發(fā)布時(shí)間：2021-05-10 12:12

　　伴隨著經(jīng)濟(jì)和科技的發(fā)展,汽車的制造成本下降,普通人的購買能力提升,汽車越來越普及,越來越多地走進(jìn)普通家庭。這在給生活帶來快捷便利的同時(shí),也使得各大城市出現(xiàn)交通擁堵這一通病。傳統(tǒng)定時(shí)交通控制策略已經(jīng)不能很好地緩解交通壓力,解決當(dāng)前的交通問題。因此,為有效控制城市交叉路口,提高道路通行效率,建立根據(jù)車流量動(dòng)態(tài)變化而自適應(yīng)改變交通配時(shí)的城市智慧交通信號(hào)燈是非常有必要的。本文的研究主要分為基于圖像處理的車輛檢測(cè)與統(tǒng)計(jì)和交通信號(hào)燈配時(shí)方案研究兩個(gè)模塊。在圖像處理部分,本文從如何進(jìn)行車輛檢測(cè)和統(tǒng)計(jì)出發(fā),在進(jìn)行視頻采集和相應(yīng)的預(yù)處理的基礎(chǔ)上,分析比較了不同運(yùn)動(dòng)目標(biāo)檢測(cè)算法的優(yōu)缺點(diǎn),從而選定背景差分法為本文的運(yùn)動(dòng)目標(biāo)檢測(cè)算法。在此基礎(chǔ)上,進(jìn)一步研究了背景差分法中不同的背景建模算法,通過分析與實(shí)驗(yàn)對(duì)比,選擇ViBE算法進(jìn)行背景建模。同時(shí)針對(duì)ViBE算法存在的鬼影和陰影檢測(cè)問題,針對(duì)性地提出了改進(jìn)方法。最后選用虛擬線圈法用于車輛統(tǒng)計(jì)。通過實(shí)驗(yàn)仿真,驗(yàn)證本文算法具有較高準(zhǔn)確率,可用于車輛檢測(cè)與統(tǒng)計(jì)。在交通信號(hào)燈配時(shí)方案部分,本文提出了一種可智能地將專家經(jīng)驗(yàn)轉(zhuǎn)換為模糊規(guī)則知識(shí)庫的兩級(jí)模糊控制獲取交通信號(hào)燈周期... 

