基于机器视觉的信号交叉口运行效率分析模型_沈呈龙.pdf

智能交通NO.02 2023122智能城市 INTELLIGENT CITY基于机器视觉的信号交叉口运行效率分析模型沈呈龙 汤睿尧 田晓芳（南京理工大学，江苏 南京 210094）摘要：为了客观分析城市道路信号交叉口运行效率，文章基于机器视觉选取YOLO V5s与DeepSort的多目标追踪算法对信号交叉口机动车进行检测追踪，获取运行轨迹及运动参数等交通信息，在此基础上从空间、时间及受阻状况三方面提出排队长度、平均通行时间和进口道平均延误的提取方法，将最大排队长度、进口道平均延误、平均通行时间共三个交通参数作为分析指标建立模糊综合评价模型对信号交叉口运行效率进行分析，选取南京市信号交叉口实例对模型进行验证。结果表明，模型成果能够有效测度信号交叉口运行效率，对信号交叉口运行效率水平的提升提供了一定的技术支持。关键词：机器视觉；排队长度；进口道平均延误；平均通行时间；运行效率；模糊综合评价中图分类号：U491 文献标识码：A 文章编号：2096-1936（2023）02-0122-04DOI：10.19301/ki.zncs.2023.02.036现阶段研究者倾向于多指标融合对交叉口运行效率进行综合评价。Dakic等1提出了连续周期平均绿灯到达车辆数比、方向延误和绿灯到达车辆数比对交叉口运行效率进行分析。Datta等2选取饱和度、停车率和服务延误对无信号交叉口运行性能进行分析。此类评价指标体系比较完善，但同步获取难度较大，数据来源基本来自实测小样本数据，存在一定的主观性偏差。随着机器视觉的兴起，基于机器视觉对城市道路交通参数获取逐渐成为交通领域重要手段之一。Zhou等3提出一种计算机视觉框架，可从监控视频中提取交通量等信息对交叉口信号配时进行优化。Jodoin等4利用背景差分法构建特征点和空间信息的目标模型，可以实现对机动车速度等信息进行提取。Azimjonov等5开发了一种基于边界框的车辆检测跟踪系统，能够对高速公路中的交通流进行统计计数。郑来等6基于单目视觉技术，构建了静态间距测算模型，能够对静止状态下队列内机动车间距进行测算。刘新平等7通过视频分析技术，结合车辆角点特征对拥堵状态下的车辆排队长度进行检测。王昊等8基于双目视觉提出了一种能够实时感知车辆跟驰状态的系统，能够对跟驰距离、速度差等参数进行实时估计。目前基于机器视觉的信号交叉口运行效率分析主要集中于车辆的某个或某些参数，在信号交叉口运行效率研究方面尚未提出一套较为完整的分析体系。基于此，文章以无人机视频数据为基础，采用机器视觉对机动车交通参数进行提取，构建客观全面、可操作性强的信号交叉口运行效率分析方法体系。1交叉口效率分析指标构建及提取选取科学合理的分析指标是交叉口运行效率分析的重要内容，分析指标选取直接影响评价结果准确性，基于YOLO V5s+DeepSort的检测追踪算法对机动车轨迹数据进行提取保存，根据分析指标提取的科学性和可操作性原则提取相应指标。1.1机动车检测追踪数据处理检测追踪成果如图1所示。选取1 000张图片对运动的机动车进行标注建立数据集，按照73的比例划分训练集与验证集，使图1检测追踪成果收稿日期：2022-10-06作者简介：沈呈龙，硕士，助理工程师，研究方向为智能交通。引用本文：沈呈龙,汤睿尧,田晓芳.基于机器视觉的信号交叉口运行效率分析模型J.智能城市,2023,9(2):122-125.智能交通NO.02 2023123智能城市 INTELLIGENT CITY用YOLO V5s进行训练，机动车AP达到0.913，能够满足检测追踪需求，基于DeepSort追踪算法对输入视频内的机动车进行检测追踪，提取轨迹参数，将轨迹数据按照frame、id、x-center、y-center、v的格式输入excel进行保存。1.2效率分析指标构建及提取文章基于Windows 10操作系统，采用深度学习框架Torch搭建深度学习网络进行目标对象的检测与追踪，进而提出相关分析指标的提取技术。