摘 要

Abstract 2

第一章 绪论 3

1.1. 研究背景与意义 3

1.1.1. 研究背景 3

1.1.2. 研究意义 4

1.2. 研究内容与技术方案 4

1.2.1. 研究内容 4

1.2.2. 技术方案 6

1.3. 论文结构和主要创新点 7

1.3.1. 论文结构 7

1.3.2. 主要创新点 10

第二章 文献综述 10

2.1. 信号灯控制研究现状 10

2.2. 行人等待的最大忍耐时间研究综述 11

2.3. 视频识别技术在交通控制领域的应用 11

第三章 动态配时方案设计 12

3.1. 基于视频识别技术的信号灯配时方案设计 12

3.1.1. 参数设置及车行红绿灯持续时间计算说明 13

3.1.2. 信号灯时间调控方法说明 14

3.2. 基于交通流预测的信号灯配时方案设计 17

3.2.1. BP神经网络介绍 17

3.2.2. 神经网络建立与训练 18

3.2.3. 交通流预测及信号灯控制说明 20

第四章 Vissim仿真模型设计 21

4.1. 华城广场人行横道路口仿真模型建立 21

4.1.1. 路口交通情况说明 21

4.1.2. Vissim仿真建模说明 24

4.2. 仿真模型的信号控制方式设置 25

4.2.1. 路口的固定配时方案设置 25

4.2.2. 基于视频识别技术的动态配时方案设置 26

4.2.3. 基于交通流预测的动态配时方案设置 27

4.3. 仿真实验的交通流构成设置 28

4.4. 仿真实验的评价模块说明 29

4.5. 对比仿真实验说明 30

4.5.1. 实验一：固定配时方案VS基于视频识别技术的动态配时方案 30

4.5.2. 实验二：固定配时方案VS基于交通流预测的动态配时方案 30

第五章 仿真实验结果对比分析 31

5.1. 实验一结果分析 31

5.2. 实验二结果分析 35

第六章 总结与展望 39

6.1. 研究总结 39

6.2. 未来工作 39

参考文献 41

摘要

随着我国经济的快速发展和城市规模的不断扩大，城市交通的供需矛盾也进一步加大。城市交通信号控制领域普遍采用固定配时方案，是导致路口交通拥堵和通行能力低下的主要原因之一。

为了提高城市路口的通行能力，本文从2种角度，以武汉市武昌区华城广场人行横道与友谊大道交叉路口作为研究对象，分别提出了基于视频识别技术的交通信号灯动态配时方案和基于交通流预测的信号灯动态配时方案。

并使用Vissim微观交通仿真软件建立该路口的仿真模型，分别进行交叉路口信号灯固定配时与本文提出的2种优化后的配时方案的对比仿真实验。

实验结果表明，本文提出的两种动态配时方案具有可行性，两种方案均能减小车辆延误时间和排队长度，并提高路口的通行能力。

关键词：交通信号灯；动态配时；视频识别；神经网络；交通流预测；通行能力

Abstract

With the rapid development of China's economy and the continuous expansion of urban scale, the contradiction between supply and demand of urban transportation has further increased.In the field of urban traffic signal control, fixed timing scheme is widely adopted, which is one of the main reasons for traffic congestion and low capacity at intersections.

In order to improve the traffic capacity of urban intersections, this paper takes the intersection between the crosswalk of Huacheng square and Youyi avenue in wuchang district of Wuhan as the research object, and proposes the traffic signal dynamic timing scheme based on video recognition technology and the traffic signal dynamic timing scheme based on traffic flow prediction.

Vissim,the micro-traffic simulation software,was used to build the simulation model of the intersection, and the fixed timing scheme of the intersection was compared with the two optimized timing schemes proposed in this paper.

The results of the experiments show that the two dynamic timing schemes proposed in this paper are feasible, both of which can reduce the vehicle delay time and queue length, and improve the traffic capacity of the intersection.

