基于圖像處理技術的道路監控系統設計

王茁,侯洪鳳

(1.大連科技學院 教務處，遼寧 大連 116052；2.大連科技學院 交通與電氣工程學院，遼寧 大連 116052)①

交通擁堵是指在某時間段內，由于交通需求的增加，通過道路中的路段或交叉口的車流量超過道路的額定交通容量或能力時，導致道路上的交通流無法暢行的交通現象[1].交通擁堵不僅影響公眾出行的時間和費用，由此產生的汽車尾氣排放和車輛零件磨損等還會污染環境和提高社會經濟成本.近年來國內外學者在交通擁堵的影響因素、擁堵預測仿真、擁堵治理等方面進行了大量研究，特別是結合大數據、云計算等新興技術在擁堵數據的監測方面取得了一定的進展[2-7].在確定交通擁堵類型及擁堵原因方面，談曉潔等[8]應用空間分布概念分析城市交通擁堵現象的相互影響和關聯，并對交通擁堵原因及發展趨勢進行實時分析，但該方法過于抽象且當道路結構無法用點、線、平面來表達時，無法真實反映交通擁堵情況.郭繼孚等[9]通過數據調查分析了交通擁堵的主要類型與特點，對我國交通擁堵情況進行了討論，但實驗選用的數據均來自國內外一線城市，數據適用范圍較窄.在如何有效緩解交通擁堵方面，李雪巖等[10]倡導公眾乘坐公共交通出行，并基于此引入了深度強化學習算法.該算法采用價值函數神經網絡等函數模型，優化公眾乘坐公共交通的票價結構，所提方法雖能有效提高公眾乘坐公共交通的積極性，但算法過于復雜，制定公交票價涉及多方面因素的影響，難以實際應用.劉治彥等[11]在借鑒國外經驗后提出，增加城市交通道路基礎設施，建設快速、大運量的干線交通，同時開發地上、地下交通通道是解決交通擁堵問題的重要措施.該結論雖能夠解決部分城市的交通擁堵問題，但對于沿海城市及道路規劃為緊湊型的城市而言，該方法缺少可行性.

基于上述研究，本文通過實地觀測調查，確定城市中心區域發生擁堵的主要堵點，并分析造成擁堵現象的原因.為避免擁堵發生，提高城市道路交通系統實時監控系統的可靠性，提出一種基于LabVIEW圖像處理技術的道路交通運行情況的實時監測方法.通過對道路運行狀況的精準監控，為交通管理者提供判斷依據，以及時采取疏導措施緩解城市擁堵現象.

1 城市道路運行情況分析

本文以大連市中心城區——大連市政府駐在地的西崗區為研究目標.西崗區所在區域縱貫大連主城區，全區面積達26.6 km2，下轄7個街道45個社區，縱橫20條路214條街133條巷(圖1).西崗區是大連市區的交通樞紐，交通流量常年居高不下，輕軌地鐵始發站、大連火車站、長途汽車站，三站交匯于此.同時，該區也是大連市重要的商品物資集散地點.本次調查對象選取西崗區的一條主要街道及鄰近的幾個社區，即人民廣場街道及鄰近路口、五四廣場社區、長春路社區、地鐵、輕軌站.

圖1 大連市西崗區行政區劃圖

1.1 交通運行情況

1.1.1 數據獲取

本次調查時間為2021年5月10日—5月30日，共計21天.主要選取人民廣場街道路段午間車流、人流量的變化及鄰近高峰時段的交通擁堵情況，調查的目標為確定道路汽車擁堵地點及擁堵時間.此次調查分為2個階段，第一階段采取實地觀測調查，歷時9天，主要調查午間所選道路的流量及擁堵情況.調查目標路段兩個主要十字路口午休時間(11：00—13：30)的道路交通總流量，調查結果見圖2.統計圖表明，在11：00—12：30時間段內，目標路段的車流量不斷增加，最高達到28.8 輛/min.12：30以后，車流量逐漸降低，截止到13：30車流量降為14.7輛/min.第二階段采用填選調查問卷方式，歷時12天，主要對小區居民出行情況進行調查.表1為目標路段附近小區的1 500戶居民6：00—10：00的出行方式統計表.統計數據顯示，40.53%的居民選擇私家車出行，33.07%的居民選擇地鐵出行，26.4%的居民選擇公交出行.其中，7：00—8：00這個時間段出行人數最多，私家車、地鐵、公交占比分別為15.47%、10.47%、9.13%.

圖2 午間車輛運行情況統計圖

表1 居民出行方式統計表

1.1.2 數據分析

高峰時間又稱交通高峰，指一天中出現大交通量的一段時間[12].考慮到本次調查時段的選取為大連市旅游季，期間除當地居民上下班產生的早高峰外，外地游客于午間外出前往周邊景點、商圈游玩的出行量較大，且采用私家車出行量最多.基于此背景對調查數據統計分析，目標路段的道路交通情況出現兩個高峰時期，即早晨7：00—8：00為“早高峰”時間，中午12：00—13：00時為“午高峰”時間.

