基于激光傳感數(shù)據(jù)的擁堵路口交通信號燈控制

楊 樂，周 平

YANG Le1,ZHOU Ping2

1.長安大學(xué) 建筑學(xué)院，西安 710061

2.長安大學(xué) 信息工程學(xué)院，西安 710064

1.School ofArchitecture,Chang’an University,Xi’an 710061,China

2.School of Information Engineering,Chang ’an University,Xi’an 710064,China

1 引言

汽車工業(yè)近些年發(fā)展十分迅猛，汽車的制造成本和價格也呈現(xiàn)出逐年下降的趨勢，小轎車開始進(jìn)入普通家庭。隨著汽車保有量的不斷攀升，城市道路交通的擁堵狀況愈發(fā)嚴(yán)重[1]。城市交通擁堵不僅降低效率、污染環(huán)境，長期的交通堵塞還會造成巨大的經(jīng)濟(jì)損失[2]。緩解城市的擁堵問題僅依靠城市改造和擴(kuò)建道路無法徹底解決日趨嚴(yán)重的道路擁堵問題。目前需要進(jìn)行的是在現(xiàn)有的交通基礎(chǔ)設(shè)施條件下，采用實用、高效的交通信號控制方法來緩解和改善道路擁堵的現(xiàn)狀[3-4]。要改善整個城市的道路狀況，須對整個城市的交通網(wǎng)絡(luò)進(jìn)行協(xié)調(diào)控制和全面優(yōu)化，應(yīng)用高亮度激光交通可變情報板技術(shù)合理地分配各個路口的信號燈時間，減少車輛的啟停次數(shù)，消除道路擁堵的瓶頸點[5]。

鑒于激光的單色性、高亮度、高相干性及方向性好等優(yōu)點，激光技術(shù)被廣泛地應(yīng)用于傳感領(lǐng)域[6-7]。混沌光纖激光傳感技術(shù)是近年來逐漸興起的一種測量控制傳感網(wǎng)絡(luò)技術(shù)，它將激光技術(shù)、傳感技術(shù)、微電子技術(shù)、無線通信技術(shù)等有效地融合為一體[8-9]。基于掃描激光傳感技術(shù)采集數(shù)據(jù)，提取實時的路況信息，并將這些傳感數(shù)據(jù)應(yīng)用于交通燈的控制，相比于其他方法采集數(shù)據(jù)，具有響應(yīng)速度快、識別精度高的優(yōu)勢[10]。目前國內(nèi)外的一些專家和學(xué)者對城市單路口交通信號控制研究較多，文獻(xiàn)[11]和文獻(xiàn)[12]提出了單路口交通信號控制方法。但整個城市作為一個整體，單一路口道路運行的質(zhì)量與干線上其他路口緊密相關(guān)，這些控制方法難以有效提高整個交通網(wǎng)絡(luò)的通行能力。

為了緩解日益嚴(yán)重的城市交通擁堵問題，本文提出了一種基于激光傳感數(shù)據(jù)的交通信號燈智能控制方法研究。首先在擁堵路段有序布置激光傳感器節(jié)點，距離基站較近處，激光傳感器節(jié)點布置較少，而距離基站較遠(yuǎn)處，因激光傳感器通信距離有限，必須通過中間節(jié)點的轉(zhuǎn)發(fā)，耗能較多，所以布置較多的激光傳感器節(jié)點，用于實時采集十字路口的車流量信息，構(gòu)建一種控制級與協(xié)調(diào)級相結(jié)合的兩層級信號控制模型。引入模糊控制算法，基于提取的交通路口實時激光傳感數(shù)據(jù)，求解出適用于擁堵路段交通信號控制模糊子集，及當(dāng)前車流長度、車輛滯留時間、延誤時長等變量。仿真實驗證明，提出的智能控制方法可以有效緩解交通擁堵的狀況，減少了車輛滯留時間，提高了控制效果。

2 基于激光傳感數(shù)據(jù)的擁堵路口交通信號燈控制方法研究

2.1 兩層級交通信號燈控制模型的構(gòu)建

在多路口交通信號燈控制系統(tǒng)中，路口等待通過的車輛為狀態(tài)向量，交通信號燈的相位差、閃爍周期及綠信比為控制向量。在交通信號燈的四個方向燈上均勻地部署激光傳感節(jié)點，路口的交通信號為控制節(jié)點，形成一個局部的激光傳感網(wǎng)絡(luò)，如圖1所示。

