本文關(guān)鍵詞：基于嵌入式系統(tǒng)的城市智能交通控制器研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著經(jīng)濟(jì)持續(xù)增長及城市化進(jìn)程的不斷推進(jìn),城市機(jī)動車占有量日益增加,從而導(dǎo)致交通擁擠、交通事故頻發(fā)、汽車尾氣污染等方面的問題成為制約城市發(fā)展的主要因素。因此緩解交通壓力,提高通行質(zhì)量受到各國專家學(xué)者越來越普遍的重視。作為現(xiàn)代城市發(fā)展的基礎(chǔ),城市道路交通系統(tǒng)的管理控制一直是城市管理者的一項重要課題。為了改善城市交通的通行效率,緩解交通壓力。本文以實現(xiàn)區(qū)域交通協(xié)調(diào)控制為目標(biāo),結(jié)合現(xiàn)今計算機(jī)網(wǎng)絡(luò)技術(shù),以交通控制基本理論為基礎(chǔ),研究及分析現(xiàn)存城市交通信號控制系統(tǒng)的特點及不足。根據(jù)多智能體理論,采用分層遞階的控制策略對區(qū)域交通加以控制。論文的主要內(nèi)容如下:首先,本文在時間和空間兩方面考慮來對HA模型進(jìn)行改進(jìn),對K近鄰非參數(shù)回歸模型的搜索距離公式進(jìn)行改進(jìn),從而提高了這兩個單項模型的預(yù)測精度。把這兩個單項模型進(jìn)行組合,實現(xiàn)兩模型的優(yōu)缺點互補。同時使用基于反饋機(jī)制的德爾塔正態(tài)法來自動調(diào)節(jié)組合權(quán)重系數(shù),實現(xiàn)實時預(yù)測的目的。最后以9個交叉口構(gòu)成的區(qū)域為例,通過MATLAB軟件分別對這兩種改進(jìn)模型以及組合模型進(jìn)行仿真實驗,證明了該組合模型的短時交通流預(yù)測方式的實用性。其次,本文以由9個路口構(gòu)成的區(qū)域路網(wǎng)為研究對象,采用分層遞階的控制策略對其加以控制。建立了基于自適應(yīng)局部搜索粒子群算法的多目標(biāo)交叉口優(yōu)化控制模型應(yīng)用到路口控制器實現(xiàn)各交叉口的信號周期與綠信比的優(yōu)化求解。同時建立了基于主干道優(yōu)先的區(qū)域路網(wǎng)相位差優(yōu)化求解模型應(yīng)用到區(qū)域協(xié)調(diào)控制器中來優(yōu)化求解路網(wǎng)中各交叉口間的相位差。把上述短時交通流預(yù)測模型應(yīng)用到本區(qū)域交通控制路網(wǎng)中,解決了本周期的擁堵到下一個周期才能采取相應(yīng)措施的滯后問題。最后使用MATLAB與VISSIM軟件對本控制方案進(jìn)行仿真實驗,證明了其提高了區(qū)域協(xié)調(diào)控制的性能。最后,本文選用PC作為區(qū)域控制器,選用STM32為核心控制器來搭建交叉口控制器的硬件平臺,完成交叉口控制器各硬件模塊電路的設(shè)計。并且在Proteus軟件中進(jìn)行仿真實現(xiàn)顯示、存儲、通信、以及人工控制等功能。
【關(guān)鍵詞】：HA模型 K近鄰非參數(shù)回歸 短時交通流預(yù)測 自適應(yīng)局部搜索粒子群算法 多目標(biāo)優(yōu)化模型
【學(xué)位授予單位】：遼寧科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U495
【目錄】：

