克服“中國式過馬路”現象的交通信號控制

余秋婷，熊俊俏

（武漢工程大學 電氣信息學院，武漢430205）

現如今，交通路口信號燈大部分采用固定配時方案，在行人高峰時難免會形成“中國式過馬路”現象[1]，這樣極易發生交通事故。為了緩解行人和車輛通行之間的矛盾，從“以人為本”的角度，考慮一種自適應控制的方法，通過檢測等候的行人數量和行人等候時間來實現信號相位的轉換，優化交通時間配置，從而降低事故發生概率，提高交通資源的利用率。

目前，交通信號的控制方法主要有：①固定信號配時，一般的交通路口設置紅燈時長為30 s～90 s不等，據報道國人等待的忍耐限度僅為15 s，因此往往在行人高峰時段，就會出現 “中國式過馬路”現象；②按鍵式中斷主路信號配時，行人通過觸發按鈕發出過街信號，信號相位轉換為行人通行信號，這種方式提高了行人過街的安全性[2]，但長期使用會造成按鍵的損壞和系統響應不及時等情況，不適用于繁忙的交通路口；③自適應信號配時，可通過微波雷達、紅外、激光、視頻等傳感器對行人進行自動檢測[3]，根據行人的特性來進行信號配時，提高了交通資源的利用率。

微波雷達傳感器雖檢測精度不受天氣影響但一般不能檢測低速和靜止的目標，紅外傳感器可檢測靜止目標但檢測精度易受環境影響，激光傳感器具有易于安裝、維護的優點但當行人相互重疊時檢測精度低。

由于視頻傳感器采集信息豐富、 直觀且安裝、維護方便，本文基于行人視頻檢測技術檢測行人數以及行人等待時間，設計了基于路口等待過街行人檢測的交通信號控制。利用背景差分法將攝像頭檢測到的視頻圖像信息進行處理，依據過街行人數和等候時長進行交通信號配時，并進行了交通仿真與分析。

1 基于行人檢測的交通信號系統

基于行人檢測的交通信號系統由行人視頻采集、行人檢測算法和信號配時三部分組成。圖1所示為基于行人檢測的交通信號系統流程[4]。

圖1 基于行人檢測的交通信號系統流程Fig.1 Traffic signal system flow chart based on pedestrian detection

1.1 行人檢測算法

運動目標檢測算法主要有幀間差分法、光流場法和背景差分法[5]。幀間差分法雖然實現簡單，對場景不敏感，但檢測精度不高，不能提取完整區域。光流場法能夠完全提取動態信息，攝像頭移動時也能進行檢測，但計算復雜、耗時，對光線和噪聲敏感。背景差分法檢測速度快，能實時檢測行人，在相對靜止的背景下檢測精度較高。因此本文采用背景差分的行人檢測算法。

行人檢測算法包括行人等候區背景建模、背景更新、行人目標提取以及等候行人數和等候時長。

1.1.1 行人等候區背景建模

為得到具有實時性和魯棒性的背景圖像，本文采用多幀平均的方法進行背景建模，由于運動物體的灰度值與背景的灰度值之間存在著很大的差異，運動物體經過像素點位置時，就會引起該像素點位置的灰度值變化，因此可以通過計算一定時間段內的像素的平均值來獲得背景圖像[6]。本文提取N 幀圖像進行背景建模，N 的值越大或者說累加的圖像幀數越多，背景圖像就越是接近真實。表達式為

式中：Bn為采集多幀圖像建立的平均背景；N 為幀數；fi為每一幀圖像。

1.1.2 背景更新

外界光線的變化會對背景模型產生一定的影響，因此需要對背景模型進行實時更新，來適應場景的變化，使得檢測效果更好。對沒有前景目標的像素點更新。更新的算式如下：

式中：Bn為新的背景值；Bn-1為前一幀的背景值。新的背景值可以通過前一幀背景值以及當前圖像和第fN-K幀圖像遞推得到。

1.1.3 行人目標提取

在實際應用中，當行人處于等待狀態時，行人相對于背景來說處于禁止或者緩慢運動狀態。本文采用背景差分法[7]。背景差分公式為

式中：fd（x，y）為差分圖像；fc（x，y）為當前幀圖像；fb（x，y）為背景圖像。

行人檢測表示為

式中：T 為分割閾值，當R（x，y）=0 時，表示為行人，當R（x，y）=1 時，表示為背景。

1.1.4 等候行人數和等候時長

行人在第t 幀的等候時長可以表示為

式中：Dt（x，y）=Dt-1（x，y）+1 表示當檢測到有行人而且上一幀行人等候時長超過1 s 時的等候時長；Dt（x，y）=0 表示圖像為背景時的等候時長。當系統進行初始化時，令t=0，此時等待的行人數為0，等候時長為0。