圖1 交通信號燈控制模型圖

圖1中A1和A2為DBR光纖激光傳感器的交通信號激光傳感網(wǎng)絡(luò)的控制節(jié)點，B1～B8為激光傳感節(jié)點，C1～C3為排隊等候的車輛。這些分布的激光傳感器節(jié)點與控制節(jié)點以自組織的方式成簇，其中部署于道路兩側(cè)的激光傳感節(jié)點和等候的車輛為簇內(nèi)成員節(jié)點，控制節(jié)點為簇首節(jié)點[13]。激光傳感節(jié)點采用路況實時信息，通過激光傳感網(wǎng)絡(luò)與控制簇首節(jié)點進(jìn)行數(shù)據(jù)通信，而簇首節(jié)點負(fù)責(zé)匯總本簇內(nèi)激光傳感節(jié)點捕獲的實時路況信息，并與鄰近的控制節(jié)點進(jìn)行通信交互[14-15]。對交通信號燈的控制要全盤考慮，除需考慮交通信號燈本身的相位、閃爍周期及綠信比外，還要考慮本簇內(nèi)各激光傳感節(jié)點捕獲的數(shù)據(jù)信息，綜合多個路況的綜合道路情況。本文采用了兩層級激光傳感網(wǎng)絡(luò)組織結(jié)構(gòu)，如圖2所示。

圖2 兩層級交通信號控制流程

第一個層級為控制級，基于采集到的可飽和吸收穩(wěn)頻技術(shù)的激光傳感數(shù)據(jù)來調(diào)整各十字路口的綠信比。第二個層級是協(xié)調(diào)級，負(fù)責(zé)總體的協(xié)調(diào)和控制，包括適時調(diào)整各路口之間的相位差及各主干線路的信號燈周期[16]。

2.2 基于激光傳感數(shù)據(jù)的交通信號模糊控制方法

交通信號燈路口車道停車線的上游均安裝了激光傳感節(jié)點，檢測進(jìn)入車道的車輛信息并將實時路況情況上傳至控制節(jié)點[17]，設(shè)通行到交通信號路口的車輛相位編號集合為W={1,2,…,n}，行車道編號集合為V={1,2,…,m} ，則在t時刻末停留在i相位、j車道的車輛排隊長度可以表示為hij(t)，平均滯留時間表示為cij(t)，車輛在該車道上的延誤時間表示為gij(t)。

以條紋式激光傳感器的激光傳感節(jié)點采集的實時路況信息作為輸入變量[18]，引入模糊集的概念，設(shè)等待通過車輛長度的模糊集為H，車輛平均滯留時間的模糊集為C，N為通信需求度，H和C按照既定的控制規(guī)則與N構(gòu)成一種模糊關(guān)系η：

分別采用車輛排隊長度hij(t)和車輛在路口的平均滯留時間cij(t)作為輸入變量，基于上述的模糊關(guān)系η求解出最后的實際通行需求度nij(t)。假定在交通信號路口排隊等候的車輛長度語言變量為h、車輛的滯留時間的語言變量為c、實際通行需求度的語言變量為n，模糊集合，可以分別表示為：

則任一條模糊規(guī)則所構(gòu)成的模糊關(guān)系ηij可以描述為：

交通信號控制過程中總的模糊關(guān)系為：

設(shè)在t0時刻激光傳感器節(jié)點和控制節(jié)點傳輸?shù)絽f(xié)調(diào)控制中心車輛長度和滯留時間數(shù)據(jù)分別為h′和c′，則基于模糊原理推算出的t0時刻實際通行需求度n′，可以表示為：

基于Mamdani模糊推理規(guī)則有：

其中 η(h、c、n)為：

為提高擁堵交通信號燈控制算法簡捷性，改善運算速度，文章基于singleton對輸入的實時激光傳感數(shù)據(jù)進(jìn)行模糊化處理：

其中ξij為激光傳感數(shù)據(jù)的匹配度，反映系統(tǒng)模糊規(guī)則與實時交通路況信息的匹配程度，如果在t0時刻輸入車輛排隊長度及平均滯留時間的精確輸入量為h0和c0，則t0時刻的激光傳感數(shù)據(jù)的匹配度ξij為：

