APP下载

基于神经网络的嵌入式智能交通指挥系统的设计与实现

2016-08-06邹荧荧

大科技 2016年32期
关键词:人工神经网络嵌入式调度

邹荧荧

(广西德意数码股份有限公司 广西南宁市 530022)

基于神经网络的嵌入式智能交通指挥系统的设计与实现

邹荧荧

(广西德意数码股份有限公司 广西南宁市 530022)

交通运输作为国民经济的基础,其所存在的问题是各国面临的共同问题,为了缓解或解决交通问题,建设智能交通系统成为重要的措施。本文中所述的基于神经网络的嵌入式智能交通指挥系统属于智能交通系统中关于智能交通管制、动态路径引导、智能信号、公共交通优先、智能车辆管理的一部分,由物联采集传输端,信号控制端及智能分析调度平台构成。系统是结合视频采集和嵌入式物联信息采集技术和GIS、移动通讯无线通信技术进行数据采集和传输,获取交通流量和路况环境数据,并以研究和实现的人工神经网络建模和算法进行实时计算与分析,得出最优的交通策略,实现交通指挥智能化、自动化、科学化。

智能交通;神经网络;数据采集;分析调度;智能交通管制;动态路径引导

1 前言

交通运输作为国民经济的基础,对于经济发展和社会进步具有重要的作用。但是当前交通问题仍是各国面临的共同问题,为了缓解或解决交通问题,投入建设智能交通系统成为重要的措施。所谓智能交通系统就是将先进的信息技术、数据通讯传输技术、电子传感技术及计算机软件处理技术等有效地集成运用于整个地面交通管理系统中而建立的一种在大范围、全方位发挥作用的高效、便捷、安全、环保、舒适、实时、准确的综合交通运输管理系统。本文中所述的基于神经网络的嵌入式智能交通指挥系统就属于智能交通系统中关于智能交通管制、动态路径引导、智能信号、公共交通优先、智能车辆管理的一部分。

2 设计目标

(1)搭建基于安全平台的智能交通分析调度系统,实现人工神经网络的交通数据分析,并对交通枢纽的监控和调度。

(2)完成面向智能交通管制、动态路径引导、智能信号交通的人工神经网络建模和相应算法的研究,实现该模型和算法模块的开发,并完成交通流量采集传输端和交通信号灯控制端的集成开发。

(3)实现系统依据实时车流数据和实际环境,智能控制信号,科学引导车辆通行。

3 基于神经网络的嵌入式智能交通指挥系统设计

3.1 应用模型

该系统由物联采集传输端,信号控制端及智能分析调度平台构成。系统应用示意图如图1所示。

图1 系统应用示意图

(1)采集传输端,由地感线圈、视频摄像枪和移动通讯无线传输模块组成。当行人和车辆经过车道,由地感线圈和视频枪采集得到交通流量数据,由移动通讯传输模块将流量数据和相关的环境参数发送至信号控制端和分析调度平台。

(2)信号控制端,由人工神经网络模型及算法模块、信号控制器和移动通讯无线传输模块组成。当控制端接收到流量数据和相关的环境参数后,人工神经算法模块自我学习,进行策略对比,并计算出最优的交通疏导算法,从而控制交通信号灯的时间。并通过移动通讯无线传输模块将得到的策略和数据与分析调度平台进行同步。

(3)分析调度平台,是整个系统的管理中心、数据存储中心、数据分析中心、指挥调度中心。负责接收采集端和控制端的的所有数据,并进行存储管理,对各个交通枢纽进行实时动态监控,当发现异常便触发预警,可以通过平台进行远程人工指挥调度理。

3.2 关键技术及设计

基于神经网络的嵌入式智能交通指挥系统采用的核心技术是人工神经元网络技术,并选取了以物联感知采集为辅的技术研发方向。

3.2.1 人工神经网络及技术

人工神经网络(Artificial Neural Networks,简写为ANNs)简称神经网络(NNs)或连接模型(Connection Model),是一种模范动物神经网络行为特征,进行分布式并行处理的算法数学模型。它依靠系统的复杂程度,以调整内部大量节点之间相互连接的关系达到处理信息的目的。

人工神经网络的基本功能如下:①联想记忆。②非线性映射。③分类与识别。④优化计算。⑤知识处理。这些特征与功能,使得人工神经网络成为解决很多问题的有力工具。

(1)人工神经网络建模

人工神经网络具有良好的自学习、自适应、联想记忆、并行处理和非线形转换的能力。构筑合适的网络结构,固定处理单元(神经元)的数目,通过信息样本和变换神经元间的连接强度对网络进行训练,使其具有类似人的大脑记忆、辨识能力,完成各种信息的处理功能。

