本文關(guān)鍵詞：基于信息融合的智能交通信號燈控制系統(tǒng)研究

  更多相關(guān)文章： 信息融合 小波神經(jīng)網(wǎng)絡(luò) 尖點(diǎn)突變理論 交通擁堵預(yù)測 車輛調(diào)度

【摘要】：目前我國城市化飛速發(fā)展,城市機(jī)動(dòng)車數(shù)量快速上升,城市車輛與道路之間的供需矛盾日益緊張,交通擁堵問題將日益嚴(yán)重,由于交通信號燈的控制機(jī)理導(dǎo)致交通道路利用率低,促使交通肇事情況日漸增加。所以,開發(fā)一個(gè)智能的交通信號燈控制系統(tǒng)幫助緩解交通擁堵是一項(xiàng)非常有價(jià)值、有意義的研究課題。與此同時(shí)國家也在加大力度投資構(gòu)建智能化交通系統(tǒng),為本系統(tǒng)提供了廣闊的應(yīng)用前景,以及牢固的硬件支撐。出于上述原因,本文給出一種基于信息融合的智能交通信號燈控制系統(tǒng),幫助交通疏導(dǎo)人員合理有效的組織交通擁堵車輛進(jìn)行疏散,并降低交通事故發(fā)生概率。本文給出了一種基于尖點(diǎn)突變理論的交通擁堵預(yù)測方法。首先,對采集到的交通車流量信息及車輛行駛速度信息通過小波神經(jīng)網(wǎng)絡(luò)進(jìn)行交通信息預(yù)測。然后利用基于尖點(diǎn)突變理論的交通擁堵預(yù)測方法對道路車輛密度和道路車輛行駛速度信息進(jìn)行信息融合,得到道路交通發(fā)生擁堵的臨界車輛密度和臨界車輛行駛速度,最后通過預(yù)測的車流量信息與推導(dǎo)出的臨界車輛信息進(jìn)行合理的車輛調(diào)度策略。并對基于信息融合的智能交通信號燈控制系統(tǒng)的總體架構(gòu)、功能架構(gòu)和技術(shù)架構(gòu)進(jìn)行了設(shè)計(jì)與信號燈控制調(diào)度模塊的仿真實(shí)現(xiàn)。本文對實(shí)際道路中的車輛進(jìn)行了實(shí)驗(yàn)測試,并對道路中的車輛進(jìn)行了智能化的交通調(diào)度。實(shí)驗(yàn)結(jié)果表明:利用前三周周一的車輛信息對神經(jīng)網(wǎng)絡(luò)進(jìn)行網(wǎng)絡(luò)訓(xùn)練,并對第四周周一的道路車流量進(jìn)行預(yù)測,得出預(yù)測結(jié)果與實(shí)際觀測出的交通流量結(jié)果比較發(fā)現(xiàn)準(zhǔn)確率達(dá)到84%以上。通過本智能信號燈控制系統(tǒng)調(diào)度后該路口的交通流量極值由原來的300輛下降到現(xiàn)在的185輛,道路的交通擁堵情況平均緩解27.89%,該智能信號燈控制系統(tǒng)發(fā)揮出了高效的調(diào)度效果,可以應(yīng)用于實(shí)際的交通控制中,為下一步系統(tǒng)的開發(fā)提供了基礎(chǔ)。
【關(guān)鍵詞】：信息融合 小波神經(jīng)網(wǎng)絡(luò) 尖點(diǎn)突變理論 交通擁堵預(yù)測 車輛調(diào)度
【學(xué)位授予單位】：沈陽工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP202;TP273
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-16
• 1.1 研究背景與意義9-10
• 1.2 國內(nèi)外發(fā)展現(xiàn)狀及發(fā)展動(dòng)態(tài)分析10-13
• 1.2.1 定時(shí)式信號控制10-11
• 1.2.2 感應(yīng)式信號控制11-12
• 1.2.3 智能式信號控制12-13
• 1.3 交通參數(shù)的檢測及其檢測技術(shù)的研究現(xiàn)狀13-14
• 1.3.1 交通參數(shù)的檢測13-14
• 1.3.2 交通參數(shù)檢測技術(shù)14
