發(fā)布時(shí)間：2017-06-06 14:13

  本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的智能交通控制系統(tǒng)設(shè)計(jì)，由筆耕文化傳播整理發(fā)布。

【摘要】：城市交通控制系統(tǒng)對(duì)車流量調(diào)度的效率將直接影響城市的交通狀況,高效的交通控制系統(tǒng)能夠明顯緩解城市擁堵的情況。經(jīng)調(diào)研,大部分城市的交通信號(hào)燈依舊采用固定時(shí)間的調(diào)度策略,這種調(diào)度策略對(duì)于交通流量變化較大的時(shí)段控制效果不理想。因此,研究一種能夠根據(jù)車流量的變化智能調(diào)節(jié)車輛通行時(shí)間的交通控制系統(tǒng)具有重要意義。針對(duì)城市交通隨機(jī)性、復(fù)雜性、不確定性等特點(diǎn),提出基于神經(jīng)網(wǎng)絡(luò)的智能交通控制系統(tǒng)設(shè)計(jì)方案。人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)和自適應(yīng)的能力,對(duì)于無法建立準(zhǔn)確數(shù)學(xué)模型的系統(tǒng)具有很好的適用性。論文根據(jù)交叉路口的通行特點(diǎn),提出四個(gè)輸入神經(jīng)元與四個(gè)輸出神經(jīng)元的BP神經(jīng)網(wǎng)絡(luò)模型。通過運(yùn)用BP神經(jīng)網(wǎng)絡(luò)控制算法對(duì)交叉路口四個(gè)方向的交通流量與對(duì)應(yīng)通行時(shí)間進(jìn)行訓(xùn)練,利用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)排隊(duì)車輛所需通行時(shí)間。論文利用MATLAB仿真分析,證明了基于交叉路口的BP神經(jīng)網(wǎng)絡(luò)模型可以用于預(yù)測(cè)排隊(duì)車輛的通行時(shí)間。本文設(shè)計(jì)的智能交通控制系統(tǒng)主要功能模塊包括：硬件電路模塊、圖像采集與DSP處理模塊和遠(yuǎn)程上位機(jī)軟件。硬件電路模塊包括主控模塊、驅(qū)動(dòng)模塊、硬件黃閃模塊等。主控模塊是整個(gè)控制系統(tǒng)的核心,負(fù)責(zé)協(xié)調(diào)調(diào)度各個(gè)功能模塊；驅(qū)動(dòng)模塊的功能是驅(qū)動(dòng)220V交通信號(hào)燈以及對(duì)故障信號(hào)燈進(jìn)行檢測(cè)和故障上傳。硬件黃閃模塊則采用純硬件電路設(shè)計(jì),當(dāng)交通信號(hào)機(jī)出現(xiàn)故障時(shí),以固定周期閃爍所有黃色信號(hào)燈,提醒車輛駕駛?cè)藛T減速慢行。圖像采集與DSP處理模塊負(fù)責(zé)通過圖像采集方式提取出停車等待的車輛數(shù),并且根據(jù)訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型對(duì)車輛通行時(shí)間進(jìn)行預(yù)測(cè)。遠(yuǎn)程上位機(jī)軟件則實(shí)現(xiàn)了遠(yuǎn)程監(jiān)控信號(hào)機(jī)的功能。系統(tǒng)使用DSP處理器實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)控制算法,利用交通車輛樣本進(jìn)行算法訓(xùn)練,通過不斷調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值,最終使得仿真結(jié)果滿足誤差要求。CAN總線作為通信總線,提高了整個(gè)系統(tǒng)的可靠性和實(shí)時(shí)性。同時(shí)在系統(tǒng)中加入了抗干擾設(shè)計(jì),進(jìn)一步提高了系統(tǒng)穩(wěn)定性。該系統(tǒng)為交通信號(hào)機(jī)的開發(fā)提供了一種新的解決方案,能夠提高車流量的調(diào)度效率。
【關(guān)鍵詞】：神經(jīng)網(wǎng)絡(luò) 智能交通系統(tǒng) 圖像采集 CAN總線
【學(xué)位授予單位】：揚(yáng)州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U495;TP273;TP183
【目錄】：