神经网络的学习规则可以粗略分成三类,这些类别分别如下:

第一类相关学习规则。这种规则只根据连接间的激活水平改变权系数。贯用于自联想网络,如Hopfield网络。

第二类纠错学习规则。这种规则根据输出节点的外部反馈改变权系数,按局部改善最大的方向优化来找到全局优化值。感知器学习就采用这种纠错学习规则。例如BP算法。

第三类无教师学习规则。该学习规则自适应于输入测检。例如ART网络的自组织学习算法。

人工神经网络实际反映了由网络结构确定的一种输入转化为输出的数学表达式。目前应用最多的人工神经网络模型是BP模型,采用最小均方差学习方式。

其中,BP网络建模特点如下:

①非线性映照能力:神经网络能以任意精度逼近任何非线性连续函数。

②并行分布处理方式:运用分布存储和并行处理网络中的信息而令它达到强容错性和快处理速度。

③自学习和自适应能力:神经网络在训练时能从输入、输出的数据中提取规律性的知识,记忆于网络的权值中。神经网络可在线进行学习。

④数据融合的能力:神经网络能利用传统工程技术和人工智能技术同时处理定量信息和定性信息。

⑤多变量系统:神经网络的输入和输出变量的数目是任意的,对单变量系统与多变量系统提供了一种通用的描述方式,不必考虑各子系统间的解耦问题。

基于上述BP网络建模的上述特点,适合于构建交通指挥模型,因此在本项目智能交通指挥研发过程中选用此神经网络建模方法。

(2)人工神经网络算法

BP(Back Propagation)神经网络是误差反向传播神经网络的简称,一种由输入层、中间层(可扩展多层)、输出层组成的阶层型神经网络学习算法。邻层各神经元进行全连接,而每层各神经元之间无连接,当提供学习模式提供给网络后,其按教师示教的方式进行学习,各神经元获得网络的输入响应产生连接权值(Weight)。然后按减小希望输出与实际输出误差的方向,从输出层经各中间层逐层修正各连接权,回到输入层。此过程反复交替进行,直至网络的全局误差趋向给定的极小值,即完成学习的过程。

同时,MATLAB提供现成的神经网络工具箱(Neural Network Toolbox,简称NNbox),为解决神经网络问题中的研究工作量和编程计算工作量问题提供了便利条件。应用MATLAB语言构造典型神经网络的激活传递函数,编写各种网络设计与训练的子程序,快速实现对实际问题的建模求解。

(3)人工神经网络实现智能交通指导的思路和方法

智能交通的人工神经模型及处理流程如图2所示。

图2 智能交通的人工神经模型及处理流程图

如图2所示,将智能交通人工神经网络模型分为三种:

①初始模型:人工神经网络的初始模型:初始状态时,系统按照交通疏导的理论形成初始策略,对交通进行交通的疏导指挥,如下班高峰期,适当减少信号的停留时间,或者到了夜晚,交通灯只开黄灯,等等。不经过人工神经的计算。

②常规模型:常规模型相对于事故模式而言,是在交通枢纽没有发生意外事故或异常情况下,人工神经网络所应用的交通疏导模型。人工神经网络依据交通流量、时间段等因素进行疏导策略的计算和选择,并且执行优胜劣汰,更优策略将保存在智能分析调度平台的策略中。以此循环,优化策略。这个过程称为神经的自我学习训练。

③事故模型:事故模型是在交通枢纽发生意外事故或异常的情况下的,人工神经网络所应用的交通疏导模型。当交通路口发生意外事故时,人工神经网络将触发事故模型,首先向智能分析调度平台发送预警信号,通知中心值班人员,再发布引导广播,通知附近车辆和行人绕道,最后按常规模型来执行算法,疏导交通。事故模型也进行人工神经的自我学习训练,产生的疏导策略存储在智能分析调度平台的策略中。

3.2.2 物联感知采集

物联网涉及的技术领域很多,如感知、控制、网络通信、微电子、计算机、嵌入式系统等,因此其涵盖的关键技术也非常多,物联网技术体系划分为感知技术、网络通信技术、共性技术和支撑技术等。