基于模糊原則解出的N′(n)即為論域N上的模糊子集，在道路交通擁堵路口的實際車輛通行需求度n0可以描述為：

確定當(dāng)前交通路口的擁堵車流長度、車輛的平均滯留時長和等信號時的延誤時長，提高十字路口交通信號的控制水平，緩解通行壓力。設(shè)停車線與激光控制節(jié)點之間的距離為di，通行車輛的車長為li，待通過車輛的車頭間距為Li，所以每條車道上識別出的最大的車隊長度hmax為：

設(shè)定每個時間步長為1 s，則在t1時刻末交通路口等待通過的車輛長度為：

當(dāng)?shù)趇個相位為紅燈相位時，則在第t1時刻車輛的滯留時間為：

假定在1 s的時長內(nèi)，車輛能夠均勻地到達(dá)路口，因此ck′ij(t1)為：

最后，求解出在t1時刻等待通過交通信號路口車輛的總延誤時長eij：

本文基于道路信號燈兩側(cè)的激光傳感節(jié)點，獲得交通路口的實時路口數(shù)據(jù)，并依據(jù)模糊推理算法計算出車輛滯留的長度和時間，同時根據(jù)激光傳感網(wǎng)絡(luò)與控制簇首節(jié)點進(jìn)行數(shù)據(jù)通信，同樣方法計算多個路口的車輛交通情況，綜合以上路況，進(jìn)行統(tǒng)一的調(diào)度和安排，完成交通信號燈的有效控制。這種方法在一定程度上緩解了擁堵時段的道路交通狀況。

3 實驗部分

為驗證提出的基于激光傳感數(shù)據(jù)的交通信號控制方法的有效性，以通過交通路口車輛的平均延誤時長為具體的評價指標(biāo)編寫仿真程序。

3.1 仿真環(huán)境及參數(shù)設(shè)置

仿真環(huán)境為四相位交叉路口，綠燈的最長時間為60 s，最短時間為20 s。路口每條車道的初始車輛由系統(tǒng)隨機(jī)產(chǎn)生。根據(jù)交通路口的實際參數(shù)確定黃燈的時長，變燈后車輛通過路口的速率為1 s/輛，其他參數(shù)設(shè)置如表1所示。

3.2 不同交通流條件下平均延誤時長對比

分別在低峰、中鋒和擁堵交通流下對傳統(tǒng)的單路口交通控制方法和本文基于激光傳感數(shù)據(jù)的信號控制方法進(jìn)行仿真對比，提取車輛的平均延誤時長。首先提取低峰時段的仿真數(shù)據(jù)，如表2所示。

表1 仿真參數(shù)設(shè)置

表2 低峰期車輛延誤時長數(shù)據(jù)分析

從圖3的曲線走勢可以分析出，本文方法在平均延誤時長方面控制效果良好，維持在11 s左右，優(yōu)于傳統(tǒng)控制方法的時長。

圖3 低峰時段車輛延誤時長曲線對比

在中度擁堵的路況，兩種方法的延誤時長都有所增加，但如圖4所示隨著仿真時間的延長，單路口控制方法下的車輛延誤時長急劇增加，證明在交通擁堵情況進(jìn)一步惡化的情況下，僅靠調(diào)度單一路口的交通信號仍無法有效解決干線的擁堵問題，中峰時段的仿真數(shù)據(jù)，如表3所示。

圖4 中峰時段車輛延誤時長曲線對比

表3 中峰期車輛延誤時長數(shù)據(jù)分析

最后，本文仿真了兩種信號控制方法在擁堵時段的交通信號控制效果，從表4的數(shù)據(jù)分析和圖5的曲線對比結(jié)果可以看出擁堵時段隨著仿真時間的延長，車輛延誤時長都有所增加，但本文方法的控制效果仍然優(yōu)于單路口交通信號控制方法。