Keyword: Traffic light；Dynamic timing；Video recognition；Neural network；Traffic flow prediction；Traffic capacity

绪论

• 1. 研究背景与意义
     1. 研究背景

随着我国经济的快速发展和城市规模的不断扩大，城市居民的交通需求也日益增长。早在本世纪之初，我国就以惊人的速度进入汽车社会阶段。截至2018年底，全国汽车保有量达2.4亿辆，比2017年增加2285万辆，增长10.51%；机动车驾驶人突破4亿人，达4.09亿人，其中汽车驾驶人3.69亿人。而交通供给的增长速度明显低于交通需求的增长速度，城市交通基础设施的供需矛盾进一步加大。

交通供需之间的矛盾带来了日趋严重的交通问题，其中交通拥堵问题最为突出。交通拥堵问题会影响城市生活的效率和质量，并且带来了环境污染、能源浪费等诸多社会问题。有研究结果表明，相比于工厂排放，车辆排放会更严重地影响城市环境。同时，城市交通的拥挤会造成大量的事故，极大地影响着人们的出行安全。

我国交通信号灯在设置、使用和配时方面存在的相应问题也是导致交通拥堵问题的主要原因之一。在信号灯设置方面，信号灯设置随意性较大和信号灯安装位置不合理是两个较为突出的问题；信号灯使用方面存在的问题有倒计时信号灯应用过于广泛、信号灯管理水平较低以及信号灯灯色不合理；在信号灯配时方面，各大城市均存在路口红绿灯时间分配不合理的现象，也存在路口信号周期过长或者过短问题，而且城市交通信号灯控制普遍采用固定配时方案，信号灯状态转换时间相对固定，信号灯的显示时间无法根据路口的实时车流量来动态调整。

传统信号灯调度方法己经无法满足日益增长的城市交通需求，因此为了解决目前城市道路交通问题，研究有效的智能信号灯调度方法是十分必要的。在intelligent transport system——ITS系统的广泛应用的过程中，产生了大量实时交通数据。对于交通流状态的预测是智能交通系统研究的一大重要领域。通过预测交通流来指导交通信号灯的调度，可以更好地服务路口的实际交通流。现今，有很多关于交通车流量预测的研究工作。其中，Kalman滤波预测方法是将Kalman滤波理论应用于交通流预测[^[1]]；ARIMA模型是从时间序列的历史值及当前值来预测未来值的线性估计量[^[2]]。目前，虽然出现了许多有良好发展前景的理论和方法，但这些方法仍处于探索阶段，需进一步发展完善。

• • 1. 研究意义

如何缓解交通拥堵情况以及由此而引发的其它问题，为城市居民提供良好的城市生活环境，引起了社会公众的高度重视。在现有研究的基础上，本文提出了基于视频识别技术的信号灯动态配时方案以及基于交通流预测的信号灯动态配时方案。基于视频识别技术的动态配时方案，利用路口现有的视频监控设备对路口等待行人数进行识别计数，然后根据获得的等待行人数分别确定车行绿灯时间和车行红灯时间，从而实现对路口信号灯时间的动态调整；而基于交通流预测的动态配时方案，利用历史交通流数据来训练神经网络模型，得到输出与输入的一种映射关系，然后对路口下一时段的交通流进行预测，并根据预测交通流动态调整信号灯配时。实验表明，两种配时方案都能够对路口的信号灯时间进行动态调整，有利于提高城市路口的通行能力，缓解交通道路拥堵情况；同时可以减小汽车尾气排放对城市环境的影响，改善市民的出行质量。

• 1. 研究内容与技术方案
     1. 研究内容

本研究以武汉市武昌区华城广场人行横道与友谊大道交叉路口为研究对象。该路口是青山区与武昌区交通往来的重要通道，紧邻武汉市二环线。路口北侧是武汉理工大学余家头主校区，南侧为华城广场居民小区及武汉理工大学余家头航海楼教学区，学生和居民是人行横道过往行人的主要来源。该路口处，友谊大道路段为双向六车道（其中，最外侧车道为公交车道）；路口信号灯采用固定配时方案。在早晚高峰时段，上下班的大量车流与行人在路口处汇集；在非高峰期，固定信号配时又可能在无车辆或行人通过时，使车辆或行人被迫等待。既存在着交通安全隐患，也降低了路口通行能力，增加行人等待时间。

