基于智能視覺的交通調(diào)度系統(tǒng)設(shè)計(jì)

王愛菊 孔國(guó)利 馬文越

摘 要： 基于GIS的高速公路監(jiān)控與指揮交通調(diào)度系統(tǒng)對(duì)道路交通信息的智能視覺采集和處理效果差，存在交通調(diào)度效果差的弊端，設(shè)計(jì)基于智能視覺的交通調(diào)度系統(tǒng)。其主要由ZigBee協(xié)調(diào)器模塊、智能視覺模塊以及交通控制基站等構(gòu)成。采用ZigBee協(xié)調(diào)器模塊對(duì)車輛信息進(jìn)行處理，協(xié)調(diào)系統(tǒng)調(diào)度性能。通過(guò)智能視覺模塊中的車載傳感器節(jié)點(diǎn)模塊采集道路發(fā)生擁堵時(shí)道路信息，控制車載傳感器節(jié)點(diǎn)的體積，控制系統(tǒng)整體能源和資金消耗；采用道路圖像信息采集處理模塊實(shí)現(xiàn)擁堵車輛圖像信息的實(shí)時(shí)信息反饋。設(shè)計(jì)基于混合魚群算法的優(yōu)化處理算法調(diào)度交通車輛擁堵問題。實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)系統(tǒng)交通調(diào)度效果佳，應(yīng)用性強(qiáng)。

關(guān)鍵詞： 智能視覺； 交通調(diào)度； 系統(tǒng)設(shè)計(jì)； ZigBee協(xié)調(diào)器； 車載傳感器； 混合魚群算法

中圖分類號(hào)： TN915?34； TP391.9 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）16?0148?03

Abstract： The GIS?based highway monitoring and commanding traffic scheduling system has poor intelligent visual acquisition and processing effect of road traffic information， resulting in poor traffic scheduling effect. Therefore， a traffic scheduling system based on intelligent vision is designed. The system is mainly composed of the ZigBee coordinator module， intelligent vision module， and traffic control base station. The ZigBee coordinator module is adopted to process vehicle information and coordinate the scheduling performance of the system. In the intelligent vision module， the vehicle?mounted sensor node module is used to collect road information during traffic congestion， and control the volume of vehicle?mounted sensor nodes， and the overall energy and capital consumption of the system. The road image information acquisition and processing module is used to realize real?time feedback of congested vehicle image information. An optimization disposal algorithm based on hybrid fish swarm algorithm is designed to resolve the vehicle scheduling problem during traffic congestion. The experimental results show that the designed system has good traffic scheduling effect and strong applicability.

Keywords： intelligent vision； traffic scheduling； system design； ZigBee coordinator； vehicle?mounted sensor； hybrid fish swarm algorithm

隨著我國(guó)的人均汽車占有量在飛速增加，汽車數(shù)量的快速增加使得城市道路擁堵現(xiàn)象日漸嚴(yán)重，導(dǎo)致交通擁堵事件的發(fā)生頻率越來(lái)越高。設(shè)計(jì)一種有效的交通調(diào)度系統(tǒng)，對(duì)大型交通擁堵的車輛實(shí)施高效率的調(diào)度，緩解道路的交通擁堵現(xiàn)象，成為當(dāng)前相關(guān)專家學(xué)者重點(diǎn)關(guān)注的問題[1]。傳統(tǒng)基于GIS的高速公路監(jiān)控與指揮交通調(diào)度系統(tǒng)，根據(jù)地理信息系統(tǒng)遙感獲取道路交通信息并進(jìn)行交通調(diào)度，存在對(duì)交通調(diào)度的效果差的弊端。為了解決該問題，本文設(shè)計(jì)基于智能視覺的交通調(diào)度系統(tǒng)，實(shí)現(xiàn)對(duì)交通的有效調(diào)度，降低車輛發(fā)生擁堵概率。

1 基于智能視覺的交通調(diào)度系統(tǒng)設(shè)計(jì)

本文設(shè)計(jì)的基于智能視覺的交通調(diào)度系統(tǒng)通過(guò)物聯(lián)網(wǎng)中ZigBee的樹型網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)對(duì)道路車輛的有效調(diào)度。通過(guò)在道路安置攝像頭和圖像處理裝置[2]，將攝像頭采集的交通圖像發(fā)送給ARM處理器。對(duì)車輛調(diào)度信息調(diào)控依靠ZigBee協(xié)調(diào)器，將由車輛檢測(cè)傳感器節(jié)點(diǎn)獲取的車輛運(yùn)行信息經(jīng)由無(wú)線通信模塊傳遞至ZigBee協(xié)調(diào)器節(jié)點(diǎn)[3]，再通過(guò)物聯(lián)網(wǎng)將車輛運(yùn)行的數(shù)據(jù)信息傳導(dǎo)至基站，基站負(fù)責(zé)向交通控制部門和司機(jī)提供即時(shí)的道路交通信息，實(shí)現(xiàn)對(duì)道路交通的有效調(diào)控。

