化值。感知器學習就采用這種糾錯學習規則。例如BP算法。

第三類無教師學習規則。該學習規則自適應于輸入測檢。例如ART網絡的自組織學習算法。

人工神經網絡實際反映了由網絡結構確定的一種輸入轉化為輸出的數學表達式。目前應用最多的人工神經網絡模型是BP模型，采用最小均方差學習方式。

其中，BP網絡建模特點如下：

①非線性映照能力：神經網絡能以任意精度逼近任何非線性連續函數。

②并行分布處理方式：運用分布存儲和并行處理網絡中的信息而令它達到強容錯性和快處理速度。

③自學習和自適應能力：神經網絡在訓練時能從輸入、輸出的數據中提取規律性的知識，記憶于網絡的權值中。神經網絡可在線進行學習。

④數據融合的能力：神經網絡能利用傳統工程技術和人工智能技術同時處理定量信息和定性信息。

⑤多變量系統：神經網絡的輸入和輸出變量的數目是任意的，對單變量系統與多變量系統提供了一種通用的描述方式，不必考慮各子系統間的解耦問題。

基于上述BP網絡建模的上述特點，適合于構建交通指揮模型，因此在本項目智能交通指揮研發過程中選用此神經網絡建模方法。

（2）人工神經網絡算法

BP（Back Propagation）神經網絡是誤差反向傳播神經網絡的簡稱，一種由輸入層、中間層（可擴展多層）、輸出層組成的階層型神經網絡學習算法。鄰層各神經元進行全連接，而每層各神經元之間無連接，當提供學習模式提供給網絡后，其按教師示教的方式進行學習，各神經元獲得網絡的輸入響應產生連接權值（Weight）。然后按減小希望輸出與實際輸出誤差的方向，從輸出層經各中間層逐層修正各連接權，回到輸入層。此過程反復交替進行，直至網絡的全局誤差趨向給定的極小值，即完成學習的過程。

同時，MATLAB提供現成的神經網絡工具箱（Neural Network Toolbox，簡稱NNbox），為解決神經網絡問題中的研究工作量和編程計算工作量問題提供了便利條件。應用MATLAB語言構造典型神經網絡的激活傳遞函數，編寫各種網絡設計與訓練的子程序，快速實現對實際問題的建模求解。

（3）人工神經網絡實現智能交通指導的思路和方法

智能交通的人工神經模型及處理流程如圖2所示。

圖2 智能交通的人工神經模型及處理流程圖

如圖2所示，將智能交通人工神經網絡模型分為三種：

①初始模型：人工神經網絡的初始模型：初始狀態時，系統按照交通疏導的理論形成初始策略，對交通進行交通的疏導指揮，如下班高峰期，適當減少信號的停留時間，或者到了夜晚，交通燈只開黃燈，等等。不經過人工神經的計算。

②常規模型：常規模型相對于事故模式而言，是在交通樞紐沒有發生意外事故或異常情況下，人工神經網絡所應用的交通疏導模型。人工神經網絡依據交通流量、時間段等因素進行疏導策略的計算和選擇，并且執行優勝劣汰，更優策略將保存在智能分析調度平臺的策略中。以此循環，優化策略。這個過程稱為神經的自我學習訓練。

③事故模型：事故模型是在交通樞紐發生意外事故或異常的情況下的，人工神經網絡所應用的交通疏導模型。當交通路口發生意外事故時，人工神經網絡將觸發事故模型，首先向智能分析調度平臺發送預警信號，通知中心值班人員，再發布引導廣播，通知附近車輛和行人繞道，最后按常規模型來執行算法，疏導交通。事故模型也進行人工神經的自我學習訓練，產生的疏導策略存儲在智能分析調度平臺的策略中。

3.2.2 物聯感知采集

物聯網涉及的技術領域很多，如感知、控制、網絡通信、微電子、計算機、嵌入式系統等，因此其涵蓋的關鍵技術也非常多，物聯網技術體系劃分為感知技術、網絡通信技術、共性技術和支撐技術等。

