趙堯瑤 雷蕾 姚利青 王京冕 李夢飛

摘要：針對當(dāng)前紅綠燈秒數(shù)分配不合理的問題，本文采用基于Node-RED以及云端的智能紅綠燈控制系統(tǒng)，通過調(diào)用車流量檢測AI模型，識別實(shí)時監(jiān)控圖像，判斷擁堵等級，Node-RED控制模塊在不同擁堵等級下，下發(fā)指令給紅綠燈，合理分配秒數(shù)。在只考慮單向通行的情況下，該智能紅綠燈系統(tǒng)能夠解決一部分交通資源分配不合理的問題，為解決該問題提供借鑒。

關(guān)鍵詞：智能紅綠燈；云端；Node-RED；數(shù)據(jù)；圖像識別

引言

我國是交通大國，但存在交通資源分配不均，交通效率不高的問題。因此，智能紅綠燈成為提高交通效率的一個重要課題。通過對目前部分城市的交通現(xiàn)狀的觀察和分析，發(fā)現(xiàn)同一路口的不同時間段，車流量較大的方向是不相同的，很容易造成車輛擁堵等問題。這種現(xiàn)象不僅影響日常居民出行，還容易造成交通事故。在過去，紅綠燈的秒數(shù)往往是固定的，不能夠靈活變通，這也就導(dǎo)致了前述情況的發(fā)生。這種落后的方式已經(jīng)逐漸被現(xiàn)代的智能交通紅綠燈系統(tǒng)取代。

最早將機(jī)器視覺技術(shù)用于交通流檢測的想法是美國在1978年提出的[1]。我國雖然起步較晚，但發(fā)展十分迅速[2]。目前所了解到的國內(nèi)外的智能紅綠燈控制系統(tǒng)中，有各種方法來獲取數(shù)據(jù)，但是這些方法都存在缺陷，如金屬傳感器對距離有一定限制，視頻圖像存在一定的視野盲區(qū)，同時數(shù)據(jù)處理也較為緩慢[3]。我們采用計(jì)算機(jī)視覺技術(shù)，實(shí)時監(jiān)控十字路口的交通情況，并對車流量進(jìn)行識別，通過網(wǎng)絡(luò)迅速將實(shí)時數(shù)據(jù)發(fā)送到云端，云端發(fā)送控制信號到邊緣端紅綠燈[4]。本文設(shè)計(jì)了基于Node-RED以及云端的數(shù)據(jù)存儲和處理技術(shù)的智能監(jiān)控紅綠燈系統(tǒng)。主要設(shè)計(jì)內(nèi)容包括視頻圖像處理與紅綠燈命令系統(tǒng)設(shè)計(jì)、基于云端AI模型訓(xùn)練、基于Node-RED的可視化顯示系統(tǒng)UI界面設(shè)計(jì)，研究了智能紅綠燈控制的方法。

1. 系統(tǒng)

1.1 系統(tǒng)組成

本文所設(shè)計(jì)的智能紅綠燈系統(tǒng)由云端和本地端兩部分組成。其中本地端主要包含圖像采集模塊、控制器模塊等。本文中圖像采集模塊選用?？低晹z像頭，控制模塊選用IotRouter EG8100，該模塊完成物聯(lián)網(wǎng)協(xié)議轉(zhuǎn)換和控制功能。云端的圖像識別模塊采用EasyDL開發(fā)識別車流量的AI模型，圖像識別后得出識別結(jié)果，然后將擁堵分級識別結(jié)果數(shù)據(jù)返回到物聯(lián)網(wǎng)控制器，物聯(lián)網(wǎng)控制器根據(jù)此結(jié)果控制紅綠燈時間。顯示實(shí)時車流量信息狀態(tài)的部分，本文采用基于Node-RED的可視化UI界面實(shí)現(xiàn)。大部分系統(tǒng)顯示車流量的方式是基于數(shù)碼管或者LCD液晶屏的傳統(tǒng)顯示方式[5]，傳統(tǒng)方式只能實(shí)現(xiàn)紅綠燈系統(tǒng)的現(xiàn)場顯示，無法實(shí)現(xiàn)遠(yuǎn)程顯示和數(shù)據(jù)實(shí)時傳輸共享。在互聯(lián)網(wǎng)技術(shù)飛速發(fā)展的背景下，不同設(shè)備之間可以通過網(wǎng)絡(luò)進(jìn)行遠(yuǎn)程數(shù)據(jù)傳輸。通過互聯(lián)網(wǎng)遠(yuǎn)程距離傳輸技術(shù)，可實(shí)現(xiàn)車流量在PC機(jī)上的UI界面顯示，還可借助互聯(lián)網(wǎng)實(shí)現(xiàn)數(shù)據(jù)遠(yuǎn)程實(shí)時共享，從而讓智能紅綠燈在短時間內(nèi)迅速做出改變。系統(tǒng)的總體結(jié)構(gòu)圖如圖1所示。