• 1.4 本文主要工作14-16
• 第2章 信息融合理論及交通狀態(tài)評估的相關(guān)技術(shù)16-26
• 2.1 信息融合理論16-17
• 2.2 態(tài)勢評估17-18
• 2.3 交通流模型18-20
• 2.4 交通狀態(tài)評估方法20-25
• 2.4.1 投票表決法20-21
• 2.4.2 Bagging算法21-23
• 2.4.3 Boosting算法23-24
• 2.4.4 CMM算法24
• 2.4.5 DAGGER算法24-25
• 2.5 本章小結(jié)25-26
• 第3章 智能交通信號燈控制系統(tǒng)方法設(shè)計(jì)與實(shí)現(xiàn)26-45
• 3.1 小波神經(jīng)網(wǎng)絡(luò)26-32
• 3.1.1 小波神經(jīng)網(wǎng)絡(luò)及其特點(diǎn)26-27
• 3.1.2 小波神經(jīng)網(wǎng)絡(luò)算法27-28
• 3.1.3 BP神經(jīng)網(wǎng)絡(luò)與小波神經(jīng)網(wǎng)絡(luò)交通流預(yù)測對比28-32
• 3.2 一種基于尖點(diǎn)突變理論的交通擁堵預(yù)測算法32-39
• 3.2.1 尖點(diǎn)突變理論的提出32-33
• 3.2.2 突變模型的可行性分析33-34
• 3.2.3 尖點(diǎn)突變模型的建立34-38
• 3.2.4 尖點(diǎn)突變理論的論證38-39
• 3.3 車輛調(diào)度策略39-43
• 3.3.1 交叉口交通延誤的確定39
• 3.3.2 車輛在交叉口前排隊(duì)等待時(shí)間的確定39-40
• 3.3.3 車輛在排隊(duì)隊(duì)列中向前移動(dòng)到達(dá)隊(duì)列頂部時(shí)間的確定40
• 3.3.4 車輛在排隊(duì)隊(duì)列頂部等待獲得通行權(quán)時(shí)間的確定40-42
• 3.3.5 車輛在交叉口內(nèi)行駛時(shí)間的確定42-43
• 3.4 系統(tǒng)設(shè)計(jì)方案43-44
• 3.4.1 總體架構(gòu)方案43
• 3.4.2 功能架構(gòu)方案43
• 3.4.3 技術(shù)架構(gòu)方案43-44
• 3.5 本章小結(jié)44-45
• 第4章 實(shí)驗(yàn)結(jié)果與分析45-52
• 4.1 實(shí)驗(yàn)數(shù)據(jù)描述45
• 4.2 小波神經(jīng)網(wǎng)絡(luò)預(yù)測45-47
• 4.3 交通擁堵預(yù)測臨界值47
• 4.4 交通調(diào)度策略47-48
• 4.5 實(shí)驗(yàn)結(jié)果比較48-51
• 4.6 本章小結(jié)51-52
• 第5章 結(jié)論52-53
• 參考文獻(xiàn)53-56
• 在學(xué)研究成果56-57
• 致謝57

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 董凱;王海鵬;劉瑜;;基于跟蹤狀態(tài)監(jiān)視的穩(wěn)健航跡關(guān)聯(lián)與融合算法[J];電光與控制;2015年01期

2 于建均;孫永芳;阮曉鋼;張英坤;;基于信息融合的機(jī)器人路徑智能決策的研究[J];控制工程;2014年06期

3 許迅;段齊駿;;蟻群算法對緩解交通擁堵的啟示[J];信息系統(tǒng)工程;2014年01期

4 樓曉俊;鮑必賽;劉海濤;;分布式信息融合的物聯(lián)網(wǎng)事件檢測方法[J];南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

5 趙嶷飛;史永亮;;基于模糊綜合評價(jià)的航路交通態(tài)勢評估[J];中國民航大學(xué)學(xué)報(bào);2011年01期

6 張，

本文編號：591842