CN110428648B - 基于svm和计算机网络的交通信号控制方法及控制系统 - Google Patents

Abstract

本发明提出一种基于SVM和计算机网络的交通信号控制方法及控制系统，首先，利用摄像头和电磁传感器采集的总车流量及各车道直行、左转、右转的车流量分别作为数据集，利用SVM分别对各数据集的95%进行训练得到直行、左转、右转的SVM模型；其次，利用各数据集的5%分别计算SVM模型的拟合误差，根据拟合误差扩大训练集，进而更新SVM模型；最后，将摄像头实时采集的路口的总车流量输入各向SVM模型，输出路口直行、左转、右转的车流量预测值，根据车流量预测值，通过计算机网络分配及控制各车道的通行时间，实现交通信号的调控。本发明根据各车道的车流量预测值分配并控制通行时间，实现区域规划，有效减少高峰期道路拥堵，提高通行的连续性。

Description

基于SVM和计算机网络的交通信号控制方法及控制系统

技术领域

本发明涉及计算机网络的交通信号控制技术领域，特别是指一种基于SVM和计算机网络的交通信号控制方法及控制系统。

背景技术

支持向量机SVM是一种基于统计学习理论的机器学习方法，可以分析数据，识别模型，用于分类和回归，支持向量机SVM所需训练样本少，泛化能力强。支持向量回归利用核函数将输入空间非线性变换到高维特征空间，然后在此高维特征空间寻找最优分类平面让每个点到回归线的距离最小，进而得到输入输出的函数关系。计算机网络是指将地理位置不同的具有独立功能的多台计算机及其外部设备，通过通信线路连接起来，在网络操作系统，网络管理软件及网络通信协议的管理和协调下，实现资源共享和信息传递的计算机系统。

进入新时期，交通快捷、安全成为科技发展的一个重要历程，城市的发展要求和供应背景迫切需要一个合理的交通规划出行方式。如何在高峰期疏通交通，如何提高车辆的通行连续性正是目前需要解决的问题。

发明内容

针对高峰期交通拥堵，交通信号灯控制方法单一，造成车辆通行连续性差的问题，本发明提出了一个基于SVM和计算机网络的交通信号控制方法及控制系统，能够根据不同车道车流量的不同自主分配控制各车道通行时间，实现区域规划，有效减少高峰期道路拥堵，提高通行的连续性。

本发明的技术方案是这样实现的：

一种基于SVM和计算机网络的交通信号控制方法，其步骤如下：

S1、利用摄像头采集N组距某一路口100米处的总车流量，利用电磁传感器采集通过路口时直行、左转、右转的车流量，将总车流量和直行车流量作为直行数据集，将总车流量和左转车流量作为左转数据集，将总车流量和右转车流量作为右转数据集；

S2、分别选取直行数据集、左转数据集、右转数据集的95％作为直行、左转、右转的训练样本，其余的数据集分别作为直行、左转、右转的测试样本；

S3、基于SVM分别对直行、左转、右转的训练样本进行训练，分别得到直行SVM模型、左转SVM模型、右转SVM模型；

S4、将直行、左转、右转的测试样本分别输入直行SVM模型、左转SVM模型、右转SVM模型，计算直行SVM模型、左转SVM模型、右转SVM模型的拟合误差；

S5、判断直行SVM模型、左转SVM模型、右转SVM模型的拟合误差是否小于1％，若是，执行步骤S7，否则，执行步骤S6；

S6、利用摄像头再采集M组距某一路口100米处的总车流量，利用电磁传感器采集通过路口时直行、左转、右转的车流量，将M组车流量分别添加到直行数据集、左转数据集和右转数据集进行扩充，执行步骤S2；

S7、将摄像头实时采集的路口100米处的总车流量分别输入直行SVM模型、左转SVM模型、右转SVM模型中，分别得到直行、左转、右转的车流量预测值，根据车流量预测值控制路口各车道的通行时间，实现交通信号的调控。