• 中文摘要5-6
• ABSTRACT6-10
• 1 緒論10-16
• 1.1 課題背景及選題意義10
• 1.2 城市智能交通系統(tǒng)理論研究與國內(nèi)外發(fā)展現(xiàn)狀10-13
• 1.2.1 城市智能交通系統(tǒng)理論研究10-12
• 1.2.2 城市智能交通系統(tǒng)國外研究現(xiàn)狀12
• 1.2.3 城市智能交通系統(tǒng)國內(nèi)研究現(xiàn)狀12-13
• 1.3 嵌入式系統(tǒng)的分析研究13-14
• 1.4 交通流預(yù)測理論的分析研究14-15
• 1.5 論文主要工作15-16
• 2 基于短時交通流預(yù)測的智能交通信號控制的理論基礎(chǔ)16-25
• 2.1 交通信號優(yōu)化控制的主要參數(shù)16-20
• 2.1.1 交通信號控制的時間參數(shù)16-17
• 2.1.2 交通信號控制的性能指標(biāo)17-18
• 2.1.3 交通流參數(shù)18-20
• 2.2 交通信號優(yōu)化控制方式的分類20-22
• 2.2.1 按控制范圍分類20-21
• 2.2.2 按控制原理分類21-22
• 2.3 短時交通流的常用預(yù)測模型22-24
• 2.4 本章小結(jié)24-25
• 3 基于組合預(yù)測模型的短時交通流的預(yù)測25-39
• 3.1 組合預(yù)測模型的結(jié)構(gòu)25-26
• 3.2 短時交通流歷史數(shù)據(jù)的獲取與預(yù)處理26-27
• 3.3 單項預(yù)測模型的選擇27-33
• 3.3.1 歷史平均預(yù)測模型27-29
• 3.3.2 基于K近鄰非參數(shù)回歸的預(yù)測模型29-32
• 3.3.3 基于德爾塔正態(tài)法的組合模型參數(shù)的確定32-33
• 3.4 實驗例證33-38
• 3.4.1 交通流實際數(shù)據(jù)實例33-35
• 3.4.2 改進(jìn)的歷史平均預(yù)測模型的短時交通流預(yù)測仿真結(jié)果35
• 3.4.3 改進(jìn)K近鄰非參數(shù)回歸模型短時交通流預(yù)測仿真結(jié)果35-37
• 3.4.4 基于組合預(yù)測模型的短時交通流預(yù)測仿真結(jié)果37-38
• 3.5 本章小結(jié)38-39
• 4 基于短時交通流預(yù)測的城市區(qū)域交通協(xié)調(diào)控制39-61
• 4.1 區(qū)域信號協(xié)調(diào)控制整體優(yōu)化方案40-42
• 4.2 基于自適應(yīng)局搜索粒子群算法的交通信號多目標(biāo)優(yōu)化控制模型42-50
• 4.2.1 多目標(biāo)優(yōu)化控制模型的性能指標(biāo)選擇42-45
• 4.2.2 多目標(biāo)信號配時優(yōu)化模型的構(gòu)建45-46
• 4.2.3 多目標(biāo)優(yōu)化模型加權(quán)系數(shù)的確定46
• 4.2.4 自適應(yīng)局搜索的粒子群優(yōu)化算法46-48
• 4.2.5 仿真實驗分析48-50
• 4.3 基于城市主干道協(xié)調(diào)優(yōu)先的區(qū)域交通信號優(yōu)化控制50-60
• 4.3.1 區(qū)域關(guān)鍵交叉口的確定51-52
• 4.3.2 區(qū)域路網(wǎng)遍歷52-53
• 4.3.3 基于數(shù)解法的主干道交叉口相位差的優(yōu)化求解53-56
• 4.3.4 非主干道交叉口間相位差的優(yōu)化計算56-57
• 4.3.5 仿真實驗分析57-60
• 4.4 本章小結(jié)60-61
• 5 基于STM32的智能交通控制系統(tǒng)的硬件設(shè)計61-74
• 5.1 智能交通控制系統(tǒng)的功能與設(shè)計要求61
• 5.2 信號控制系統(tǒng)硬件總體設(shè)計61-62
• 5.3 主控模塊62-65
• 5.3.1 電源電路63-64
• 5.3.2 系統(tǒng)時鐘與RTC時鐘64-65
• 5.4 存儲電路65-66
• 5.5 車流量檢測模塊66-67
• 5.6 通信模塊67-70
• 5.6.1 與車流量檢測模塊進(jìn)行通信的串口電路67-69
• 5.6.2 路口控制器與區(qū)域控制器之間進(jìn)行通信的以太網(wǎng)接口電路69-70
• 5.7 信號燈驅(qū)動控制模塊70-71
• 5.8 人工控制模塊71-72
• 5.9 交叉口控制器的硬件仿真72-73
• 5.10 本章小結(jié)73-74
• 6 研究總結(jié)與展望74-75
• 6.1 本文研究總結(jié)74
• 6.2 未來研究展望74-75
• 參考文獻(xiàn)75-78
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況78-79
• 致謝79-80
• 作者簡介80-81

