基于智能视觉的交通调度系统设计

王爱菊 孔国利 马文越

摘 要： 基于GIS的高速公路監控与指挥交通调度系统对道路交通信息的智能视觉采集和处理效果差，存在交通调度效果差的弊端，设计基于智能视觉的交通调度系统。其主要由ZigBee协调器模块、智能视觉模块以及交通控制基站等构成。采用ZigBee协调器模块对车辆信息进行处理，协调系统调度性能。通过智能视觉模块中的车载传感器节点模块采集道路发生拥堵时道路信息，控制车载传感器节点的体积，控制系统整体能源和资金消耗；采用道路图像信息采集处理模块实现拥堵车辆图像信息的实时信息反馈。设计基于混合鱼群算法的优化处理算法调度交通车辆拥堵问题。实验结果表明，所设计系统交通调度效果佳，应用性强。

关键词： 智能视觉； 交通调度； 系统设计； ZigBee协调器； 车载传感器； 混合鱼群算法

中图分类号： TN915?34； TP391.9 文献标识码： A 文章编号： 1004?373X（2018）16?0148?03

Abstract： The GIS?based highway monitoring and commanding traffic scheduling system has poor intelligent visual acquisition and processing effect of road traffic information， resulting in poor traffic scheduling effect. Therefore， a traffic scheduling system based on intelligent vision is designed. The system is mainly composed of the ZigBee coordinator module， intelligent vision module， and traffic control base station. The ZigBee coordinator module is adopted to process vehicle information and coordinate the scheduling performance of the system. In the intelligent vision module， the vehicle?mounted sensor node module is used to collect road information during traffic congestion， and control the volume of vehicle?mounted sensor nodes， and the overall energy and capital consumption of the system. The road image information acquisition and processing module is used to realize real?time feedback of congested vehicle image information. An optimization disposal algorithm based on hybrid fish swarm algorithm is designed to resolve the vehicle scheduling problem during traffic congestion. The experimental results show that the designed system has good traffic scheduling effect and strong applicability.

Keywords： intelligent vision； traffic scheduling； system design； ZigBee coordinator； vehicle?mounted sensor； hybrid fish swarm algorithm

随着我国的人均汽车占有量在飞速增加，汽车数量的快速增加使得城市道路拥堵现象日渐严重，导致交通拥堵事件的发生频率越来越高。设计一种有效的交通调度系统，对大型交通拥堵的车辆实施高效率的调度，缓解道路的交通拥堵现象，成为当前相关专家学者重点关注的问题[1]。传统基于GIS的高速公路监控与指挥交通调度系统，根据地理信息系统遥感获取道路交通信息并进行交通调度，存在对交通调度的效果差的弊端。为了解决该问题，本文设计基于智能视觉的交通调度系统，实现对交通的有效调度，降低车辆发生拥堵概率。

1 基于智能视觉的交通调度系统设计

本文设计的基于智能视觉的交通调度系统通过物联网中ZigBee的树型网络结构实现对道路车辆的有效调度。通过在道路安置摄像头和图像处理装置[2]，将摄像头采集的交通图像发送给ARM处理器。对车辆调度信息调控依靠ZigBee协调器，将由车辆检测传感器节点获取的车辆运行信息经由无线通信模块传递至ZigBee协调器节点[3]，再通过物联网将车辆运行的数据信息传导至基站，基站负责向交通控制部门和司机提供即时的道路交通信息，实现对道路交通的有效调控。

1.1 ZigBee协调器模块设计

本文基于智能视觉的交通调度系统对道路拥堵时车辆信息的高效处理依靠ZigBee协调器实现。本文设计的ZigBee协调器由CC2430射频收发设备、液晶显示器、输入/输出模块以及发射电线等构成[4]，该协调器结构如图1所示。

设计该协调器为提升本文系统的交通调度性能，其对系统调度性能进行协调，确保本文系统能够在2.4 GHz ISM的波段中正常运行，缩短系统的运行资金消耗，除此之外ZigBee协调器中的CC2430射频收发设备具有较好的射频收发性能[5]。

1.2 智能视觉模块设计

1.2.1 车载传感器节点模块设计

系统设计车载传感器节点可用于采集道路发生拥堵时的道路信息，本文系统对车载传感器节点的设计采用嵌入式的设计原理[6]。图2为本文設计的车载传感器结构图，其由三轴加速传感器、发射天线以及高效的电源增强模块等构成。

车载传感器获取车辆信息依靠MODEL2420三轴加速度传感器[7]。该传感器在数据处理和抗干扰方面具有良好效果，同时该传感器在测量加速度方面和能耗方面具有较强的应用[8]。

1.2.2 道路图像信息采集处理模块设计

设计道路图像信息采集处理模块可实现拥堵车辆图像信息的采集以及实时信息反馈[9]。本文系统设计的道路图像信息采集处理模块由CMOS摄像头、ARM9微处理器以及FIFO构成，结构如图3所示。