华城广场人行横道路口场景图如下：

图1-1 华城广场人行横道路口场景图

论文首先通过实地调研来了解华城广场人行横道路口的周边环境和交通设施情况，统计路口在工作日及非工作日的高峰期和平峰期的车流量和人流量，作为该项研究的历史数据；观测路口信号灯的绿信比和周期长度，以掌握路口的信号灯固定配时方案。对收集的历史交通流数据进行预处理，剔除异常数据，并分析路口交通流的主要特征，确定在固定配时方案下路口的通行情况、车辆滞留状况等，从而针对目标路口交通控制所存在的问题提出可行的优化方案，以提高路口的通行能力。

其次，根据所掌握的目标路口的交通流特征和通行情况等信息，进行基于视频识别技术的动态配时方案以及基于交通流预测的动态配时方案的设计。一方面，根据视频识别获取的等待行人数分别确定车行红灯时间和车行绿灯时间，设计路口信号灯配时的优化方案；另一方面，使用深度学习方法建立合适的神经网络模型，并用所得到的交通流数据集，对神经网络模型进行训练，不断调整隐藏层的节点个数和神经网络的训练次数，直至计算所得误差小于最小精确度，即完成神经网络的训练。进而使用神经网络模型对路口下一时段的交通流进行预测，以根据预测交通量对信号灯的绿信比和周期长度进行动态调整，从而更好地服务目标路口的实际交通流。最后，在Vissim仿真环境下，建立目标路口的仿真模型。在仿真环境下，进行路口当前采用的固定配时方案与2种优化方案的对比仿真实验。分别比较两组仿真实验中各配时方案下的“车辆总延误时间”、“行人延误时间均值”等指标，以验证所提出的两种优化配时方案的可行性。

• • 1. 技术方案

论文的技术路线如下：

1）理论研究：通过阅读关于交通信号灯控制的相关文献，进行理论研究，了解信号灯配时现状及存在问题，明确信号灯调度研究的现状。

2）实地调研，数据搜集：对目标路口进行实地调研，获取路口的历史交通流数据，掌握信号灯使用的配时方案。然后对收集到的历史数据进行预处理，对错误数据及异常数据进行剔除，从而获得交通流数据集。

3）信号灯动态配时方案设计：一方面，进行基于视频识别技术的动态配时方案设计；另一方面，建立合适的神经网络模型，预测路口下一时段的交通流，根据预测交通量，动态调整信号灯时间，完成基于交通流预测的动态配时方案的设计。

4）仿真实验：使用Vissim微观交通仿真软件对目标路口建立仿真模型，分别进行固定配时方案与2种优化方案的对比仿真实验，并对实验结果进行分析，最后获得研究结论。

图1-2 技术路线图

• 1. 论文结构和主要创新点
     1. 论文结构

共分为六个章节：

第一章绪论：主要介绍研究背景与意义，阐述研究的主要内容和所采取的技术方案，以及主要的创新点。

第二章文献综述：对我国信号灯控制研究现状进行介绍，对视频识别技术及其在交通控制领域的应用进行说明。

第三章动态配时方案设计：分别对基于视频识别技术的动态配时方案的优化算法、程序设计和基于神经网络算法进行交通流预测的动态配时方案进行说明。

第四章Vissim仿真模型设计：在Vissim软件环境中建立仿真模型，对仿真模型的交通流构成、仿真评价部分进行说明，并分别介绍固定配时方案与两种动态配时方案的对比仿真实验的具体内容。