“早、午高峰”現象主要受兩方面因素影響.首先，目標路段為居民區、辦公樓及商業區交匯地段，早、午上下班時間，公交車輛和私家車輛突然聚集，超過道路交通容積率，導致道路擁堵.其次，城市道路設施不完善.目標路段雙向行駛道路少，機動車與非機動車混行，在主干路和道路交匯處更容易發生交通擁堵.這種類型的擁堵如不能及時解決，擁堵則會呈現出由交匯口→局部路段→關聯道路及路口的擴大趨勢.

1.2 交通擁堵原因

城市交通系統的穩定性主要受內、外兩方面因素的影響.其中城市交通結構及基礎設施、城市交通管理體制為交通系統內部因素，公眾出行特征為外部因素.

1.2.1 城市交通結構

城市交通結構不僅要關注目標路段的特征，還要研究其相鄰道路組成的城市道路網絡[13].以目標路段兩個主要十字路口#2、#3為中心，分析其所在道路交通網絡情況(圖3).

該交通網絡中#1至#4路段為城市主干路，共存在2個十字路口和2個T字路口.#2至#6、#3至#7兩條線路為雙向行駛道路.#2和#3兩個十字路口車輛駛入和駛出的方向分別為3和2，#1和#4兩個T字路口的車輛駛入和駛出方向分別為2和1.在這種情況下，則表現為#1至#4四個駛入方向多于駛出方向的路口產生擁堵，且會成為交通網絡中的“卡脖子”問題.此類交通擁堵在沒有得到有效緩解的情況下會影響整個交通網絡的性能.

圖3 目標路段交通網絡示意圖

1.2.2 現行交通管理體制

交通管理體制是制約城市交通發展的重要因素之一.近些年，我國的信息技術產業快速發展，很多城市已經將信息手段應用于交通系統[14].但是部分交通資源因受到管理體制的制約未得到大范圍的開發使用.

交通管理體制對交通擁堵的影響主要表現在兩個方面：一方面，市民交通安全意識和法律觀念淡薄.私家車輛及非機動車輛在道路行駛過程中違章現象嚴重，違法停車、違法駕駛及行人違法穿越馬路、跨越護欄等都會加劇交通擁堵.另一方面，交通管理政策不健全.以現行的大連市道路交通管理處罰規定為例，條例內容涵蓋機動車、車輛駕駛人、道路通行規定等，但涉及行人交通違章的處理辦法不足10%，事故預防與執法監督等內容不足5%.規定中針對機動車與非機動車混行、公交專用道使用等均未給出具體的實施方案，也在一定程度上加劇交通事故、交通擁堵等現象的發生.

1.2.3 公眾出行特征

根據調查數據統計分析，現階段大連市公眾出行呈現兩個主要特點：第一，公眾早、中、晚集中出行，由于公眾上、下班時間重合，造成了不可避免的交通擁堵；第二，公眾駕駛私家車輛出行，私家車在交通系統中的使用比例日益提高，進而導致額定承載量的交通系統出現擁堵現象.

2 道路監控系統設計

2.1 系統設計原理

本系統的設計原理是：利用高清攝像機采集車輛牌照信息，車輛駛過固定距離s，所用時間為Δt，利用式(1)，可以計算出車輛的行駛速度v.將車輛運行速度與我國《城市道路工程設計規范》中的設計速度作對比，即可得出當前道路的運行情況[15].

(1)

2.2 硬件系統設計

道路監控系統結構圖見圖4.該系統以兩個高清攝像機為核心，通過電源和控制系統進行車輛信息采集，再經過數據傳輸系統將采集到的車輛信息傳輸到計算機中進行圖像處理.

圖4 道路監控系統結構圖

因條件限制，尚不能將本方法運用在現行的道路運行監控系統中進行實驗測試.故本文采用實驗法，利用人工采集車輛信息的方法替代自動采集圖像信息的監控系統，車輛信息采集示意圖見圖5.在大連市西崗區市政府所在道路選取A、B兩個路口，AB距離為1.2 km，車輛由A路口駛向B路口，兩個觀察者分別于A、B路口采集車輛行駛信息并記錄時間t1和t2.

圖5 車輛信息采集示意圖

2.3 軟件系統設計

LabVIEW虛擬儀器開發平臺依靠其圖形化編程語言、數據流的編程特點和友好的交互界面，使其不僅能夠實現圖像處理領域的所有操作還能彌補其他編程方式的不足之處[16].NI Vision Assistant和Vision builder是LabVIEW虛擬儀器開發平臺的圖像處理開發模塊.本方法在上述兩個圖像處理開發包下設計了一套車輛信息圖像處理軟件系統.軟件系統的工作流程見圖6.

圖6 軟件系統的工作流程圖

2.3.1 初始化及預處理

實驗開始進入初始化模塊，進行基本參數設計并將車輛信息導入.圖像處理系統主要以車輛牌照信息為跟蹤目標，因此在圖像預處理前首先進行圖像切割，保存車輛牌照信息.圖像切割后開始進行圖像預處理.