1.1 ZigBee協(xié)調(diào)器模塊設(shè)計(jì)

本文基于智能視覺的交通調(diào)度系統(tǒng)對(duì)道路擁堵時(shí)車輛信息的高效處理依靠ZigBee協(xié)調(diào)器實(shí)現(xiàn)。本文設(shè)計(jì)的ZigBee協(xié)調(diào)器由CC2430射頻收發(fā)設(shè)備、液晶顯示器、輸入/輸出模塊以及發(fā)射電線等構(gòu)成[4]，該協(xié)調(diào)器結(jié)構(gòu)如圖1所示。

設(shè)計(jì)該協(xié)調(diào)器為提升本文系統(tǒng)的交通調(diào)度性能，其對(duì)系統(tǒng)調(diào)度性能進(jìn)行協(xié)調(diào)，確保本文系統(tǒng)能夠在2.4 GHz ISM的波段中正常運(yùn)行，縮短系統(tǒng)的運(yùn)行資金消耗，除此之外ZigBee協(xié)調(diào)器中的CC2430射頻收發(fā)設(shè)備具有較好的射頻收發(fā)性能[5]。

1.2 智能視覺模塊設(shè)計(jì)

1.2.1 車載傳感器節(jié)點(diǎn)模塊設(shè)計(jì)

系統(tǒng)設(shè)計(jì)車載傳感器節(jié)點(diǎn)可用于采集道路發(fā)生擁堵時(shí)的道路信息，本文系統(tǒng)對(duì)車載傳感器節(jié)點(diǎn)的設(shè)計(jì)采用嵌入式的設(shè)計(jì)原理[6]。圖2為本文設(shè)計(jì)的車載傳感器結(jié)構(gòu)圖，其由三軸加速傳感器、發(fā)射天線以及高效的電源增強(qiáng)模塊等構(gòu)成。

車載傳感器獲取車輛信息依靠MODEL2420三軸加速度傳感器[7]。該傳感器在數(shù)據(jù)處理和抗干擾方面具有良好效果，同時(shí)該傳感器在測(cè)量加速度方面和能耗方面具有較強(qiáng)的應(yīng)用[8]。

1.2.2 道路圖像信息采集處理模塊設(shè)計(jì)

設(shè)計(jì)道路圖像信息采集處理模塊可實(shí)現(xiàn)擁堵車輛圖像信息的采集以及實(shí)時(shí)信息反饋[9]。本文系統(tǒng)設(shè)計(jì)的道路圖像信息采集處理模塊由CMOS攝像頭、ARM9微處理器以及FIFO構(gòu)成，結(jié)構(gòu)如圖3所示。

1.3 交通調(diào)度算法

1.3.1 算法原理

本文設(shè)計(jì)一種基于混合魚群算法的優(yōu)化處理算法用于對(duì)交通車輛的擁堵問題進(jìn)行調(diào)度，原理如下：

通過(guò)將以上魚群中覓食、群聚等數(shù)學(xué)特征用于本文交通調(diào)度系統(tǒng)中，實(shí)現(xiàn)對(duì)道路交通的有效調(diào)度。

2 實(shí)驗(yàn)分析

實(shí)驗(yàn)為驗(yàn)證本文系統(tǒng)的有效性，需對(duì)本文系統(tǒng)進(jìn)行相關(guān)的實(shí)驗(yàn)分析。實(shí)驗(yàn)測(cè)試環(huán)境為NS?2仿真環(huán)境，采用本文系統(tǒng)、傳統(tǒng)基于GIS的高速公路監(jiān)控與指揮交通調(diào)度系統(tǒng)以及基于Floyd算法的交通調(diào)度系統(tǒng)共同對(duì)同一路段進(jìn)行實(shí)驗(yàn)。三種系統(tǒng)的堵車路段的車輛數(shù)量、交通信號(hào)燈處的流量情況分別如圖4、圖5所示。

分析圖4道路發(fā)生擁堵時(shí)，道路中排隊(duì)的車輛總數(shù)。從圖中可以看出，本文系統(tǒng)可有效發(fā)現(xiàn)涉及的安全問題，并進(jìn)行有效的交通調(diào)度，在實(shí)驗(yàn)進(jìn)行到500 s時(shí)，道路擁堵車輛開始減少，在800 s后路上車輛的數(shù)量達(dá)到正常水平，解決道路擁堵問題，說(shuō)明本文系統(tǒng)可實(shí)現(xiàn)道路交通的正常運(yùn)行，降低車輛發(fā)生擁堵的概率。