第五章实验结果分析：以“车辆总延误时间”、“平均队长最大值”、“行人延误时间均值”等指标对两组对比仿真实验的结果进行分析，验证所提出的两种动态配时方案的可行性。

第六章总结与展望：对本研究的结果进行归纳、总结，并指出研究中的不足之处，以及阐述未来的工作和研究方向。

图1-3 论文结构图

• • 1. 主要创新点

针对城市交通信号灯控制普遍采用固定配时的问题，本研究的主要创新点如下：

1. 提出了基于视频识别技术的动态配时方案：能够根据路口等待行人数分别确定车行绿灯持续时间和车行红灯持续时间，从而动态调整信号灯时间。
2. 提出了基于交通流预测的动态配时方案：使用达到预测精度的神经网络预测路口在下一时段的交通量，并根据预测值提前设置信号灯时间，以较好地适应下一时段的实际交通流，减小路口的车辆延误。

文献综述

• 1. 信号灯控制研究现状

我国智能交通事业起步较晚，但在许多学者的共同努力下，该领域已取得了很大的进步，近些年在信号灯控制领域也取得了很多成果。

1992年，徐东玲等学者从智能算法中引入了模糊神经网络算法，针对孤立的单个交叉路口提出了基于模糊神经网络的配时优化算法[^[3]]；1993年，李立源等提出了一种基于最优预测模型的实时最优控制方法[^[4]]；2000年，徐建闽等针对城市道路的交叉口设计了一种基于模糊理论的信号配时方法[^[5]]；2011 年，周丽提出了动态时段划分的信号控制模型，选取延误、通行能力为参数，采用改进的 NSGA-II进行求解[^[6]]；2012年，首艳芳等提出了延误与尾气排放的优化模型，对周期时长、绿信比和相序进行优化，提出评价满意度函数[^[7]]；2018年，闫东宇等人将模糊控制技术与Charge Coupled Device(CCD)摄像传感技术相结合，实现交通信号灯的优化控制[^[8]]。

由以上信号灯控制领域的发展情况可以看出，优化模型、模糊理论、神经网络等更多地被用于信号灯控制，而使得该领域呈现出动态化和智能化的发展趋势。

• 1. 行人等待的最大忍耐时间研究综述

在交叉口信号控制中，行人等待的最大忍耐时间是需要被考虑的重要因素之一。若行人等待时间超出其最大忍耐时间，行人会产生焦虑和厌烦情绪，而出现闯红灯等违规行为，对交叉口的通行秩序和交通安全会造成极大的影响。

我国很多学者对行人等待的最大忍耐时间进行了研究。卢守峰等利用生存分析法提出了长沙市行人过街最大等待时间为40～50s的结论[^[9]]；郭宏伟等在获取了交叉口的实际数据的基础上，建立了基于危险的行人过街等待持续概率模 型，得出大多数行人能够接受的等待时间为50s[^[10]]；刘光新等初步确定杭州市行人可忍受等待时间约为70～90s[^[11]]；钱宇彬等分别研究了上海市典型二次过街路口行人闯红灯率随等待时间的变化规律[^[12]]。

以上研究表明，不同地区的行人在路口等待的最大忍耐时间存在差异，所以行人在路口等待时的最大忍耐时间的范围为40s～90s。由于目标路口的北侧为武汉理工大学余家头主校区，路口南侧为华城广场居民校区，所以在路口通行的行人主要为学校的学生和小区的居民。而学校学生和小区居民在路口通行时，通常并不匆忙，能够接受较长时间的车行绿灯时间，所以可以假定目标路口行人的最大忍耐时间为60s。

• 1. 视频识别技术在交通控制领域的应用

视频识别技术是用摄影机和计算机代替人眼对目标进行识别、追踪和测量等操作的一种技术方法。视频识别由前端视频信息的采集及传输、中间的视频检测和后端的分析处理三个环节组成。通过对采集到的视频数据进行进一步的目标特征的识别、提取，可实现对视频图像数据的理解。近年来，视频识别技术发展迅速，已经应用在许多领域，如制造业、农业、医疗诊断、交通控制等。