1.3 交通调度算法

1.3.1 算法原理

本文设计一种基于混合鱼群算法的优化处理算法用于对交通车辆的拥堵问题进行调度，原理如下：

通过将以上鱼群中觅食、群聚等数学特征用于本文交通调度系统中，实现对道路交通的有效调度。

2 实验分析

实验为验证本文系统的有效性，需对本文系统进行相关的实验分析。实验测试环境为NS?2仿真环境，采用本文系统、传统基于GIS的高速公路监控与指挥交通调度系统以及基于Floyd算法的交通调度系统共同对同一路段进行实验。三种系统的堵车路段的车辆数量、交通信号灯处的流量情况分别如图4、图5所示。

分析图4道路发生拥堵时，道路中排队的车辆总数。从图中可以看出，本文系统可有效发现涉及的安全问题，并进行有效的交通调度，在实验进行到500 s时，道路拥堵车辆开始减少，在800 s后路上车辆的数量达到正常水平，解决道路拥堵问题，说明本文系统可实现道路交通的正常运行，降低车辆发生拥堵的概率。

由图5可知，本文系统将交通信号灯处的车流量控制在20以下，有效缓解了交通压力，说明本文系统对交通压力的缓解有较强的帮助。

3 结 论

本文设计的基于智能视觉的交通调度系统，可对交通进行实时调度，减弱交通的拥堵现状，有助于提升交通调度效率，提升系统的实际应用价值。

参考文献

[1] 冯亮，梁工谦.基于GPS/GIS协同的动态车辆调度和路径规划问题研究[J].计算机科学，2017，44（9）：272?276.

FENG Liang， LIANG Gongqian. Real?time dynamic vehicle scheduling and vehicle routing problem based on GPS & GIS collaboration [J]. Computer science， 2017， 44（9）： 272?276.

[2] 庞明宝，陈茂林，张宁.基于MAST的智慧公交优化调度研究[J].交通运输系统工程与信息，2017，17（1）：143?149.

PANG Mingbao， CHEN Maolin， ZHANG Ning. Scheduling optimization of intelligent public transport system based on MAST [J]. Journal of transportation systems engineering and information technology， 2017， 17（1）： 143?149.

[3] 郭海涛，许伦辉.基于FPGA的狭窄路段交通拥堵智能控制系统设计[J].现代电子技术，2017，40（24）：124?126.

GUO Haitao， XU Lunhui. Design of FPGA?based intelligent control system of traffic congestion on narrow road [J]. Modern electronics technique， 2017， 40（24）： 124?126.

[4] 王进，赵蕊，曹宝林，等.基于视觉的缩微智能车车道检测与控制[J].上海交通大学学报，2015，49（8）：1159?1167.

WANG Jin， ZHAO Rui， CAO Baolin， et al. Lane detection and steering control of vision?based micro?intelligent vehicle [J]. Journal of Shanghai Jiao Tong University， 2015， 49（8）： 1159?1167.

[5] 王晨，李景彬，温宝琴.基于LabVIEW的农用车辆视觉导航控制系统设计与仿真[J].甘肃农业大学学报，2016，51（5）：120?125.

WANG Chen， LI Jingbin， WEN Baoqin. Design and simulation of visual navigation control system for agricultural vehicle based on LabVIEW [J]. Journal of Gansu Agricultural University， 2016， 51（5）： 120?125.

[6] 罗钦，杨永泰，莫义弘，等.城市轨道交通行车调度应急辅助决策系统的设计与实现[J].铁道运输与经济，2017，39（2）：85?89.

LUO Qin， YANG Yongtai， MO Yihong， et al. Design and realization of emergency auxiliary decision?making system of traffic control for urban rail transit [J]. Railway transport and economy， 2017， 39（2）： 85?89.

[7] 曹立波，陈峥，颜凌波，等.基于RFID、视觉和UWB的车辆定位系统[J].汽车工程，2017，39（2）：225?231.

CAO Libo， CHEN Zheng， YAN Lingbo， et al. Vehicle positioning system based on RFID， vision and UWB [J]. Automotive engineering， 2017， 39（2）： 225?231.

[8] 陈军.基于物联网的道路监控调度系统设计与实现[J].科技通报，2015，31（10）：55?57.

CHEN Jun. Road monitoring scheduling system design and implementation based on Internet of Things [J]. Bulletin of science and technology， 2015， 31（10）： 55?57.

[9] 朱庆，陈兴旺，丁雨淋，等.视觉感知驱动的三维城市场景数据组织与调度方法[J].西南交通大学学报，2017，52（5）：869?876.

ZHU Qing， CHEN Xingwang， DING Yulin， et al. Organization and scheduling method of 3D urban scene data driven by visual perception [J]. Journal of Southwest Jiaotong University， 2017， 52（5）： 869?876.

[10] 杨福兴，张琪.物流配送车辆优化调度仿真研究[J].计算机仿真，2017，34（8）：179?183.

YANG Fuxing， ZHANG Qi. Research on optimization simulation for logistic vehicle scheduling problem [J]. Computer simulation， 2017， 34（8）： 179?183.