（1）最大排队长度。定义进口道停止线像素坐标横坐标为x0，队列内最后一辆机动车横坐标为x，则标记的进口道排队长度：s=(x-x0+L2)（1）式中：像素距离与实际距离比；L机动车车身长。以交叉口西进口道为例，排队长度提取流程如图2所示。（2）进口道平均延误。机动车从上游进入交叉口时，由于信号灯处于红灯或拥堵等客观因素，导致车辆被迫减速或者静止的交通行为均会增加延误时间，设机动车初始被检测到驶过进口道停止线的真实行驶时间为t，在理想平稳路段正常行驶时间为t0，则车辆进口道延误时间为d=t-t0，对分析周期内所有机动车进口道延误时间求和平均得到进口道平均延误。进口道平均延误指标提取的主要步骤：对输入的交叉口视频内机动车进行检测追踪，并对东西南北4个进口道区域进行标定，判断机动车所属进口道；利用当前帧数对各机动车从开始出现到机动车车尾驶离车道停止线的真实行驶时间进行计算；将机动车的真实行驶时间及理想时间代入公式，得到进口道平均延误时间。（3）平均通行时间。定义机动车刚出现被检测的时间记为初始时间T0，机动车通过交叉口后进入出口道最终从视频上消失不被检测到，最后检测到的时间记为T1，则机动车通过交叉口所使用的时间为T=T1-T0，对分析周期内所有机动车的通行时间求和进行平均得到平均通行时间。2交叉口运行效率评价模型驾驶员在行驶过程中对交通状态的感知均为模糊描述，模糊综合评价法能够根据不同影响因素的特征，确定目标对象与影响因素之间的隶属度函数关系，用模糊变换方法对分析目标做出模糊综合判断，结果清晰明了，系统性强。2.1建立因素集对影响信号交叉口运行效率的因素进行确定，建立因素集U=(U1，U2，U3，.，Ui)，Ui表示影响分析对象的因素，文章中i值取3，分别表示为最大排 队 长 度U1，进 口 道 平 均 延 误U2，平 均 通 行时间U3。2.2建立评价集构建评价集V=(V1，V2，V3，.，Vt)，其中t代表交叉口运行效率的评价等级数，如将信号交叉口运行效率分为6个级别，V=(V1，V2，V3，V4，V5，V6)分别对应交叉口的A、B、C、D、E、F等6个服务水平，t=6。2.3建立权重集分析各影响因素对评价目标的影响程度，根据各因素在评价体系中的重要程度进行权重定量分配，由此组成权重向量，从而构建权重矩阵W=(w1，w2，w3)，其中0wi1，i=1nwi=1。2.4计算隶属度rij当按因素集中第i个因素对分析目标进行评价时，设评价集中第j个元素Vj的隶属度为rij，其中按第i个因素Ui对应第j个效率等级的模糊关系评价矩阵表示如式（2）所示：R=|r11r12.r1tr21r22.r2t.ri1ri2.rit（2）根据文章影响因素中不同指标对交叉口运行效率的作用方向，可知指标值越小，交叉口运行效率水平越高，隶属度rij表示如式（3）所示：图2排队长度提取流程智能交通NO.02 2023124智能城市 INTELLIGENT CITYrij=maxUi-UijmaxUi-minUi（3）2.5计算模糊综合评价结果信号交叉口运行效率的模糊评价综合结果如式（4）所示：B=WR（4）3案例分析为了具体说明交叉口效率评价方法的运用以及对评价方法的合理性验证，选取南京市双麟路与紫云大道信号交叉口作为交叉口效率评价案例进行实例验证。3.1视频数据采集及交叉口概况数据采集时间为工作日晚高峰17：3018：30，采集周期数为18个，交叉口属于T字形交叉口，各车道宽度为3.5 m，限速60 km/h，信号周期为115 s。3.2信号交叉口运行效率计算分析周期不同指标数据如表1所示。使用模糊综合评价模型对选取的信号交叉口运行效率进行分析。（1）构 建 交 叉 口 运 行 效 率 评 价 因 素 集U=(U1，U2，U3)，分析周期不同指标数据。