表4 擁堵時段車輛延誤時長數(shù)據(jù)分析

圖5 擁堵時段車輛延誤時長曲線對比

針對城市道路的交通擁堵問題，本文提出了一種基于激光傳感數(shù)據(jù)的交通信號控制方法研究。通過激光傳感節(jié)點采集的路口實時數(shù)據(jù)，并結(jié)合多個路口的交通情況進(jìn)行統(tǒng)一的調(diào)度和安排，取得了較好的交通信號控制效果，仿真數(shù)據(jù)證明了提出方法的有效性。

4 結(jié)論

參考文獻(xiàn)：

[1]張榮輝，李福樑，周喜，等.一種基于激光與視頻信息時空數(shù)據(jù)融合的行人檢測方法[J].交通運輸系統(tǒng)工程與信息，2015，15（3）：49-55.

[2]駱朝亮.三維激光全景技術(shù)在交通行業(yè)中的應(yīng)用[J].測繪通報，2015（6）：135-136.

[3]Cheng Z，Qin C，Wang F，et al.Progress on mid-IR graphene photonics and biochemical applications[J].Frontiers of Optoelectronics，2016，9（2）：259-269.

[4]Li Zhiquan，Piao Ruiqi，Zhao Jingjing，et al.A low-threshold nanolaser based on hybrid plasmonic waveguides at the deep subwavelength scale[J].Chinese Physics B，2015，24（7）：441-447.

[5]馮麗麗，黃海濤，阮馳.高亮度激光交通可變情報板技術(shù)研究[J].科學(xué)技術(shù)與工程，2015，15（3）：150-153.

[6]陳延輝，郭朝邦.國外激光技術(shù)發(fā)展[J].飛航導(dǎo)彈，2015（6）：40-44.

[7]裴麗，翁思俊，吳良英，等.光纖激光傳感系統(tǒng)的研究進(jìn)展[J].中國激光，2016（7）：1-7.

[8]Viveiros D，F(xiàn)erreira J，Silva S O，et al.Ammonia sensing system based on wavelength modulation spectroscopy[J].Photonic Sensors，2015，5（2）：109-115.

[9]王斐斐，張麗，楊玲珍，等.基于混沌光纖激光的準(zhǔn)分布式布拉格傳感網(wǎng)絡(luò)[J].光學(xué)學(xué)報，2014，34（8）：88-92.

[10]楊韞鐸，康娟，徐賁，等.基于掃描激光器的邊孔光纖光柵溫度壓力傳感系統(tǒng)[J].光子學(xué)報，2016，45（6）：24-29.

[11]Jun Jing，Wu Lian’ao.Overview of quantum memory protection and adiabaticity induction by fast signal control[J].Science Bulletin，2015，60（3）：328-335.

[12]Tiaprasert K，Zhang Y，Wang X B，et al.Queue length estimation using connected vehicle technology for adaptive signal control[J].IEEE Transactions on Intelligent Transportation Systems，2015，16（4）：2129-2140.

[13]劉影，高爽，鮑志強(qiáng)，等.基于DBR光纖激光傳感器的超聲與溫度雙參量測量研究[J].傳感技術(shù)學(xué)報，2016，29（8）：1155-1159.

[14]Timotheou S，Panayiotou C G，Polycarpou M M.Distributed traffic signal control using the cell transmission model via the alternating direction method of multipliers[J].IEEE Transactions on Intelligent Transportation Systems，2015，16（2）：919-933.

[15]Zaidi A A，Kulcsár B，Wymeersch H.Back-pressure traffic signal control with fixed and adaptive routing for urban vehicular networks[J].IEEE Transactions on Intelligent Transportation Systems，2016，17（8）：2134-2143.

[16]楊潤濤，祝連慶，張鈺民，等.基于可飽和吸收穩(wěn)頻技術(shù)的光纖激光應(yīng)變傳感特性研究[J].納米技術(shù)與精密工程，2016，14（3）：201-205.

[17]Wang Q L，Li J Y，Shen H K，et al.Research of multisensor data fusion based on binocular vision sensor and laser range sensor[J].Key Engineering Materials，2016，693：1397-1404.

[18]張鐵，李波，鄒焱飚.基于條紋式激光傳感器與機(jī)器人的掃描成像系統(tǒng)[J].紅外與激光工程，2015，44（1）：53-58.