基于流量预测的城市单交叉路口多相位交通信号的控制技术

基于流量预测的城市单交叉路口多相位交通信号的控制技术

论文摘要

现代城市交通的智能控制是ITS的重要组成部分,而交叉口是决定道路通行顺畅的关键。单交叉口的实时控制是交通控制系统的基础。城市交通的智能控制实现的前提和关键是实时准确的交通流量预测。全面、准确的采集交通信息是实现交通智能化的基本保障,交通流量预测的准确性也取决于数据样本的准确性。因此,发展城市交通的智能化技术,研究城市单交叉口交通的智能控制、流量预测以及交通信息采集技术成为今后ITS的发展方向。本文对城市单交叉口交通信号的智能控制、流量预测和基于视频的图像采集技术进行了研究和探讨。首先,提出了城市智能交通的整体结构设计,即包括车流量采集、流量预测和交通信号控制几个模块;然后,对每个模块的具体设计进行了详细的介绍。车流量采集采用基于视频的图像处理技术,采用建立在YCbCr色彩空间上的背景帧差法进行图像的分割处理,采用数学形态学、图像的连通性等进行图像的去噪,并提出了计算梯度结合峰值的方法对车辆进行计数。车流量预测模块中,在分析车流量预测中存在的问题和交通流特性的基础上,建立了模糊神经网络预测模型,并提出了采用蚁群和粒子群结合的方法优化模糊神经网络参数。算法中,将蚁群和粒子群组成主从结构,其中,蚁群在全局解空间进行搜索,粒子群在局部解空间进行搜索,并将解反馈给主级。交通信号控制模块中,以多相位单交叉口的信号灯为控制对象,建立了模糊神经网络的交通信号控制模型,并采用粒子群优化模糊神经网络参数。最后,对基于DSP的交通信号控制器进行了软硬件设计。仿真结果表明,本文提出的算法有效地提高了车流量检测和流量预测的精度及控制的效率。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • §1-1 研究背景
  • §1-2 研究意义
  • §1-3 国内外研究现状
  • 1-3-1 实时交通流量检测
  • 1-3-2 交通控制器
  • 1-3-3 交通流量预测
  • §1-4 存在问题及发展趋势
  • 1-4-1 存在问题
  • 1-4-2 发展趋势
  • §1-5 本文的研究内容和结构安排
  • 第二章 城市道路交通智能控制系统整体结构设计
  • §2-1 交叉口信号智能控制系统组成
  • §2-2 车辆信息采集模块
  • 2-2-1 车辆检测方式的选择
  • 2-2-2 视频车辆检测原理
  • §2-3 车流量预测模块
  • 2-3-1 车流量预测模块功能与分类
  • 2-3-2 短时交通流量预测实现方案
  • 2-3-3 模糊神经网络模型
  • §2-4 交通信号控制模块
  • 2-4-1 交通信号控制模块功能
  • 2-4-2 交通信号控制实现方案
  • 2-4-3 系统整体控制方式
  • §2-5 小结
  • 第三章基于视频的车辆检测技术
  • §3-1 视频车辆检测器的硬件组成
  • 3-1-1 摄像机功能及性能指标
  • 3-1-2 图像采集卡
  • 3-1-3 本系统采用设备的选择
  • §3-2 运动车辆检测算法
  • 3-2-1 彩色图像色彩模型的选择
  • 3-2-2 运动目标检测算法
  • §3-3 图像分割算法
  • 3-3-1 图像分割基本方法
  • 3-3-2 最佳阈值的二值化图像分割
  • 3-3-3 车辆阴影的滤除算法
  • §3-4 图像去噪算法
  • 3-4-1 数学形态学知识
  • 3-4-2 本文提出的去噪算法
  • §3-5 车流量参数的提取算法
  • 3-5-1 梯度极值法
  • 3-5-2 仿真结果
  • §3-6 图像处理流程与结果
  • 3-6-1 图像处理流程
  • 3-6-2 仿真结果
  • §3-7 小结
  • 第四章 交通流量的模糊神经网络预测模型
  • §4-1 常用预测算法存在的问题
  • §4-2 蚁群优化算法
  • 4-2-1 蚁群优化算法基本原理
  • 4-2-2 蚁群优化算法模型
  • 4-2-3 蚁群优化算法应用现状
  • §4-3 粒子群优化算法
  • 4-3-1 标准粒子群优化算法
  • 4-3-2 粒子群优化算法与其他进化算法的比较
  • 4-3-3 粒子群优化算法的应用现状
  • §4-4 交通流量的模糊神经网络预测模型
  • §4-5 模糊神经网络学习算法
  • 4-5-1 粒子群优化模糊神经网络
  • 4-5-2 蚁群粒子群混合优化模糊神经网络
  • §4-6 小结
  • 第五章 单交叉口多相位交通信号的模糊神经网络控制
  • §5-1 交通信号控制中基本概念与评价指标
  • 5-1-1 基本概念
  • 5-1-2 评价指标
  • §5-2 单交叉口多相位交通模型
  • 5-2-1 交通布局
  • 5-2-2 车辆延误模型
  • §5-3 模糊神经网络控制模型
  • 5-3-1 信号配时模糊神经网络控制的思想
  • 5-3-2 信号配时模糊神经网络控制器结构
  • 5-3-3 多相位模糊神经网络交通控制算法
  • §5-4 基于PSO的模糊神经网络学习算法
  • 5-4-1 模糊神经网络的训练过程
  • 5-4-2 算法实现过程
  • §5-5 交通系统的仿真研究
  • §5-6 小结
  • 第六章 交通信号控制机的设计
  • §6-1 交通信号控制机的总体设计
  • §6-2 交通信号控制机的硬件设计
  • 6-2-1 DSP模块
  • 6-2-2 键盘及显示模块
  • 6-2-3 信号灯状态检测及灯驱动模块
  • 6-2-4 时钟模块
  • 6-2-5 通信模块
  • §6-3 交通信号控制机的软件设计
  • 6-3-1 软件功能
  • 6-3-2 软件实现
  • §6-4 小结
  • 第七章 结论
  • §7-1 研究总结
  • §7-2 研究展望
  • 参考文献
  • 致谢
  • 攻读学位期间所取得的相关科研成果
  • 相关论文文献

    标签:;  ;  ;  ;  ;  ;  

    基于流量预测的城市单交叉路口多相位交通信号的控制技术
    下载Doc文档

    猜你喜欢