在第t 幀時的等候的行人數可以表示為

式中：#為像素的數目[8]。

1.2 信號配時

當未檢測到行人時，人行橫道信號燈則會一直保持紅燈狀態，車行道則一直處于綠燈狀態；根據等候的行人數和等待時長來判斷，一旦檢測到有行人，且人數或者等待時長大于一定值時，則會開啟人行橫道通行信號[9]。行人過街信號時間Gt可以用以下算式表示[10]：

式中：T 為行人反應時間，一般取3.2 s；L 為人行橫道的長度（m）；Sp為行人的平均速度，一般取1.2 m/s；Nped為過街行人數；W 為人行橫道的寬度（m）。

2 行人檢測算法驗證

根據路面實際情況，本文所測試實際場景的斑馬線長16 m，寬4 m，行人等候區的面積為12 m2，攝像頭置于行人等候區高4 m 處。根據等候行人數和等候時長，分別檢測等待行人數為2 人、7 人、21人、31 人時，行人在等候區所占比例。由于拍攝時攝像頭不穩定會導致拍攝角度產生偏差，這里選用3DS Max 軟件模擬真實場景。圖2為不同等待人數的場景圖。

圖2 不同等待人數場景圖Fig.2 Different waiting people scene map

行人占等候區的比例為檢測到的行人數所占面積與等候區的面積之比，理論上行人站立空間取0.06 m2。本文采用Matlab GUI 的可視化界面，將行人所占比例顯示在界面上。圖3為等待行人數為7人時的處理結果。

圖3 行人檢測處理結果Fig.3 Pedestrian detection processing result

可以得到不同等待人數所占等候區比例如表1所示。

表1 不同等待人數所占等候區比例Tab.1 Proportion of waiting areas for different waiting people

由表可以看出上述算法所得出的結果接近理論值，誤差范圍在5%以內，驗證了算法的有效性。

3 信號控制優化仿真與分析

為了驗證某干路路口的實際交通狀況，對該路口下午5：30～7：30 的交通數據進行了調研，單向雙車道的車流為平均每小時2000 輛，過街人流量為平均每小時500 人。將調研的數據在VISSIM 軟件中進行仿真，模擬無信號控制（行人過街車讓人）、固定配時信號控制以及本系統的信號控制，將這3種情況作比較并加以分析。

其中固定配時信號控制周期時長為100 s，車流方向綠燈時長為57 s，黃燈3 s，紅燈為40 s，行人方向綠燈時長為40 s，紅燈為60 s。車輛方向仿真結果如表2所示，行人方向仿真結果如表3所示。

表2 車輛方向仿真結果Tab.2 Vehicle direction simulation results

表3 行人方向仿真結果Tab.3 Pedestrian direction simulation results

從表2和表3中可以看出，無信號控制的路口不會對行人產生延誤，但車輛的平均延誤為40.4 s，行程時長為48.5 s；固定配時路口以車流為主，車輛的平均延誤時間減少到了10.6 s，行程時間也減少了，為18.6 s，但行人的平均延誤增高了，為16.3 s，平均等待時間也相對變長了，這就可能會出現行人闖紅燈的情況，易造成交通事故；自適應信號控制路口車輛的延誤時間減少到了6.5 s，行人的延誤時間減少到9.2 s，可見自適應信號控制能減少車車輛和行人的延誤，使交通路口更加暢通，也較少了交通事故的發生。

4 結語

經過實地調查和仿真分析，本文取得了如下進展：①通過背景差分法提取出前景行人目標，并運用Matlab 對算法進行驗證；②通過VISSIM 仿真軟件結合實地調查的數據進行模擬仿真，將無信號控制、固定配時信號控制、本系統信號控制進行對比，本文提出的自適應信號控制相對優化了行人和車輛的通行時間。本文目前只針對“中國式過馬路”現象提出了改進，還需進一步研究車輛方面問題，這樣可以更好地對時間進行分配，取得更佳的效果。