3.2.3 嵌入式

嵌入式是一種專用的計算機系統，執行專用功能，是裝置或設備的一部分。其不能使用通用型計算機，且運行的是固化的軟件。絕大多數嵌入式系統是用戶針對特定任務而定制的，主要由微控制器、只讀存儲器、隨機訪問存儲器、I/O端口和輕量級的嵌入式操作系統模塊組成。

專門的單片微控制器是大多數嵌入式系統的核心，把多個關鍵的系統組成部分集成到芯片上，小巧而便捷。

由于嵌入式系統的靈巧性等特性，嵌入式技術與無線傳輸技術的結合成為開發物聯網數據和傳輸技術的最佳方案。

3.3 系統結構

基于神經網絡的嵌入式智能交通系統由物聯采集傳輸端，信號控制端及智能分析調度平臺組成。其系統結構如圖3所示。

圖3 系統功能結構圖

3.3.1 采集傳輸端

采集傳輸端包括數據采集模塊和通訊傳輸兩個模塊，數據采集以視頻識別和地感線圈的物聯感知兩種方式結合進行采集。通訊傳輸模塊基于移動通訊技術，實現高速無線傳輸和實時數據同步，并以嵌入式的集成方式應用在原有的交通基礎設備環境上。

3.3.2 信號控制端

信號控制端由人工神經、通訊傳輸、信號控制三大模塊組成，以嵌入式的方式，可集成應用在原有的交通基礎環境中。

（1）人工神經

①人工神經建模：按理論的交通疏導指引方法，建立人工神經網絡智能模型。神經網絡模型依據現場環境和實際的交通流量，進行智能計算，適時調整交通疏導策略，同時，從多個疏導策略中心進行對比選優，選出最佳方案進行交通信號的時間，從而正確引導交通樞紐的行人和車輛通行。

②計算分析：人工神經的計算分析模塊，實現神經的計算、分析、對比、選優功能，依據現場環境和交通流量計算出最優的交通疏導和時間響應方法。

③策略生成：該模塊用于實現智能交通人工神經在學習訓練中疏導策略的生成和存儲。

（2）信號控制器

智能交通人工神經分析計算得到的最優信號燈響應策略后通過該模塊控制信號燈的紅綠黃的亮燈時間。

（3）通訊傳輸模塊

功能與采集傳輸端的通訊傳輸模塊功能相同。

3.3.3 智能分析調度平臺

智能分析調度平臺由數據層，基礎平臺，應用功能三大部分組成。由于每天產生的交通流量比較多，因此需要搭建可以容納海量數據的數據存儲系統。基礎平臺為上層應用功能模塊提供所需的引擎、控件、中間件，及系統平臺所需的基本功能。應用功能實現系統管理應用、控制、分析、預警、發布等主要業務應用。

3.3.4 外部系統

基于神經網絡的嵌入式智能交通指揮系統充分考慮了系統的兼容性，提供外部接口，采用嵌入式的集成方式集成采集傳輸端和信號控制端，可應用在原有ITS系統中，使系統更加完善和強大。

4 綜述

基于神經網絡的嵌入式智能交通指揮系統作為智能交通系統中關于智能交通管制、動態路徑引導、智能信號、公共交通優先、智能車輛管理的一部分，通過搭建智能交通分析調度系統，完成面向智能交通管制、動態路徑引導、智能信號交通的人工神經網絡建模和算法的研究和實現，并結合視頻采集和嵌入式物聯信息采集技術、移動通訊無線通信技術進行數據采集和傳輸，獲取交通流量和路況環境數據，進行實時計算與分析，得出最優的交通策略，實現交通指揮智能化、自動化、科學化。智能指揮，科學疏導，優化城市交通樞紐運行秩序。最大程度地發揮交通基礎設施的效能，提高交通運輸系統的運行效率和服務水平，為公眾提供高效、安全、便捷、舒適的出行服務。

TP273+.5

A

1004-7344（2016）32-0277-03

2016-10-19

鄒熒熒（1975-），男，漢族，廣西南寧人，高級工程師，本科，主要從事軟件研發方面的工作。