由圖5可知，本文系統(tǒng)將交通信號(hào)燈處的車流量控制在20以下，有效緩解了交通壓力，說(shuō)明本文系統(tǒng)對(duì)交通壓力的緩解有較強(qiáng)的幫助。

3 結(jié) 論

本文設(shè)計(jì)的基于智能視覺的交通調(diào)度系統(tǒng)，可對(duì)交通進(jìn)行實(shí)時(shí)調(diào)度，減弱交通的擁堵現(xiàn)狀，有助于提升交通調(diào)度效率，提升系統(tǒng)的實(shí)際應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] 馮亮，梁工謙.基于GPS/GIS協(xié)同的動(dòng)態(tài)車輛調(diào)度和路徑規(guī)劃問題研究[J].計(jì)算機(jī)科學(xué)，2017，44（9）：272?276.

FENG Liang， LIANG Gongqian. Real?time dynamic vehicle scheduling and vehicle routing problem based on GPS & GIS collaboration [J]. Computer science， 2017， 44（9）： 272?276.

[2] 龐明寶，陳茂林，張寧.基于MAST的智慧公交優(yōu)化調(diào)度研究[J].交通運(yùn)輸系統(tǒng)工程與信息，2017，17（1）：143?149.

PANG Mingbao， CHEN Maolin， ZHANG Ning. Scheduling optimization of intelligent public transport system based on MAST [J]. Journal of transportation systems engineering and information technology， 2017， 17（1）： 143?149.

[3] 郭海濤，許倫輝.基于FPGA的狹窄路段交通擁堵智能控制系統(tǒng)設(shè)計(jì)[J].現(xiàn)代電子技術(shù)，2017，40（24）：124?126.

GUO Haitao， XU Lunhui. Design of FPGA?based intelligent control system of traffic congestion on narrow road [J]. Modern electronics technique， 2017， 40（24）： 124?126.

[4] 王進(jìn)，趙蕊，曹寶林，等.基于視覺的縮微智能車車道檢測(cè)與控制[J].上海交通大學(xué)學(xué)報(bào)，2015，49（8）：1159?1167.

WANG Jin， ZHAO Rui， CAO Baolin， et al. Lane detection and steering control of vision?based micro?intelligent vehicle [J]. Journal of Shanghai Jiao Tong University， 2015， 49（8）： 1159?1167.

[5] 王晨，李景彬，溫寶琴.基于LabVIEW的農(nóng)用車輛視覺導(dǎo)航控制系統(tǒng)設(shè)計(jì)與仿真[J].甘肅農(nóng)業(yè)大學(xué)學(xué)報(bào)，2016，51（5）：120?125.

WANG Chen， LI Jingbin， WEN Baoqin. Design and simulation of visual navigation control system for agricultural vehicle based on LabVIEW [J]. Journal of Gansu Agricultural University， 2016， 51（5）： 120?125.

[6] 羅欽，楊永泰，莫義弘，等.城市軌道交通行車調(diào)度應(yīng)急輔助決策系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].鐵道運(yùn)輸與經(jīng)濟(jì)，2017，39（2）：85?89.

LUO Qin， YANG Yongtai， MO Yihong， et al. Design and realization of emergency auxiliary decision?making system of traffic control for urban rail transit [J]. Railway transport and economy， 2017， 39（2）： 85?89.

[7] 曹立波，陳崢，顏凌波，等.基于RFID、視覺和UWB的車輛定位系統(tǒng)[J].汽車工程，2017，39（2）：225?231.

CAO Libo， CHEN Zheng， YAN Lingbo， et al. Vehicle positioning system based on RFID， vision and UWB [J]. Automotive engineering， 2017， 39（2）： 225?231.

[8] 陳軍.基于物聯(lián)網(wǎng)的道路監(jiān)控調(diào)度系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].科技通報(bào)，2015，31（10）：55?57.

CHEN Jun. Road monitoring scheduling system design and implementation based on Internet of Things [J]. Bulletin of science and technology， 2015， 31（10）： 55?57.

[9] 朱慶，陳興旺，丁雨淋，等.視覺感知驅(qū)動(dòng)的三維城市場(chǎng)景數(shù)據(jù)組織與調(diào)度方法[J].西南交通大學(xué)學(xué)報(bào)，2017，52（5）：869?876.

ZHU Qing， CHEN Xingwang， DING Yulin， et al. Organization and scheduling method of 3D urban scene data driven by visual perception [J]. Journal of Southwest Jiaotong University， 2017， 52（5）： 869?876.

[10] 楊福興，張琪.物流配送車輛優(yōu)化調(diào)度仿真研究[J].計(jì)算機(jī)仿真，2017，34（8）：179?183.

YANG Fuxing， ZHANG Qi. Research on optimization simulation for logistic vehicle scheduling problem [J]. Computer simulation， 2017， 34（8）： 179?183.