所述步骤S3中将直行训练样本输入SVM进行训练得到直行SVM模型的方法为：

S31、假设直行训练样本集为(x₁,y₁),(x₂,y₂),...,(x_i,y_i)，...,(x_m,y_m)，其中，x_i∈Rⁿ是输入变量的值，y_i∈R是输出值；通过非线性映射φ(·)将训练样本集从原空间R映射到高维特征空间F，并在特征空间F中用公式(1)进行线性回归获得线性回归函数f(x)，此时，原输入空间的非线性回归就转化为高维特征空间的线性回归：

其中，w∈F为回归向量系数，b为阈值，f(x)为线性回归模型；

S32、利用||w||²替代公式(1)中的回归向量系数w，令目标函数为：

其中，常数C为惩罚因子，且C>0，函数e(·)是ε的不敏感损失函数，

S33、通过极小化目标函数R(w)来确定公式(1)中的回归向量系数w和阈值b：

S34、利用对偶方法将公式(3)转化为：

其中，K(x_i,x_j)＝φ(x_i)φ(x_j)，K(x_i,x_j)为核函数，

α_i、α_i ^*、α_j和α_j ^*均为拉格朗日乘子；

S35、利用

根据公式(4)可将公式(1)转化为：

其中，核函数K(x_i,x)＝φ(x_i)φ(x)；

所述左转SVM模型的构建方法为：将左转训练样本输入SVM按照步骤S31至步骤S35进行训练得到左转SVM模型；

所述右转SVM模型的构建方法为：将右转训练样本输入SVM按照步骤S31至步骤S35进行训练得到右转SVM模型。

基于SVM和计算机网络的交通信号控制方法的控制系统，包括中央控制计算机，中央控制计算机通过光纤通信分别与区域计算机、摄像头和电磁传感器相连接，区域计算机与路口设备控制端相连接，路口设备控制端与交通信号灯相连接。

所述中央控制计算机包括预处理单元、数据存储单元和数据处理单元，预处理单元分别与数据存储单元、摄像头和电磁传感器相连接，数据存储单元与数据处理单元相连接，数据处理单元通过光纤通信与区域计算机相连接。

所述区域计算机设有多台，区域计算机分别通过光纤通信与路口设备控制端和中央控制计算机相连接，路口设备控制端与交通信号灯相连接。

所述摄像头分别设置在路口100处用于采集路口的总车流量，电磁传感器分别设置在路口处的各车道地面上用于采集通过路口时的直行、左转、右转的车流量。

本技术方案能产生的有益效果：基于SVM支持向量机回归得到的数据易于处理，每个路口三个方向的交通灯分别对应三组SVM模型，根据当前总车流量和三组SVM模型，恶意得到三个方向的车流量预测值，根据车流量预测值改变路口的各向通行时间，数据简洁易处理，既不会增加运算的负荷，又能快速得出结果。本发明改善了由于汽车变道后通过路口时车流量的不稳定性，能够构建SVM模型得到较为准确的预测结果。本发明的交通信号控制系统，构建了由数据采集，数据存储到数据分析的处理框架，在中央控制端进行采集车流量数据的接收和存储、数据的处理分析，运用SVM得到处理后的数据标签。再构建了一个基于计算机网络技术搭建的系统运行框架，通过主从式分布控制法实现了中央控制端通过通信连接把指令发送给区域端，区域端通过光纤通信实时控制每一个路口信号灯，来实现中央控制区域，区域控制路口的一个交通信号控制系统。整个系统框架稳定而高效，能够合理的缓解城市交通拥堵，合理进行区域规划，提高城市的交通管理能力。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的流程图。

图2为本发明的系统框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明构建了一个交通信号控制系统采用区域主从分布式控制方法将区域内所有的信号机都连接成一个网络，用一台大型计算机(作为中央控制端)与多台计算机(作为区域控制端)通信连接的方式对整个系统进行集中控制，对于路口控制端设备和区域段通过通信线路(光纤)连接起来，形成了一个中央控制区域，区域控制路口的交通系统。能够实现中央端进行数据处理，发送指令能控制路口信号灯做出相应的变化。

如图1所示，本发明实施例提出了一种基于SVM和计算机网络的交通信号控制方法，具体步骤如下：

S1、利用摄像头采集N组距某一路口100米处的总车流量，利用电磁传感器采集通过路口时直行、左转、右转的车流量，将总车流量和直行车流量作为直行数据集，将总车流量和左转车流量作为左转数据集，将总车流量和右转车流量作为右转数据集；其中，总车流量组数N＝1000。

