基于深度學習的智能交通燈控制方法探索

周勁男

中邦山水規劃設計有限公司 吉林 長春 130000

1 深度學習與交通燈智能化控制

自2006年開始，深度學習技術開始在信號與信息領域發揮作用，并在交通信號燈智能化控制系統的設計應用中獲得了更好的控制方法，通過對全局性的交通流量預測分析，對信號燈做好全面調整，不斷優化車輛的通行，從而提高了道路車輛的通行效率，不僅可以減少環境污染，更重要的是使得道路資源利用率實現了最大化[1]。

2 基于深度學習的智能交通燈控制系統結構設計及實現

本文以從兩個方向進行交通指揮的十字路口為例，進行基于深度學習的智能交通燈控制系統的結構設計研究。該路口兩個方向均設有綠、黃和紅指示燈，持續時間分別為20s、5s、25s，同時當出現需臨時優先放行通過消防車、救護車、警車等緊急情況時，可亮起任一路口紅燈，待緊急情況結束后恢復原本狀態。根據相關需求，就該路口智通交通燈控制系統設計五個組成模塊：控制模塊、時鐘分頻模塊、分位模塊、顯示模塊和圖像識別模塊。

2.1 路段通行效率計算

首先，對路段通行效率進行計算。在交通工程中，交通流中的車輛數越多，運行速度越快，通行效率越高。采用最基本的交能流通行效率公式進行相關計算，公式為：

根據中國的實際情況，就單個路口單股車道車輛交通延誤的現象，進行相關的優化計算，相關公式為：

其中，E表示路口通行效率（veh＊km/h），S表示交通流穿越路口的軌跡長度，t表示交通流在路口的實際通行時間。

2.2 控制模塊實現

采用基于VHDL程序的具備計數器計數值及在緊急情況下可控制發光二極管亮滅和顏色改變的功能元器件，利用QurtusII軟件控制模塊，在輸入信號hold=’1’和輸出信號reda=redb=’1’的控制下使兩個路口信號燈變紅；在輸入信號hold=‘0’的控制下，B路口和A路口信號燈分別變紅、變綠，亮燈時間為20S，隨后A路口信號燈變黃5S，后A路口和B路口信號燈分別變為紅色、綠色，并維持20S亮燈時間，最后B路口信號燈變黃，并維持5S。由此實現控制模塊的功能。

2.3 時鐘分頻模塊實現

通過對設為20MHz的系統時鐘信號利用VHDL語言進行仿真分頻得到的10Hz和1Hz時鐘信號，由此獲得時鐘分頻模塊。

2.4 分位模塊實現

分位模塊的作用是將倒計時數值分為兩個單獨的數字，以克服因七段數碼管屏幕只能顯示最大數值為9的數字的問題。通過在QurtusI1軟件中利用VHDL程序進行仿真編寫，對時鐘信號clock的輸入信號numin進行讀取，并分別形成代表十位數的輸出信號numa和代表個位數的輸出信號numb，從而實現分位模塊的分位功能。

2.5 顯示模塊實現

由于交通信號燈的倒計時數值為十進制，而顯示模塊的編譯碼規則為七段譯碼器，兩者需要通過在QuartusII軟件中采用VHDL程序進行編譯仿真編寫，并對鐘信號clock提供的不同輸入信號進行相應的數碼管數字顯示，以此實現顯示電路的功能[2]。

顯示模塊信號顯示對應表

輸入信號 輸出信號 數碼管顯示數字qin=“0” 111111 0 qin=“1” 000110 1 qin=“2” 1011011 2 qin=“3” 1001111 3 qin=“4” 1100110 4 qin=“5” 1101101 5 qin=“6” 1111101 6 qin=“7” 0000111 7 qin=“8” 0001111 8 qin=“9” 1101111 9 qin=“10” 000000 10

2.6 圖像識別模塊實現

對于緊急情況的處理，需通過圖像識別模塊對緊急車輛進行識別判斷并做出快速的處理改變交通信號燈狀態。圖像識別模塊是通過利用計算機視覺技術在caffe平臺上采用目標檢測框架FasterR-CNN來進行緊急車輛識別。在訓練過程中，利用由警車、消防車、救護車三類共11368張圖片形成的訓練集進行訓練，可使模塊檢測準確率達到90.6%。

3 結束語

基于深度學習的交通信號燈智能控制方法及相關系統的構建，不僅使交通信號燈在正常狀態下保證通行車輛的有序行駛，同時可以在突發情況下，通過智能識別，應對警車、消防車、救護車優先通行需求，對于道路交通的控制功能相較于傳統方法有明顯提升，同時具有更強的適應能力。