實驗采集的牌照圖像為32bit的彩色圖像，且由于相機品質、采集環境、圖像傳輸方式等外在環境的影響，牌照信息會受到噪聲污染，圖像質量下降.故本系統設計的圖像預處理主要包括灰度化、二值化及圖像濾波等程序，為后續進行邊緣提取工作作鋪墊.

經實驗發現，車輛牌照的噪聲多屬于椒鹽噪聲.椒鹽噪聲屬于一種脈沖噪聲，在圖像中表現為隨機出現的白色或黑色像素點或者像素點集合，即在黑暗區域出現白色像素點或者在高亮區域出現黑色像素點，更嚴重的可能是兩種情況同時存在.針對該種類型的噪聲，選用中值濾波函數處理效果最好[17].

中值濾波技術的計算原理是將指定像素點鄰域窗口內的平均像素值賦予指定點.該算法不僅能夠有效去除椒鹽噪聲還可以保護圖像中的邊緣信息[18].圖7為采用灰度化、二值化及中值濾波技術進行處理后的車輛牌照信息.

圖7 中值濾波處理

2.3.2 邊緣強化

在實際工作中發現，中值濾波函數雖然保護了大部分的邊緣信息，但在邊緣檢測時仍存在部分邊緣信息丟失的情況.故本系統在邊緣檢測前設置邊緣強化函數，加強邊緣信息以保證邊緣檢測的完整性和精確性.LabVIEW的圖像處理模塊中提供Highlight Details、Custom等卷積分函數用于加強圖像邊緣信息.本系統選用Highlight Details函數進行邊緣加強，邊緣強化結果見圖8.

圖8 邊緣強化

2.3.3 邊緣檢測

車輛牌照信息在邊緣加強后進入邊緣檢測及提取程序.本系統選用圖像處理模塊中的Sobel算子進行邊緣檢測與提取.Sobel算子不僅能夠成功提取牌照的邊緣信息還可以有效抑制噪聲信息對圖像的干擾.邊緣檢測結果見圖9.

圖9 邊緣檢測

2.4 實驗結果分析

A、B兩個采集點采集到的車輛信息均采用本系統進行信息比對，確認為同一車輛后再利用式(1)即可得出車輛在固定路段的實時運行速度.本文在15min內共采集212組有效車輛信息，經過本系統處理后得到212組實驗數據.

車輛的運行速度不僅受到道路運行條件的影響，駕駛人駕駛車輛熟練度、駕駛時天氣狀態等都會影響車輛的行駛速度.為保證實驗結果的可靠性，利用式(2)和式(3)計算1 min內通過車輛的平均速度，并作為該時段的車輛運行速度.通過此方法共計出15個速度點，該時段車輛運行速度曲線見圖10.

v=v1+v2+v3+…+vn

(2)

(3)

圖10 車輛平均速度曲線

根據《城市道路工程設計規范》，交通路段可分為快速路、主干路、次干路和支路.道路運行狀態按照車輛運行速度共分為5級，1級表示運行最暢通，5級表示運行最擁擠.目標行駛道路為城市主干道，車輛的運行速度在35～48 km/h范圍內波動，即道路運行情況為2級暢通.

從圖10可知，車輛運行速度曲線中，15 min內車輛的運行速度呈下降趨勢(虛線).分析其原因主要是，實驗采集時間為16：00—16：15，該時間段非晚高峰時間，道路運行情況為暢通狀態.但從該曲線可預測出，當車輛速度下降到25～35 km/h時，目標短路將會進入3級輕度擁擠狀態.

3 結論

本文以大連市中心城區的交通運行情況為例，通過統計調查，分析了大連市的交通擁堵情況及造成擁堵現象的原因.以預防、緩解交通擁堵、提高交通運行質量為目標，設計了一套基于圖像處理技術的車輛信息識別系統.本系統利用LabVIEW的圖像處理模塊NI Vision Assistant和Vision builder，完成了車輛牌照圖像信息的濾波、檢測等處理，最終實現了車輛運行速度的實時監測.本文研究表明：

(1)造成道路交通擁堵的原因主要在于城市道路結構欠合理、城市交通管理政策不完善及公眾集中出行的特征.

(2)本文設計系統能夠有效識別車輛信息，且圖像處理結果真實可靠.

(3)本實驗系統檢測結果不僅能實現道路運行情況的實時監測，還能為預測道路運行情況提供數據支持.

本文僅以大連市中心城區的部分道路情況為對象進行研究，而對于國內其他城市的交通擁堵情況并未進行分析，下一步研究可深入探討其他城市交通運行狀況.此外，本系統尚未在實際中得到應用，在進行車輛信息采集過程中若采用車輛GPS定位信息，則本系統的運行效率可得到進一步提高，能為城市交通管理部門治理交通擁堵措施的制定提供技術支持.