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 偶昌寶,俞亞南;短時交通流預(yù)測的多層遞階方法[J];城市道橋與防洪;2004年05期

2 高麗梅;高鵬;陳俊波;;數(shù)據(jù)融合技術(shù)在短時交通流預(yù)測中的應(yīng)用[J];交通科技;2010年S1期

3 唐世星;;改進(jìn)的支持向量機(jī)算法在短時交通流預(yù)測中的應(yīng)用[J];承德石油高等�？茖W(xué)校學(xué)報;2012年01期

4 王嬌;李軍;;最小最大概率回歸機(jī)在短時交通流預(yù)測中的應(yīng)用[J];公路交通科技;2014年02期

5 賀國光,李宇,馬壽峰;基于數(shù)學(xué)模型的短時交通流預(yù)測方法探討[J];系統(tǒng)工程理論與實踐;2000年12期

6 宗春光,宋靖雁,任江濤,胡堅明;基于相空間重構(gòu)的短時交通流預(yù)測研究[J];公路交通科技;2003年04期

7 楊世堅,賀國光;基于模糊C均值聚類和神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測方法[J];系統(tǒng)工程;2004年08期

8 王進(jìn);史其信;;短時交通流預(yù)測模型綜述[J];中國公共安全(學(xué)術(shù)卷);2005年01期

9 楊芳明;朱順應(yīng);;基于小波的短時交通流預(yù)測[J];重慶交通學(xué)院學(xué)報;2006年03期

10 鄧志龍;李全;陳茜;;基于灰色系統(tǒng)理論的短時交通流預(yù)測[J];公路交通技術(shù);2006年01期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 鄭德署;何世偉;許旺土;;分形理論在短時交通流預(yù)測中的應(yīng)用[A];2008第四屆中國智能交通年會論文集[C];2008年

2 唐麗娜;張衛(wèi)華;;短時交通流預(yù)測方法的比較研究[A];2007第三屆中國智能交通年會論文集[C];2007年

3 于建玲;商朋見;關(guān)積珍;;改進(jìn)的相空間重構(gòu)方法在短時交通流預(yù)測中的應(yīng)用[A];2008第四屆中國智能交通年會論文集[C];2008年

4 楊錦偉;肖新平;郭金海;;基于灰關(guān)聯(lián)與少數(shù)據(jù)云推理的短時交通流預(yù)測[A];第25屆全國灰色系統(tǒng)會議論文集[C];2014年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 姚智勝;基于實時數(shù)據(jù)的道路網(wǎng)短時交通流預(yù)測理論與方法研究[D];北京交通大學(xué);2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 高為;基于數(shù)據(jù)挖掘和數(shù)據(jù)融合的短時交通流預(yù)測研究[D];重慶交通大學(xué);2011年

2 齊霖;基于支持向量機(jī)回歸的短時交通流預(yù)測與系統(tǒng)實現(xiàn)[D];東北大學(xué);2013年

3 邱世崇;基于時空特性的城市道路短時交通流預(yù)測研究[D];重慶交通大學(xué);2015年

4 沈小峰;交通流量短時預(yù)測的算法研究[D];浙江工業(yè)大學(xué);2015年

5 江小燕;短時交通流預(yù)測方法研究[D];揚州大學(xué);2015年

6 楊慧慧;城市交通流短時預(yù)測模型研究[D];河南理工大學(xué);2015年

7 王鵬;基于嵌入式系統(tǒng)的城市智能交通控制器研究[D];遼寧科技大學(xué);2016年

8 尹振興;“機(jī)理+辨識”策略在短時交通流預(yù)測中多種結(jié)果合成[D];天津大學(xué);2008年

9 姜敏華;基于車行轉(zhuǎn)彎比例穩(wěn)定假設(shè)的短時交通流預(yù)測[D];上海交通大學(xué);2008年

10 張蕊;城市道路短時交通流預(yù)測[D];五邑大學(xué);2008年

  本文關(guān)鍵詞：基于嵌入式系統(tǒng)的城市智能交通控制器研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：327100