[發(fā)明專利]一種基于視頻的相位差模糊推理確定方法

無效

• 申請?zhí)枺?/td>: 201210063503.4
• 申請日: 2012-03-12
• 公開（公告）號: CN102592464A
• 公開（公告）日: 2012-07-18
• 發(fā)明（設計）人: 朱文興;張立東;劉曉亮
• 申請（專利權(quán)）人: 山東大學
• 主分類號: G08G1/07
• 分類號: G08G1/07;G08G1/08
• 代理公司: 濟南圣達知識產(chǎn)權(quán)代理有限公司 37221
• 代理人: 張勇

技術(shù)領(lǐng)域

本發(fā)明涉及一種交通信號控制參數(shù)的確定方法，具體是基于視頻信息的交通控制參數(shù)--相位差的模糊推理確定方法。

背景技術(shù)

交通信號控制參數(shù)-相位差是道路交通信號協(xié)調(diào)控制的重要參數(shù)之一，對于單向車道來說，非常容易確定相位差，而對于雙向車道來說，則需要考慮雙向車道的排隊情況來確定。在雙向交通流量不均衡的情況下，相位差的確定需要根據(jù)雙向車道上車輛排隊的不同長度及其實際情況來確定。

通過檢索發(fā)現(xiàn)：萬緒軍，陸華普，線控系統(tǒng)中相位差優(yōu)化模型研究，中國公路學報，2001，14(2)：99-103；鄭培余等，一種交通信號控制系統(tǒng)分布式相位差優(yōu)化和調(diào)整策略，交通與計算機，2004，22(2)：3-7；李水友，周期和相位差快速調(diào)整策略，五邑大學學報，2005，19(3)：29-33；朱文興等，城市交通主干路相位差優(yōu)化研究，計算機工程與應用，2005，41(20)：212-214；保麗霞等，基于預測路線行程時間的信號控制相位差優(yōu)化技術(shù)研究，公路交通科技，2007，24(8)：115-120；宋運林，董超俊，混沌遺傳算法及其在相位差優(yōu)化中的應用，科技信息，2007，35：140-141；盧凱，徐建閩，干道協(xié)調(diào)控制相位差模型及其優(yōu)化方法，中國公路學報，2008，21(1)：83-89；谷遠利等，相鄰交叉口相位差優(yōu)化模型及仿真，吉林大學學報(增刊)，2008，38：53-59；徐世洪等，基于自適應遺傳算法的相位差優(yōu)化模型研究，交通信息與安全，2011，29(2)：13-18。上述現(xiàn)有技術(shù)大部分是基于建立相位差的解析模型，通過優(yōu)化算法如遺傳算法等來求解，其原理與本發(fā)明提出的模糊推理的方法不同。通過檢索發(fā)明專利發(fā)現(xiàn)，隋亞剛，基于車牌識別數(shù)據(jù)的交通信號干線相位差優(yōu)化方法，2010，申請?zhí)枺?01010518636.7。該發(fā)明是基于車牌識別技術(shù)的相位差優(yōu)化方法，它在相鄰的兩個交叉口用攝像機采集車輛的車牌號，比對車牌號和通過路口的ID來優(yōu)化和計算上下路口的時間差，本發(fā)明是利用視頻攝像機拍攝雙向車道的排隊長度，通過圖像識別技術(shù)獲取雙向車道的排隊長度，然后根據(jù)雙向排隊長度來模糊推理相位差的方法。顯然，兩種方法明顯不同。

發(fā)明內(nèi)容

本發(fā)明的目的在于提出一種交通高峰時期，雙向車流量不均衡情況下的交通信號參數(shù)相位差的模糊推理方法，以期使雙向交通流在此相位差的控制下發(fā)揮更大的更有效地通過交叉路口，而且還能提高另一方向的交通效率。

本發(fā)明通過以下技術(shù)方案實現(xiàn)，具體步驟如下：

一種基于視頻的相位差模糊推理確定方法，該方法的實現(xiàn)步驟如下：

步驟1：在某路段某一車流方向的側(cè)后方架設高清攝像機，拍攝整個路段的雙向的車流排隊情況，通過圖像識別技術(shù)，得到雙向車流的排隊長度；

步驟2：將雙向車流的排隊長度輸入模糊控制器，通過模糊推理得到該路段兩交叉口信號的相位差；

步驟3：將得到的相位差參數(shù)通過交通控制中心利用串口通信下載到各個交叉路口的信號控制器，信號控制器根據(jù)接收到的信號控制參數(shù)對道路的交通流實施控制。

所述推理計算出相位差的步驟如下：

1)確定輸入輸出變量

輸入變量Q₁：Q₁＝Q_上/L

輸入變量Q₂：Q₂＝Q_下/L

輸出變量：O為相位差時間Δt，單位：秒

2)確定論域和模糊子集

輸入變量：對于Q₁和Q₂均為針對同一路段而言，因此取相同的論域和模糊子集，分別陳述如下：論域為：Q＝[0，1]；模糊子集：設定語言變量，并記為：S(Small)＝小；M(Medium)＝中；B(Big)＝大；

輸出變量：論域為：O＝[0，30]；模糊子集：設定語言變量，并記為：SH(Short)＝短，ME(Medium)＝中，LO(long)＝長；

3)建立模糊隸屬度函數(shù)：輸入變量隸屬度函數(shù)取為梯形函數(shù)，輸出變量隸屬度函數(shù)同樣取為梯形函數(shù)；

4)建立模糊規(guī)則表：

根據(jù)專家經(jīng)驗，建立如下形式的模糊規(guī)則表，模糊關(guān)系為

5)模糊推理：

利用Mamdani推理算法：

其中，為實際輸出相位差值的模糊子集變量值，和分別為實際輸入上下行排隊長度與道路長度比值的模糊子集變量值；

6)解模糊，得出相位差值：

選取重心法公式：