1.2 系統(tǒng)硬件設(shè)計(jì)

本文所設(shè)計(jì)的智能紅綠燈硬件部分包含供電模塊、車流量信息采集模塊、聯(lián)網(wǎng)控制模塊、紅綠燈組，結(jié)構(gòu)如圖2所示。攝像頭采用?？低旸S-2DC3326IZ-D3型攝像頭。該攝像頭是一款360度全景特寫攝像頭，采用ICR紅外濾片，實(shí)現(xiàn)全天候全視角的路況監(jiān)控，能通過網(wǎng)線連接路由器將路段情況上傳至云端。

IotRouter EG8100作為本智能紅綠燈的聯(lián)網(wǎng)控制模塊負(fù)責(zé)對紅綠燈的控制，攝像頭將視頻截幀圖像上傳至云端進(jìn)行識別處理，并將各方向紅綠燈亮起的時長返回到基于Node-RED平臺的EG8100，對紅綠燈下發(fā)指令，以完成在不同車流量下紅綠燈的智能控制。

本文使用了悅欣YX02S-RYG RS485型號的紅綠燈，采用Modbus協(xié)議線，經(jīng)由集線器連接可與EG8100聯(lián)通接收亮燈指令。

1.3 系統(tǒng)軟件設(shè)計(jì)

本文所設(shè)計(jì)的系統(tǒng)軟件部分包含可視化管理界面、Node-RED聯(lián)網(wǎng)控制模塊兩部分?？梢暬芾斫缑娌糠种饕ń邮?處理攝像頭上的數(shù)據(jù)，通過前期調(diào)用已經(jīng)使用EasyDL開發(fā)識別車流量的AI模型進(jìn)行車輛識別，將車流量圖片分類為無車、通暢、擁堵、嚴(yán)重?fù)矶滤膫€等級，然后將數(shù)據(jù)返回到可視化管理界面，可視化管理界面再將數(shù)據(jù)傳輸?shù)絅ode-RED聯(lián)網(wǎng)控制模塊。

Node-RED聯(lián)網(wǎng)控制模塊部分主要用于接收、發(fā)送和處理來自聯(lián)網(wǎng)設(shè)備的數(shù)據(jù)。該程序的基本邏輯為：首先，通過AI識別返回當(dāng)時某個地方的車流量情況，同時和可視化管理頁面返回的數(shù)據(jù)相結(jié)合；其次，運(yùn)行在Node-RED中已編寫好的代碼，并對獲取的信息進(jìn)行分析，通過車流量大小決定紅燈、綠燈、黃燈的變換以及閃爍時間。圖3為系統(tǒng)軟件操作流程圖。

1.4 控制界面

控制界面設(shè)計(jì)使用的是Node-RED中官方的可下載節(jié)點(diǎn)Dashboard，這是一個用于構(gòu)建交互式Web用戶界面的可視化工具?？刂平缑嬷饕O(shè)計(jì)通過使用網(wǎng)關(guān)內(nèi)配置好的Node-RED環(huán)境，通過檢測各個接口情況的方式收集各部分信息顯示設(shè)備的各項(xiàng)信息，如外界設(shè)備的連接情況、聯(lián)網(wǎng)控制器的各接口連接情況、電池信息以及當(dāng)前定位位置等，最后將信息通過Node-RED的Dashboard統(tǒng)一呈現(xiàn)給控制界面。

界面分為三個部分：設(shè)備狀態(tài)信息、電池信息和GPS定位位置，設(shè)備信息和電池信息可以通過網(wǎng)關(guān)檢測所連接口和電源電池的方式檢測信息，GPS則需要網(wǎng)關(guān)獲得當(dāng)前位置信息，然后再在Node-RED中調(diào)用高德地圖以地圖的形式呈現(xiàn)。其中紅綠燈狀態(tài)、攝像頭狀態(tài)設(shè)定為可由用戶界面控制開關(guān)，電量以一個儀表盤的形式顯示，以更直觀的方式顯示電量情況。

2. 實(shí)驗(yàn)