【文章來源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：86 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景
    1.2 智慧交通研究現(xiàn)狀
        1.2.1 交通信號(hào)燈系統(tǒng)發(fā)展現(xiàn)狀
        1.2.2 信號(hào)燈配時(shí)方案研究現(xiàn)狀
        1.2.3 基于圖像處理的交通參數(shù)獲取研究現(xiàn)狀
    1.3 交通信號(hào)燈控制基本概念及評(píng)價(jià)指標(biāo)
    1.4 論文的主要內(nèi)容及技術(shù)路線
        1.4.1 主要內(nèi)容
        1.4.2 技術(shù)路線
    1.5 論文的結(jié)構(gòu)安排
第2章 基于圖像處理的車輛檢測(cè)與統(tǒng)計(jì)
    2.1 引言
    2.2 整體思路
    2.3 交通車輛視頻采集與預(yù)處理
        2.3.1 交通視頻采集
        2.3.2 灰度化處理
        2.3.3 ROI區(qū)域設(shè)置
        2.3.4 二值化處理
    2.4 運(yùn)動(dòng)目標(biāo)檢測(cè)算法選取
        2.4.1 光流法
        2.4.2 幀間差分法
        2.4.3 背景差分法
        2.4.4 運(yùn)動(dòng)目標(biāo)檢測(cè)算法的確定
    2.5 基于背景差分法的運(yùn)動(dòng)目標(biāo)檢測(cè)
        2.5.1 中值濾波法
        2.5.2 單高斯模型法
        2.5.3 混合高斯模型法
        2.5.4 ViBE算法
        2.5.5 四種算法實(shí)例研究結(jié)果及分析
        2.5.6 對(duì)ViBE算法的改進(jìn)
    2.6 運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果的處理
        2.6.1 圖像濾波
        2.6.2 形態(tài)學(xué)處理
    2.7 基于虛擬線圈的車輛統(tǒng)計(jì)
        2.7.1 車輛統(tǒng)計(jì)方法
        2.7.2 虛擬線圈設(shè)置要求
        2.7.3 車輛統(tǒng)計(jì)結(jié)果與分析
    2.8 本章小結(jié)
第3章 多路口交通信號(hào)燈配時(shí)方案研究
    3.1 引言
    3.2 傳統(tǒng)線控配時(shí)方案——“綠波帶”模型
        3.2.1 傳統(tǒng)周期確定方法
        3.2.2 傳統(tǒng)綠燈時(shí)長分配方案
        3.2.3 傳統(tǒng)相位差確定方案
    3.3 基于智能模糊控制的動(dòng)態(tài)信號(hào)燈周期獲取
        3.3.1 兩級(jí)模糊控制獲取信號(hào)周期的方案
        3.3.2 第一級(jí)模糊控制器的設(shè)計(jì)
        3.3.3 第二級(jí)模糊控制器的設(shè)計(jì)
        3.3.4 智能獲取模糊規(guī)則庫
    3.4 交通信號(hào)燈多目標(biāo)優(yōu)化配時(shí)
        3.4.1 綠燈時(shí)長分配問題總體思路
        3.4.2 綠燈時(shí)長分配的數(shù)學(xué)模型的建立
        3.4.3 多目標(biāo)配時(shí)方案的求解
    3.5 本章小結(jié)
第4章 多路口信號(hào)燈仿真實(shí)驗(yàn)和分析
    4.1 SUMO軟件
        4.1.1 SUMO軟件介紹
        4.1.2 SUMO的組成
        4.1.3 SUMO仿真流程
    4.2 仿真設(shè)計(jì)與編程
        4.2.1 路網(wǎng)設(shè)計(jì)
        4.2.2 交通車輛與路由設(shè)計(jì)
        4.2.3 信號(hào)燈設(shè)計(jì)
        4.2.4 綠燈分配方案參數(shù)設(shè)置
        4.2.5 仿真結(jié)果獲取
    4.3 仿真與結(jié)果分析
        4.3.1 單交叉路口仿真及結(jié)果
        4.3.2 三交叉路口路段仿真及結(jié)果
        4.3.3 四交叉路口路段仿真及結(jié)果
        4.3.4 六交叉路口路段仿真及結(jié)果
        4.3.5 結(jié)果分析
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間所發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]機(jī)動(dòng)車已成空氣污染重要來源[J]. 曹英楠,楊耀.  生態(tài)經(jīng)濟(jì). 2018(09)
[2]一種動(dòng)態(tài)鄰域的多目標(biāo)粒子群優(yōu)化算法[J]. 張文興,汪軍,劉文婧,王建國.  機(jī)械設(shè)計(jì)與制造. 2018(06)
[3]基于稀疏表示與字典學(xué)習(xí)的彩色圖像去噪算法[J]. 楊培,高雷阜,王江,訾玲玲.  計(jì)算機(jī)工程與科學(xué). 2018(05)
[4]改進(jìn)基于HSV空間的陰影檢測(cè)算法[J]. 楊春德,郭帥.  計(jì)算機(jī)工程與設(shè)計(jì). 2018(01)
[5]基于長時(shí)間視頻序列的背景建模方法研究[J]. 丁潔,肖江劍,況立群,宋康康,彭成斌.  自動(dòng)化學(xué)報(bào). 2018(04)
[6]用SUMO搭建可支持智能交通信號(hào)燈的仿真環(huán)境[J]. 劉松云,李鑫,王曉萌,曹英暉.  信息通信. 2016(10)
[7]基于視覺的目標(biāo)檢測(cè)與跟蹤綜述[J]. 尹宏鵬,陳波,柴毅,劉兆棟.  自動(dòng)化學(xué)報(bào). 2016(10)
[8]二值圖像膨脹腐蝕的快速算法[J]. 鄧仕超,黃寅.  計(jì)算機(jī)工程與應(yīng)用. 2017(05)
[9]實(shí)時(shí)的靜止目標(biāo)與鬼影檢測(cè)及判別方法[J]. 葉芳芳,許力.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2015(01)
[10]智能視頻監(jiān)控技術(shù)綜述[J]. 黃凱奇,陳曉棠,康運(yùn)鋒,譚鐵牛.  計(jì)算機(jī)學(xué)報(bào). 2015(06)

博士論文
[1]基于視頻的城市道路交叉口場(chǎng)景中車輛檢測(cè)方法研究[D]. 張運(yùn)勝.東南大學(xué) 2016
[2]城市路網(wǎng)交通流協(xié)調(diào)控制技術(shù)研究[D]. 孔祥杰.浙江大學(xué) 2009

碩士論文
[1]基于視覺的車流檢測(cè)算法研究[D]. 潘翯.電子科技大學(xué) 2018
[2]多路口交通信號(hào)燈協(xié)同控制算法研究[D]. 孟鵬濤.江南大學(xué) 2018
[3]模糊控制規(guī)則的案例推理提取方法[D]. 戴香東.北京工業(yè)大學(xué) 2017
[4]復(fù)雜背景下的圖像分割算法研究及應(yīng)用[D]. 李卓.電子科技大學(xué) 2017
[5]基于機(jī)器視覺的智能交通燈的研究[D]. 方敏學(xué).電子科技大學(xué) 2017
[6]考慮公交優(yōu)先的改進(jìn)韋伯斯特信號(hào)配時(shí)模型研究[D]. 于杰.東南大學(xué) 2015
[7]基于鳥群算法的交通信號(hào)控制[D]. 曹雪竹.中國科學(xué)院大學(xué)（工程管理與信息技術(shù)學(xué)院） 2014
[8]基于車流量的交通燈動(dòng)態(tài)調(diào)整策略的研究與設(shè)計(jì)[D]. 黃向黨.電子科技大學(xué) 2012



本文編號(hào)：3179346