S2、分别选取直行数据集、左转数据集、右转数据集的95％作为直行、左转、右转的训练样本，其余的数据集分别作为直行、左转、右转的测试样本。

S3、基于SVM分别对直行、左转、右转的训练样本进行训练，分别得到直行SVM模型、左转SVM模型、右转SVM模型。

所述直行SVM模型的构建方法为：

S31、假设直行训练样本集为(x₁,y₁),(x₂,y₂),...,(x_i,y_i)，...,(x_m,y_m)，其中，x_i∈Rⁿ是输入变量的值，y_i∈R是输出值；通过非线性映射φ(·)将训练样本集从原空间R映射到高维特征空间F，并在特征空间F中用公式(1)进行线性回归获得线性回归函数f(x)，此时，原输入空间的非线性回归就转化为高维特征空间的线性回归：

其中，w∈F为回归向量系数，b为阈值，f(x)为线性回归模型；

S32、利用||w||²替代公式(1)中的回归向量系数w，令目标函数为：

其中，常数C为惩罚因子，且C>0，函数e(·)是ε的不敏感损失函数，

S33、通过极小化目标函数R(w)来确定公式(1)中的回归向量系数w和阈值b：

S34、利用对偶方法将公式(3)转化为：

其中，K(x_i,x_j)＝φ(x_i)φ(x_j)，K(x_i,x_j)为核函数，

α_i、α_i ^*、α_j和α_j*均为拉格朗日乘子；

S35、利用

根据公式(4)可将公式(1)转化为：

其中，核函数K(x_i,x)＝φ(x_i)φ(x)。

所述左转SVM模型的构建方法为：将左转训练样本输入SVM按照步骤S31至步骤S35进行训练得到左转SVM模型。

所述右转SVM模型的构建方法为：将右转训练样本输入SVM按照步骤S31至步骤S35进行训练得到右转SVM模型。

S4、将直行、左转、右转的测试样本分别输入直行SVM模型、左转SVM模型、右转SVM模型，计算直行SVM模型、左转SVM模型、右转SVM模型的拟合误差。

S5、判断直行SVM模型、左转SVM模型、右转SVM模型的拟合误差是否小于1％，若是，执行步骤S7，否则，执行步骤S6。

S6、利用摄像头再采集M组距某一路口100米处的总车流量，利用电磁传感器采集通过路口时直行、左转、右转的车流量，将M组车流量分别添加到直行数据集、左转数据集和右转数据集进行扩充，执行步骤S2，其中，总车流量组数M＝200。

S7、将摄像头实时采集的路口100米处的总车流量分别输入直行SVM模型、左转SVM模型、右转SVM模型中，分别得到直行、左转、右转的车流量预测值，根据车流量预测值控制路口各车道的通行时间，实现交通信号的调控。

如图2所示，一种基于SVM和计算机网络的交通信号控制方法的控制系统，包括中央控制计算机，用于车流量数据的处理、存储及传输，中央控制计算机通过光纤通信分别与区域计算机、摄像头和电磁传感器相连接，所述摄像头分别设置在各车道路口100米处用于采集路口的总车流量，电磁传感器分别设置在路口处的各车道地面上用于采集通过路口时直行、左转、右转的车流量。摄像头和电磁传感器采集各车道路口的车流量后传输至中央控制计算机，中央控制计算机对车流量进行处理得到SVM模型，再利用SVM模型预测路口的各向车流量，再将各向车流量预测值传输至区域计算机，区域计算机与路口设备控制端相连接，路口设备控制端与交通信号灯相连接，区域计算机接收到各向车流量预测值后传输至路口设备控制端，路口设备控制端根据各向车流量预测值控制路口各车道交通信号灯的通行时间，实现交通信号的调控，实现分级控制。