2.1 實(shí)驗(yàn)過程

在訓(xùn)練模型的過程中，數(shù)據(jù)集采用UA-DETRAC官方發(fā)布的公開數(shù)據(jù)集，該數(shù)據(jù)集由Cannon EOS550D相機(jī)在北京和天津的24個不同地點(diǎn)拍攝的10小時視頻組成。對數(shù)據(jù)集中的圖片進(jìn)行清洗標(biāo)注后，訓(xùn)練檢測車流量的AI模型。訓(xùn)練平臺采用百度EasyDL平臺，數(shù)據(jù)分為無車、通暢、擁堵、嚴(yán)重?fù)矶滤膫€等級，只考慮單向通行情況下，分別對應(yīng)相應(yīng)的紅綠燈秒數(shù)，詳見表1。

2.2 實(shí)驗(yàn)結(jié)果分析

表2為車流量模型的混淆矩陣?；煜仃嚨拿恳涣写砹祟A(yù)測類別，每一列的總數(shù)表示預(yù)測為該類別的數(shù)據(jù)的數(shù)目；每一行代表了數(shù)據(jù)的真實(shí)歸屬類別，每一行的數(shù)據(jù)總數(shù)表示該類別的數(shù)據(jù)實(shí)例的數(shù)目；每一列中的數(shù)值表示真實(shí)數(shù)據(jù)被預(yù)測為該類的數(shù)目。以矩陣中第1行第1列的元素1220為例，即表中行為通暢，列亦為通暢，所對應(yīng)的數(shù)為1220，表示有1220個實(shí)際歸屬通暢類的圖片被預(yù)測為通暢類；矩陣中第1行第2列的28表示有28個實(shí)際歸屬為通暢類的圖片被錯誤預(yù)測為無車類。矩陣中第1行第3列的14表示有14個實(shí)際歸屬為通暢類的圖片被錯誤預(yù)測為擁堵類；矩陣中第1行第4列中的0表示沒有通暢類的圖片被錯誤預(yù)測為嚴(yán)重?fù)矶骂?。其余以此類推?/p>

表3為該模型各個標(biāo)簽的具體數(shù)據(jù)，無車標(biāo)簽由于數(shù)據(jù)集不足，導(dǎo)致召回率較低。

3. 展望

本文實(shí)現(xiàn)了智能紅綠燈監(jiān)控系統(tǒng)中最重要的車流量識別和紅綠燈控制系統(tǒng)部分，對于實(shí)際紅綠燈秒數(shù)的分配提供了一定的參考，更合理的分配方式還需進(jìn)一步研究。在實(shí)驗(yàn)中，并沒有實(shí)際地對道路路口使用智能紅綠燈控制系統(tǒng)前后的道路情況進(jìn)行分析，接下來還需要對其進(jìn)行實(shí)地實(shí)驗(yàn)，分析本文所提出的方法對路口車流量的影響。

結(jié)語

針對紅綠燈的智能控制問題，本文提出了基于機(jī)器學(xué)習(xí)的車流量識別方法，并且通過EasyDL實(shí)現(xiàn)了車流量檢測AI模型的訓(xùn)練，達(dá)成了根據(jù)車流量實(shí)時調(diào)節(jié)紅綠燈時間的目的。本文所設(shè)計(jì)的智能監(jiān)控紅綠燈系統(tǒng)能夠合理分配紅綠燈秒數(shù)，實(shí)現(xiàn)了交通資源的調(diào)度，可為進(jìn)一步解決交通調(diào)度問題提供借鑒。

參考文獻(xiàn)：

[1]閆徳瑩.基于MeanShift跟蹤算法的交通流檢測系統(tǒng)研究[D].合肥：中國科學(xué)技術(shù)大學(xué)，2011.

[2]林鑫.基于視頻的車流量檢測系統(tǒng)研究[D].貴陽：貴州民族大學(xué)，2014.

[3]孫藝琳，劉備，茍富強(qiáng)，等.基于北斗衛(wèi)星定位的智能紅綠燈系統(tǒng)[C]//中國衛(wèi)星導(dǎo)航系統(tǒng)管理辦公室學(xué)術(shù)交流中心.第十二屆中國衛(wèi)星導(dǎo)航年會論文集——S01 衛(wèi)星導(dǎo)航行業(yè)應(yīng)用.中國衛(wèi)星導(dǎo)航系統(tǒng)管理辦公室學(xué)術(shù)交流中心：中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會組委會，2021：6.

[4]劉佳陽，李浩，楊靖澤.智能紅綠燈的發(fā)展與應(yīng)用探討[J].電腦知識與技術(shù)，2020，16（10）：256-257.

[5]張立.基于Node-RED的可視化糧倉溫控系統(tǒng)設(shè)計(jì)[J].信息技術(shù)與信息化，2022（4）：110-113.

作者簡介：趙堯瑤，本科，研究方向：智能紅綠燈。