伴隨著經(jīng)濟和科技的發(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,越來越多地走進普通家庭。這在給生活帶來快捷便利的同時,也使得各大城市出現(xiàn)交通擁堵這一通病。傳統(tǒng)定時交通控制策略已經(jīng)不能很好地緩解交通壓力,解決當前的交通問題。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)車流量動態(tài)變化而自適應改變交通配時的城市智慧交通信號燈是非常有必要的。本文的研究主要分為基于圖像處理的車輛檢測與統(tǒng)計和交通信號燈配時方案研究兩個模塊。在圖像處理部分,本文從如何進行車輛檢測和統(tǒng)計出發(fā),在進行視頻采集和相應的預處理的基礎(chǔ)上,分析比較了不同運動目標檢測算法的優(yōu)缺點,從而選定背景差分法為本文的運動目標檢測算法。在此基礎(chǔ)上,進一步研究了背景差分法中不同的背景建模算法,通過分析與實驗對比,選擇ViBE算法進行背景建模。同時針對ViBE算法存在的鬼影和陰影檢測問題,針對性地提出了改進方法。最后選用虛擬線圈法用于車輛統(tǒng)計。通過實驗仿真,驗證本文算法具有較高準確率,可用于車輛檢測與統(tǒng)計。在交通信號燈配時方案部分,本文提出了一種可智能地將專家經(jīng)驗轉(zhuǎn)換為模糊規(guī)則知識庫的兩級模糊控制獲取交通信號燈周期... 

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

【文章頁數(shù)】：86 頁

【學位級別】：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 交通信號燈系統(tǒng)發(fā)展現(xiàn)狀
        1.2.2 信號燈配時方案研究現(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 交通信號燈控制基本概念及評價指標
    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與統(tǒng)計
    2.1 引言
    2.2 整體思路
    2.3 交通車輛視頻采集與預處理
        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 運動目標檢測算法選取
        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 運動目標檢測算法的確定
    2.5 基于背景差分法的運動目標檢測
        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 四種算法實例研究結(jié)果及分析
        2.5.6 對ViBE算法的改進
    2.6 運動目標檢測結(jié)果的處理
        2.6.1 圖像濾波
        2.6.2 形態(tài)學處理
    2.7 基于虛擬線圈的車輛統(tǒng)計
        2.7.1 車輛統(tǒng)計方法
        2.7.2 虛擬線圈設(shè)置要求
        2.7.3 車輛統(tǒng)計結(jié)果與分析
    2.8 本章小結(jié)
第3章 多路口交通信號燈配時方案研究
    3.1 引言
    3.2 傳統(tǒng)線控配時方案——“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態(tài)信號燈周期獲取
        3.3.1 兩級模糊控制獲取信號周期的方案
        3.3.2 第一級模糊控制器的設(shè)計
        3.3.3 第二級模糊控制器的設(shè)計
        3.3.4 智能獲取模糊規(guī)則庫
    3.4 交通信號燈多目標優(yōu)化配時
        3.4.1 綠燈時長分配問題總體思路
        3.4.2 綠燈時長分配的數(shù)學模型的建立
        3.4.3 多目標配時方案的求解
    3.5 本章小結(jié)
第4章 多路口信號燈仿真實驗和分析
    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)計與編程
        4.2.1 路網(wǎng)設(shè)計
        4.2.2 交通車輛與路由設(shè)計
        4.2.3 信號燈設(shè)計
        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
攻讀碩士學位期間所發(fā)表的論文


【參考文獻】：
期刊論文
[1]機動車已成空氣污染重要來源[J]. 曹英楠,楊耀.  生態(tài)經(jīng)濟. 2018(09)
[2]一種動態(tài)鄰域的多目標粒子群優(yōu)化算法[J]. 張文興,汪軍,劉文婧,王建國.  機械設(shè)計與制造. 2018(06)
[3]基于稀疏表示與字典學習的彩色圖像去噪算法[J]. 楊培,高雷阜,王江,訾玲玲.  計算機工程與科學. 2018(05)
[4]改進基于HSV空間的陰影檢測算法[J]. 楊春德,郭帥.  計算機工程與設(shè)計. 2018(01)
[5]基于長時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.  自動化學報. 2018(04)
[6]用SUMO搭建可支持智能交通信號燈的仿真環(huán)境[J]. 劉松云,李鑫,王曉萌,曹英暉.  信息通信. 2016(10)
[7]基于視覺的目標檢測與跟蹤綜述[J]. 尹宏鵬,陳波,柴毅,劉兆棟.  自動化學報. 2016(10)
[8]二值圖像膨脹腐蝕的快速算法[J]. 鄧仕超,黃寅.  計算機工程與應用. 2017(05)
[9]實時的靜止目標與鬼影檢測及判別方法[J]. 葉芳芳,許力.  浙江大學學報(工學版). 2015(01)
[10]智能視頻監(jiān)控技術(shù)綜述[J]. 黃凱奇,陳曉棠,康運鋒,譚鐵牛.  計算機學報. 2015(06)

博士論文
[1]基于視頻的城市道路交叉口場景中車輛檢測方法研究[D]. 張運勝.東南大學 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 2009

碩士論文
[1]基于視覺的車流檢測算法研究[D]. 潘翯.電子科技大學 2018
[2]多路口交通信號燈協(xié)同控制算法研究[D]. 孟鵬濤.江南大學 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 2017
[4]復雜背景下的圖像分割算法研究及應用[D]. 李卓.電子科技大學 2017
[5]基于機器視覺的智能交通燈的研究[D]. 方敏學.電子科技大學 2017
[6]考慮公交優(yōu)先的改進韋伯斯特信號配時模型研究[D]. 于杰.東南大學 2015
[7]基于鳥群算法的交通信號控制[D]. 曹雪竹.中國科學院大學（工程管理與信息技術(shù)學院） 2014
[8]基于車流量的交通燈動態(tài)調(diào)整策略的研究與設(shè)計[D]. 黃向黨.電子科技大學 2012



本文編號：3179346