所述中央控制计算机包括预处理单元、数据存储单元和数据处理单元，预处理单元与数据存储单元相连接，预处理单元分别与摄像头和电磁传感器相连接，摄像头和电磁传感器采集到的车流量传输至预处理单元，预处理单元对车流量进行预处理(包括队列划分，数据缓存，数据写入等)将数据传输至数据存储单元，数据存储单元与数据处理单元相连接，数据存储单元存储的车流量数据传输至数据处理单元中进行模型构建及预测输出，数据处理单元通过光纤通信与区域计算机相连接，数据处理单元根据预测输出输出控制信号传输至区域计算机。所述区域计算机设有多台，区域计算机与路口设备控制端、交通信号灯和摄像头电磁传感器等，将区域内的所有交通信号连接成一个网络，便于对交通信号系统的控制，区域计算机分别通过光纤通信与路口设备控制端和中央控制计算机相连接，路口设备控制端分别与路口各车道交通信号灯相连接，摄像头和电磁传感器均与中央控制计算机的预处理单元相连接。

工作原理：通过路口的摄像头实时采集到路口100米处的总车流量发送给中央控制计算机，中央控制计算机接收总车流量储存到数据存储单元中，并分别利用数据处理单元中的直行、左右转的SVM模型进行预测，输出路口直行、左转、右转的车流量预测值，根据直行、左转、右转的车流量预测值输出相应方向的通行时间，中央控制计算机将相应方向的通行时间发送至区域计算机，区域计算机接收到中央控制计算机发出的命令后，通过光纤通信传输发送给路口设备控制端；路口设备控制端接收到指令控制相应方向的交通信号灯实现相应的控制，实现系统内各个交叉口的信号配合进行协调控制，实现高峰期限流，增加通行的连续性。

为了验证本发明方法的有效性，采集了一个单向五车道的路口，包括左转交通灯、直行交通灯和右转交通灯，其中，中间三车道为直行车道，最左侧车道为左转车道，最右侧车道为右转车道，路口直行的绿灯通行时间为30秒，红灯等待时间为30秒，左转通行时间为10秒，等待时间50秒，右转通行时间为10秒，等待时间为30秒，整个路口红绿灯周期初始为60秒。本发明使用查表法结合该路口实际车流量制作了一个车流量表格，如表1、表2和表3所示。为了保证最低的汽车通行量且不会形成交通拥堵，最低的直行绿灯通行时间设为20秒，左转、右转最低通行时间为8秒；为了考虑行人通行的等待时间，最高的直行绿灯通行时间设为40秒，左转、右转最高通行时间为15秒；相对应的各车道红灯等待时间不变。通行时间的增加和减少体现在显示在路口处每一个数字停留时间相应的增加和减少，避免因为数字突变，影响驾驶员行车安全。

表1直行车道通行时间与通行车流量的关系

直行通行时间	20	22	24	26	28	30	32	34	36	38	40
												通行车辆数	30	33	35	37	39	40	42	45	47	49	50

表2左转车道通行时间与通行车流量的关系

左转通行时间	8	10	12	14	15
						通行车辆数	6	8	9	12	13

表3右转车道通行时间与通行车流量的关系

右转通行时间	8	10	12	14	15
						通行车辆数	8	9	10	13	15

通过路口的摄像头采集到的车流量数据发送给中央控制计算机，中央控制计算机收集车流量数据储存到数据存储单元中，并利用数据处理单元中的SVM模型进行车流量预测，车流量数据包括左转、右转和直行。比如，某一时刻摄像头采集到距路口100米处直行车道上的车流量为40辆，摄像头把数据发送给中央计算机，中央计算机在数据处理单元通过SVM模型计算得到通过路口时直行道上的车流量应为35辆，然后中央控制计算机根据预测值查表发现直行道此时对应的绿灯通行时间应为24秒，接着发送命令；区域计算机接收到中央控制计算机发出的命令后，通过光纤通信传输发送给路口设备控制端；路口设备控制端接收到指令控制直行道的交通信号灯通过缩短每一个数字停留的时间实现控制绿灯通行时间为24秒，实现系统内各个交叉口的信号配合进行协调控制，实现高峰期限流，增加通行的连续性。当预测值样本足够多且当某一时段某一路口的多组数据都相同时，对于该时间段的路口设备控制端可直接延长或缩短绿灯通行时间，减少系统处理信息的负荷，来提高系统的稳定性。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于SVM和计算机网络的交通信号控制方法，其特征在于，其步骤如下：