3.2.3 嵌入式

嵌入式是一种专用的计算机系统,执行专用功能,是装置或设备的一部分。其不能使用通用型计算机,且运行的是固化的软件。绝大多数嵌入式系统是用户针对特定任务而定制的,主要由微控制器、只读存储器、随机访问存储器、I/O端口和轻量级的嵌入式操作系统模块组成。

专门的单片微控制器是大多数嵌入式系统的核心,把多个关键的系统组成部分集成到芯片上,小巧而便捷。

由于嵌入式系统的灵巧性等特性,嵌入式技术与无线传输技术的结合成为开发物联网数据和传输技术的最佳方案。

3.3 系统结构

基于神经网络的嵌入式智能交通系统由物联采集传输端,信号控制端及智能分析调度平台组成。其系统结构如图3所示。

图3 系统功能结构图

3.3.1 采集传输端

采集传输端包括数据采集模块和通讯传输两个模块,数据采集以视频识别和地感线圈的物联感知两种方式结合进行采集。通讯传输模块基于移动通讯技术,实现高速无线传输和实时数据同步,并以嵌入式的集成方式应用在原有的交通基础设备环境上。

3.3.2 信号控制端

信号控制端由人工神经、通讯传输、信号控制三大模块组成,以嵌入式的方式,可集成应用在原有的交通基础环境中。

(1)人工神经

①人工神经建模:按理论的交通疏导指引方法,建立人工神经网络智能模型。神经网络模型依据现场环境和实际的交通流量,进行智能计算,适时调整交通疏导策略,同时,从多个疏导策略中心进行对比选优,选出最佳方案进行交通信号的时间,从而正确引导交通枢纽的行人和车辆通行。

②计算分析:人工神经的计算分析模块,实现神经的计算、分析、对比、选优功能,依据现场环境和交通流量计算出最优的交通疏导和时间响应方法。

③策略生成:该模块用于实现智能交通人工神经在学习训练中疏导策略的生成和存储。

(2)信号控制器

智能交通人工神经分析计算得到的最优信号灯响应策略后通过该模块控制信号灯的红绿黄的亮灯时间。

(3)通讯传输模块

功能与采集传输端的通讯传输模块功能相同。

3.3.3 智能分析调度平台

智能分析调度平台由数据层,基础平台,应用功能三大部分组成。由于每天产生的交通流量比较多,因此需要搭建可以容纳海量数据的数据存储系统。基础平台为上层应用功能模块提供所需的引擎、控件、中间件,及系统平台所需的基本功能。应用功能实现系统管理应用、控制、分析、预警、发布等主要业务应用。

3.3.4 外部系统

基于神经网络的嵌入式智能交通指挥系统充分考虑了系统的兼容性,提供外部接口,采用嵌入式的集成方式集成采集传输端和信号控制端,可应用在原有ITS系统中,使系统更加完善和强大。

4 综述

基于神经网络的嵌入式智能交通指挥系统作为智能交通系统中关于智能交通管制、动态路径引导、智能信号、公共交通优先、智能车辆管理的一部分,通过搭建智能交通分析调度系统,完成面向智能交通管制、动态路径引导、智能信号交通的人工神经网络建模和算法的研究和实现,并结合视频采集和嵌入式物联信息采集技术、移动通讯无线通信技术进行数据采集和传输,获取交通流量和路况环境数据,进行实时计算与分析,得出最优的交通策略,实现交通指挥智能化、自动化、科学化。智能指挥,科学疏导,优化城市交通枢纽运行秩序。最大程度地发挥交通基础设施的效能,提高交通运输系统的运行效率和服务水平,为公众提供高效、安全、便捷、舒适的出行服务。

TP273+.5

A

1004-7344(2016)32-0277-03

2016-10-19

邹荧荧(1975-),男,汉族,广西南宁人,高级工程师,本科,主要从事软件研发方面的工作。

猜你喜欢

人工神经网络嵌入式调度
利用人工神经网络快速计算木星系磁坐标
《调度集中系统(CTC)/列车调度指挥系统(TDCS)维护手册》正式出版
一种基于负载均衡的Kubernetes调度改进算法
虚拟机实时迁移调度算法
人工神经网络实现简单字母的识别
滑动电接触摩擦力的BP与RBF人工神经网络建模
搭建基于Qt的嵌入式开发平台
嵌入式软PLC在电镀生产流程控制系统中的应用
Altera加入嵌入式视觉联盟
倍福 CX8091嵌入式控制器