交通路口绿色通行车速规划与交互界面设计文献综述

文献综述（或调研报告）：

交通信号灯是加强道路交通管理，减少交通事故发生，提高道路通行效率不可或缺的重要工具。而目前在我国，由于交通参与者素质良莠不齐，且缺乏预估速度的能力，导致许多驾驶员在绿灯倒计时期间为了及时通过而突然加速，即所谓的“冲灯”现象十分普遍，对其他交通参与者的生命财产安全造成了巨大威胁_[1]。

先进驾驶辅助系统（Advanced Driver Assistance System），简称ADAS，是利用安装于车上的各式各样的传感器， 在第一时间收集车内外的环境数据， 进行静、动态物体的辨识、侦测与追踪等技术上的处理， 从而能够让驾驶者在最快的时间察觉可能发生的危险， 以引起注意和提高安全性的主动安全技术。Meng L等人与Maria Staubach的数据证明，ADAS系统在欧洲已经有效降低有责事故的风险超过70%_[2][3]。ADAS 采用的传感器主要有摄像头、雷达、激光和超声波等，可以探测光、热、压力或其它用于监测汽车状态的变量， 通常位于车辆的前后保险杠、侧视镜、驾驶杆内部或者挡风玻璃上。当前市场化的ADAS功能包括ACC自适应巡航系统，LDW车道偏离预警系统，LKA自动车道保持系统等，但鲜少有针对红绿灯的识别功能，驾驶员驾驶到带有红灯的道路时需要人工超控ADAS系统使车辆制动停车，也无法根据红绿灯调整车速。

Meng L等人在2007年首次提出了ADAS系统与基础设施之间的的互动关系，并表示实现更高级别的无人驾驶需要车与路之间的协同_[4]。Kim J.等人提出了使用高精度道路信息系统来来提供精确的交通信号灯信息，从而为ADAS系统提供帮助_[5]，而W. Hajek等人更是已经实现ADAS系统与人的交互，通过人车之间“按键”的方式人工输入交通信号的信息，从而为ADAS系统提供支持_[6]。

而在交通信号灯识别的角度上，有多个学者提出了多种利用传统图像处理的交通信号灯识别方法。武莹等在HIS颜色空间进行交通灯颜色分割,利用交通灯被黑色矩形框包围这一典型特征进行形状分割,根据形状分割所得位置对颜色分割候选区域进行确认,从而精确定位交通灯位置以及亮灯在交通灯中的位置;同样根据被黑色矩形框包围的特征设计模板,最终利用模板匹配,完成交通灯的识别_[7]。然而，交通标志的形状和颜色信息对周围环境的特征很敏感，如视点和亮度或背景的变化，从而使这些信息的准确性变得不可靠。Kim J则利用了另一种通过颜色与阴影结合办法，该方法使用显著性模型来捕获对阴影和阴影不变的交通标志的特征。其次，利用交通标志颜色模型提取照明变化下不变的颜色特征。通过使用这些模型，所提出的方法可以识别所有可能的形状和颜色，以便类似地表示交通标志_[8]。谷明琴等人则介绍了一种新方法，该方法先对原图像进行预处理，过滤不符合形态学准则的区域。计算候选区域的圆形度和背板的颜色信息，把圆形度符合和背板为黑色的区域作为交通信号灯区域。并将检测到的交通信号灯区域图像从RGB空间转换到HSV空间中，用颜色直方图对图像的H分量进行分布统计，根据其分布特征来识别交通信号灯的类型_[9]。还有金涛等人采用的基于级联滤波的交通信号灯识别办法。_[10]

2006年深度学习的提出为机器学习领域带来新的革命,深度学习的成功不仅依赖于理论和模型上的突破,也离不开大数据环境下的海量训练样本以及不断革新的先进计算技术。在GPU被应用于科学计算之前,神经网络特别是大型神经网络的训练时间往往令人生畏。GPU特别适应于并行计算的特性给神经网络的训练速度带来数十倍的提升。开源的GPU计算框架也不断地推陈出新,推动深度学习在各方面的应用,Caffe就是其中的一种。_[11][12]深度学习在图像分类上表现出极高的性能,Caffe作为深度学习的开源框架因其强大性能且简单易用而广受推荐。Gu J等人则将Caffe深度学习框架和OpenCL传统机器视觉系统结合，用于图像识别的结合。_[13]在车辆领域，欧先锋等人则利用Caffe深度学习框架对车牌数字字符识别进行了深入研究。_[14]李楠基于深度学习框架Caffe对路面裂缝识别进行了研究。_[15]在交通领域，另一种常见的深度学习框架为TensorFlow。A. Staravoitau用卷积神经网络对交通标志分类问题进行了研究，解决方案的重点是数据预处理、数据扩充管道、预培训和跳过网络中的连接。其在张量流中的实现精度达到99.33%。_[16]

利用机器学习方式识别交通信号灯的文献研究则比较有限，Chen Z等人提出了一种将计算机视觉和机器学习技术相结合的新方法，可以精确地检测和分类不同类型的交通灯，包括圆形和箭头形状的绿灯和红灯。_[17]考虑到硬件加速，所提出的技术可以集成到先进的驾驶员辅助系统或自动驾驶车辆中。因此，该方法可以作为本项目的参考办法。Hou Y探讨了合作和综合车辆和交叉口控制能效的机会，以促进更可持续的交通系统。他提出了一种两级方法，共同优化交通信号时序和车辆的接近速度，目的是最小化通过孤立交叉口的所有车辆的总能量消耗。

对于辅助驾驶系统来说，除了能在驾驶者监督的情况下自主控制车辆以外，还要具备一套人机交互界面在接收驾驶者或乘客的指令。所以辅助驾驶系统要具备一套可视化操作系统来接收指令并反馈执行信息。可视化操作界面系统可以用Java、LabVIEW等编写。其中的图形用户界面简称GUI，它以图形的方式，借助菜单、按钮等标准图形界面元素和鼠标操作，帮助用户向计算机系统发出命令，并以图形的方式将命令执行结果反馈给用户。夏秋华采用虚拟仪器技术,用美国NI公司的图形软件LabVIEW为电动概念车设计了车载综合信息显示系统,此系统为虚拟仪表系统。该系统以计算机为核心,对汽车的各种信息状态,如电池电压、车速等参数进行采集、处理、显示和报警提示,驾驶员根据报警提示的结果进行相应的处理,以使汽车安全正常行驶。_[18]图形用户界面画面生动、操作简单，省去了字符界面用户必须记忆各种命令的麻烦，所以应用较广。窗口是GUI编程的基础，小应用程序或图形界面的应用程序的可视组件都放在窗口中进行显示与操作。