（2）将信号交叉口运行效率分为A、B、C、D、E、F共6个级别，构建评价集V=(V1,V2,V3,V4,V5,V6)，各等级所属区间：F为V6)0，0.15、E为V50.15，)0.30、D为V40.30，)0.50、C 为V30.50，)0.70、B 为V20.70，)0.90、A为V10.90，1.00。（3）根据隶属度公式计算因素集U与评价集V的综合模糊评判矩阵R，将全部周期分为三组计算，第一组计算结果如矩阵（5）所示：R=|0.730.830.570.500.440.740.840.910.750.710.570.810.740.840.650.540.400.72（5）（4）对因素集中的各分析指标权重进行确定，通过问卷调查4个年龄段人群对各影响因素的敏感度确定权重。调查共回收213个样本，其中18岁29岁年龄段人群占42.7%，30岁39岁年龄段人群占36.2%，40岁50岁年龄段占14.1%，50岁以上年龄段人群占7.0%。通过分析得知，不同年龄段人群对不同指标的敏感性稍有差异。18岁39岁年龄段人群对通行时间、排队长度、进口道延误敏感性依次递减，40岁以上年龄段人群更有耐心，对排队长度的关注略高于通行时间，所有年龄段中可接受通过交叉口时间为2 min的占比最大，占比为37%。分别计算各年龄段样本3个指标的权重值，取平均值作为最终各指标的权重，得到最大排队长度权重值为0.34，进口道平均延误权重值为0.25，平均通行时间权重值为0.41，通过计算可以得到W=0.340.250.41。（5）根据模糊评价综合结果公式B=WR进行计算，后两组计算过程同第一组，第一组计算结果如矩阵（6）所示：B1=WR1=0.34 0.25 0.41|0.73 0.83 0.57 0.50 0.44 0.740.84 0.91 0.75 0.71 0.57 0.810.74 0.84 0.65 0.54 0.40 0.72=0.76 0.85 0.65 0.57 0.46 0.75（6）3.3信号交叉口运行效率结果分析根据模糊综合评价结果得到分析周期内信号交叉口运行效率值，根据评价集V范围判断运行效率等级。分析周期效率值及评价等级如表2所示。分析周期评价指标及服务水平变化如图3所示。前十个周期，双麟路与紫云大道交叉口的最大表1分析周期不同指标数据周期编号123456789101112131415161718分析指标最大排队长度U1/m65.1754.6881.0388.1693.8464.35102.0868.9663.7252.7467.7066.6393.97137.29111.3691.8538.2170.08进口道平均延误U2/s23.4120.9226.5327.8732.6824.2935.3925.7424.3022.2925.4825.2535.1953.0842.7434.0717.5525.86平均通行时间U3/s40.4837.8042.6445.2648.7740.9451.4541.3740.0138.7443.5944.0649.3358.6755.4248.0833.9341.50智能交通NO.02 2023125智能城市 INTELLIGENT CITY排队长度在70 m上下波动，进口道平均延误在26 s上下波动，平均通行时间在42 s上下波动，三者均在第15个周期前后达到峰值，此时交叉口运行效率最低。双麟路与紫云大道运行效率表现良好，交通顺畅，模型能够较为准确的描述交叉口的运行效率水平，验证了评价方法的合理性和科学性。4结语信号交叉口运行效率关系到城市路网的交通顺畅情况，为客观、全面地评价城市道路信号交叉口运行效率水平，文章基于机器视觉从时间、空间及受阻状况三个方面提出了排队长度、平均通行时间及进口道平均延误的提取方法，构建了信号交叉口运行效率分析模型，客观全面地测度了信号交叉口的运行效率。研究内容检测对象局限、分析指标不够全面，后续还需针对不足展开进一步的研究。参考文献1 Dakic I,Stevanovic A,Zlatkovic M,et al.Refinement of performance measur