S1、利用摄像头采集N组距某一路口100米处的总车流量，利用电磁传感器采集通过路口时直行、左转、右转的车流量，将总车流量和直行车流量作为直行数据集，将总车流量和左转车流量作为左转数据集，将总车流量和右转车流量作为右转数据集；

S2、分别选取直行数据集、左转数据集、右转数据集的95％作为直行、左转、右转的训练样本，其余的数据集分别作为直行、左转、右转的测试样本；

S3、基于SVM分别对直行、左转、右转的训练样本进行训练，分别得到直行SVM模型、左转SVM模型、右转SVM模型；

所述直行SVM模型的构建方法为：

S31、假设直行训练样本集为(x₁,y₁),(x₂,y₂),...,(x_i,y_i)，...,(x_m,y_m)，其中，x_i∈Rⁿ是输入变量的值，y_i∈R是输出值；通过非线性映射φ(·)将训练样本集从原空间R映射到高维特征空间F，并在特征空间F中用公式(1)进行线性回归获得线性回归函数f(x)，此时，原输入空间的非线性回归就转化为高维特征空间的线性回归：

其中，w∈F为回归向量系数，b为阈值，f(x)为线性回归模型；

S32、利用||w||²替代公式(1)中的回归向量系数w，令目标函数为：

其中，常数C为惩罚因子，且C>0，函数e(·)是ε的不敏感损失函数，

S33、通过极小化目标函数R(w)来确定公式(1)中的回归向量系数w和阈值b：

S34、利用对偶方法将公式(3)转化为：

其中，K(x_i,x_j)＝φ(x_i)φ(x_j)，K(x_i,x_j)为核函数，

α_i、α_i ^*、α_j和α_j ^*均为拉格朗日乘子；

S35、利用

根据公式(4)可将公式(1)转化为：

其中，核函数K(x_i,x)＝φ(x_i)φ(x)；

所述左转SVM模型的构建方法为：将左转训练样本输入SVM按照步骤S31至步骤S35进行训练得到左转SVM模型；

所述右转SVM模型的构建方法为：将右转训练样本输入SVM按照步骤S31至步骤S35进行训练得到右转SVM模型；

S4、将直行、左转、右转的测试样本分别输入直行SVM模型、左转SVM模型、右转SVM模型，计算直行SVM模型、左转SVM模型、右转SVM模型的拟合误差；

S5、判断直行SVM模型、左转SVM模型、右转SVM模型的拟合误差是否小于1％，若是，执行步骤S7，否则，执行步骤S6；

S6、利用摄像头再采集M组距某一路口100米处的总车流量，利用电磁传感器采集通过路口时直行、左转、右转的车流量，将M组车流量分别添加到直行数据集、左转数据集和右转数据集进行扩充，执行步骤S2；

S7、将摄像头实时采集的路口100米处的总车流量分别输入直行SVM模型、左转SVM模型、右转SVM模型中，分别得到直行、左转、右转的车流量预测值，根据车流量预测值控制路口各车道的通行时间，实现交通信号的调控。

2.根据权利要求1所述的基于SVM和计算机网络的交通信号控制方法的控制系统，其特征在于，包括中央控制计算机，中央控制计算机通过光纤通信分别与区域计算机、摄像头和电磁传感器相连接，区域计算机与路口设备控制端相连接，路口设备控制端与交通信号灯相连接。

3.根据权利要求2所述的基于SVM和计算机网络的交通信号控制方法的控制系统，其特征在于，所述中央控制计算机包括预处理单元、数据存储单元和数据处理单元，预处理单元分别与数据存储单元、摄像头和电磁传感器相连接，数据存储单元与数据处理单元相连接，数据处理单元通过光纤通信与区域计算机相连接。

4.根据权利要求3所述的基于SVM和计算机网络的交通信号控制方法的控制系统，其特征在于，所述区域计算机设有多台，区域计算机分别通过光纤通信与路口设备控制端和中央控制计算机相连接，路口设备控制端与交通信号灯相连接。

5.根据权利要求2或4所述的基于SVM和计算机网络的交通信号控制方法的控制系统，其特征在于，所述摄像头分别设置在路口100米处，所述电磁传感器设置在路口处的各车道地面上。

Images