發(fā)布時間：2024-06-12 00:18

　　城市汽車保有量隨著城市化進程的加快而快速增長,導(dǎo)致城市道路交通擁堵問題變得愈發(fā)嚴重,為了有效地緩解城市道路擁堵問題,智能交通作為智慧城市建設(shè)的重要組成部分,已成為當(dāng)前研究熱點。2019年度智能交通領(lǐng)域中交通信號控制成為最受關(guān)注的民生內(nèi)容之一,在原有的道路建設(shè)條件下,研究如何緩解城市交通擁堵狀況,提高路網(wǎng)通行效率和管理能力,解決當(dāng)下人們關(guān)注的出行問題,具有重要的理論意義和研究價值。本文針對城市道路中交通控制信號優(yōu)化問題進行了研究,利用交通道路監(jiān)控拍攝的視頻,實時獲取當(dāng)前道路的交通流量;將當(dāng)前車流量數(shù)據(jù)輸入誤差校正小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型,對路口下一時段交通流量進行預(yù)測;根據(jù)模型的預(yù)測值實時調(diào)整當(dāng)前路口及區(qū)域路網(wǎng)的信號控制策略,提升道路通行效率及交通管理水平,在此基礎(chǔ)上設(shè)計了基于視頻車流量的智能路網(wǎng)指揮系統(tǒng)。本文在算法研究方面,首先,為了更加準確地獲取視頻中交通流量信息,提出了一種融合改進ViBe和自適應(yīng)閾值陰影消除算法的動態(tài)目標檢測算法,該算法利用均值背景建模對ViBe算法進行改進,解決了ViBe算法的鬼影問題,并且進一步融合了閾值自適應(yīng)的混合色度空間陰影消除算法,有效地消除了前景圖像中的陰...

【文章頁數(shù)】：85 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題背景與研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 交通流量預(yù)測國內(nèi)外研究現(xiàn)狀
        1.2.2 交叉路口交通信號控制國內(nèi)外研究現(xiàn)狀
        1.2.3 智能交通控制系統(tǒng)國內(nèi)外研究現(xiàn)狀
    1.3 論文研究主要內(nèi)容
    1.4 論文主要結(jié)構(gòu)安排
第二章 論文相關(guān)技術(shù)研究
    2.1 編程語言
    2.2 圖像處理技術(shù)
        2.2.1 色度空間轉(zhuǎn)換
        2.2.2 圖像形態(tài)學(xué)處理
    2.3 神經(jīng)網(wǎng)絡(luò)
    2.4 遺傳算法
    2.5 本章小結(jié)
第三章 視頻交通流量檢測
    3.1 引言
    3.2 基于改進ViBe算法的動態(tài)目標檢測
        3.2.1 ViBe算法
        3.2.2 改進的ViBe算法
    3.3 自適應(yīng)閾值的混合色度空間陰影消除算法
        3.3.1 常用陰影消除算法
        3.3.2 自適應(yīng)閾值的混合色度空間陰影消除算法
        3.3.3 實驗與結(jié)果分析
    3.4 交叉路口多車道車流量獲取
        3.4.1 車流量基本概念
        3.4.2 基于虛擬線圈的車流量統(tǒng)計
        3.4.3 車流量統(tǒng)計與結(jié)果分析
    3.5 本章小結(jié)
第四章 短時交通流量預(yù)測
    4.1 引言
    4.2 短時交通流特性及評價指標
        4.2.1 短時交通流特性
        4.2.2 預(yù)測效果評價指標
    4.3 交通流預(yù)測常用模型
        4.3.1 時間序列模型
        4.3.2 神經(jīng)網(wǎng)絡(luò)模型
        4.3.3 小波神經(jīng)網(wǎng)絡(luò)模型
    4.4 基于小波神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測模型設(shè)計
        4.4.1 數(shù)據(jù)預(yù)處理
        4.4.2 小波神經(jīng)網(wǎng)絡(luò)模型初始化
        4.4.3 小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型設(shè)計
    4.5 誤差校正
        4.5.1 ARIMA模型簡介
        4.5.2 車流量誤差預(yù)測ARIMA模型建立
        4.5.3 誤差校正的小波神經(jīng)網(wǎng)絡(luò)模型
    4.6 預(yù)測模型實驗及結(jié)果分析
    4.7 本章小結(jié)
第五章 基于多目標優(yōu)化的交叉口配時策略
    5.1 引言
    5.2 多目標優(yōu)化
        5.2.1 多目標優(yōu)化概念
        5.2.2 多目標優(yōu)化方法
        5.2.3 多目標優(yōu)化求解算法
    5.3 單交叉口配時優(yōu)化模型
        5.3.1 信號配時參數(shù)
        5.3.2 配時指標選取
        5.3.3 基于多目標優(yōu)化的單交叉口配時模型
    5.4 基于遺傳算法的配時優(yōu)化策略
        5.4.1 多目標優(yōu)化模型轉(zhuǎn)化
        5.4.2 遺傳算法模型求解
        5.4.3 實驗與結(jié)果分析
    5.5 本章小結(jié)
第六章 多交叉口綠波協(xié)同控制
    6.1 引言
    6.2 干道綠波協(xié)調(diào)控制基本概念
        6.2.1 干道綠波協(xié)調(diào)控制基本要求
        6.2.2 干道綠波協(xié)調(diào)控制方式
        6.2.3 干道綠波協(xié)調(diào)控制基本參數(shù)
    6.3 多交叉口協(xié)同控制
        6.3.1 關(guān)鍵交叉口及協(xié)調(diào)相位確定
        6.3.2 公共周期及綠燈時長確定
        6.3.3 相位差確定方法
    6.4 實驗仿真與結(jié)果分析
        6.4.1 數(shù)據(jù)準備
        6.4.2 仿真流程
        6.4.3 實驗與結(jié)果及分析
    6.5 本章小結(jié)
第七章 智能路網(wǎng)指揮系統(tǒng)設(shè)計
    7.1 引言
    7.2 開發(fā)平臺搭建
        7.2.1 云服務(wù)器
        7.2.2 WEB項目搭建
    7.3 智能路網(wǎng)指揮系統(tǒng)設(shè)計
        7.3.1 系統(tǒng)總體設(shè)計
        7.3.2 軟件平臺設(shè)計
        7.3.3 數(shù)據(jù)庫表結(jié)構(gòu)設(shè)計
        7.3.4 界面設(shè)計
    7.4 系統(tǒng)測試
        7.4.1 登錄測試
        7.4.2 主要功能測試
    7.5 本章小結(jié)
第八章 總結(jié)與展望
    8.1 總結(jié)
    8.2 展望
參考文獻
攻讀碩士期間研究成果
致謝



本文編號：3992933