• 摘要2-3
• Abstract3-6
• 第一章 緒論6-12
• 1.1 課題的研究背景和意義6-7
• 1.1.1 課題研究背景6
• 1.1.2 課題研究意義6-7
• 1.2 智能交通燈控制系統(tǒng)的發(fā)展及現(xiàn)狀7-8
• 1.2.1 國(guó)外發(fā)展概況7-8
• 1.2.2 我國(guó)發(fā)展現(xiàn)狀8
• 1.3 神經(jīng)網(wǎng)絡(luò)的發(fā)展及現(xiàn)狀8-9
• 1.3.1 國(guó)外發(fā)展概況8-9
• 1.3.2 國(guó)內(nèi)發(fā)展概況9
• 1.4 人工神經(jīng)網(wǎng)絡(luò)在智能交通控制系統(tǒng)中的應(yīng)用現(xiàn)狀9-10
• 1.5 論文結(jié)構(gòu)和研究?jī)?nèi)容10-12
• 第二章 智能交通控制系統(tǒng)相關(guān)技術(shù)12-18
• 2.1 交通信號(hào)控制理論12-14
• 2.1.1 交通信號(hào)控制的基本概念12-13
• 2.1.2 交通信號(hào)控制方式13
• 2.1.3 常用的車輛檢測(cè)技術(shù)13-14
• 2.2 CAN總線通信技術(shù)14-17
• 2.2.1 CAN總線的發(fā)展及特點(diǎn)14
• 2.2.2 CAN總線數(shù)值表示及通信距離14-15
• 2.2.3 CAN的報(bào)文傳送及其幀結(jié)構(gòu)15-16
• 2.2.4 CAN總線拓?fù)浣Y(jié)構(gòu)16-17
• 2.3 本章小結(jié)17-18
• 第三章 交叉路口神經(jīng)網(wǎng)絡(luò)建模與仿真18-31
• 3.1 人工神經(jīng)網(wǎng)絡(luò)概述18
• 3.2 感知器神經(jīng)網(wǎng)絡(luò)18-20
• 3.2.1 感知器神經(jīng)網(wǎng)絡(luò)模型18-19
• 3.2.2 感知器神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法19-20
• 3.3 BP神經(jīng)網(wǎng)絡(luò)20-23
• 3.3.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)20-21
• 3.3.2 BP網(wǎng)絡(luò)學(xué)習(xí)算法21-23
• 3.4 交叉路口神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)23-24
• 3.4.1 交叉路口BP神經(jīng)網(wǎng)絡(luò)層數(shù)的選取23
• 3.4.2 交叉路口BP神經(jīng)網(wǎng)絡(luò)輸入層和輸出層設(shè)計(jì)23
• 3.4.3 BP神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元數(shù)量范圍的確定23-24
• 3.4.4 交叉路口神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)24
• 3.5 交叉路口神經(jīng)網(wǎng)絡(luò)模型仿真24-30
• 3.5.1 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱24
• 3.5.2 交叉路口神經(jīng)網(wǎng)絡(luò)模型仿真24-27
• 3.5.3 交叉路口神經(jīng)網(wǎng)絡(luò)模型合理性驗(yàn)證27-30
• 3.6 本章小結(jié)30-31
• 第四章 智能交通控制系統(tǒng)方案及電路設(shè)計(jì)31-43
• 4.1 智能交通控制系統(tǒng)整體設(shè)計(jì)方案31-33
• 4.1.1 總體設(shè)計(jì)需求31
• 4.1.2 系統(tǒng)總體設(shè)計(jì)方案31-32
• 4.1.3 系統(tǒng)運(yùn)行過程32-33
• 4.2 ARM處理器選型33-34
• 4.3 主控模塊設(shè)計(jì)34-38
• 4.3.1 主控板最小系統(tǒng)電路34-36
• 4.3.2 Flash擴(kuò)展36-37
• 4.3.3 以太網(wǎng)接口電路37
• 4.3.4 GPS模塊與藍(lán)牙模塊37-38
• 4.3.5 CAN接口電路38
• 4.4 驅(qū)動(dòng)模塊設(shè)計(jì)38-40
• 4.4.1 驅(qū)動(dòng)控制電路設(shè)計(jì)38-39
• 4.4.2 故障檢測(cè)電路設(shè)計(jì)39-40
• 4.5 硬件黃閃模塊設(shè)計(jì)40-41
• 4.6 圖像采集模塊與DSP處理器41
• 4.7 硬件抗干擾設(shè)計(jì)41-42
• 4.8 本章小結(jié)42-43
• 第五章 智能交通控制系統(tǒng)軟件設(shè)計(jì)43-52
• 5.1 硬件平臺(tái)軟件設(shè)計(jì)43-47
• 5.1.1 開發(fā)環(huán)境介紹43
• 5.1.2 主控模塊與驅(qū)動(dòng)模塊通信協(xié)議43-45
• 5.1.3 主控模塊軟件設(shè)計(jì)45-46
• 5.1.4 驅(qū)動(dòng)模塊軟件設(shè)計(jì)46-47
• 5.2 BP神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)47-48
• 5.3 上位機(jī)軟件設(shè)計(jì)48-51
• 5.3.1 上位機(jī)通信協(xié)議48-49
• 5.3.2 上位機(jī)軟件設(shè)計(jì)思路49-51
• 5.4 本章小結(jié)51-52
• 第六章 結(jié)論與展望52-53
• 6.1 結(jié)論52
• 6.2 展望52-53
• 參考文獻(xiàn)53-56
• 致謝56-57
• 攻讀碩士學(xué)位期間取得的研究成果57-58

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王晨輝;吳悅;楊凱;;基于STM32的多通道數(shù)據(jù)采集系統(tǒng)設(shè)計(jì)[J];電子技術(shù)應(yīng)用;2016年01期

2 朱金榮;王斌;尹志威;;基于SimpliciTI協(xié)議的電源管理器的設(shè)計(jì)[J];測(cè)控技術(shù);2015年04期

3 李國(guó)帥;;智能交通系統(tǒng)在城市交通中的應(yīng)用[J];交通標(biāo)準(zhǔn)化;2014年07期

4 劉治彥;岳曉燕;趙睿;;我國(guó)城市交通擁堵成因與治理對(duì)策[J];城市發(fā)展研究;2011年11期

5 韓成浩;高曉紅;;CAN總線技術(shù)及其應(yīng)用[J];制造業(yè)自動(dòng)化;2010年02期

6 李群祖;夏清國(guó);巴明春;潘萬鵬;;城市交通信號(hào)控制系統(tǒng)現(xiàn)狀與發(fā)展[J];科學(xué)技術(shù)與工程;2009年24期

7 雒珊;尹崗;;基于ARM的以太網(wǎng)通信控制器的設(shè)計(jì)[J];電子測(cè)量技術(shù);2009年10期

8 孔祥杰;沈國(guó)江;金穩(wěn);孫優(yōu)賢;;基于車輛檢測(cè)技術(shù)的智能交通控制器設(shè)計(jì)[J];信息與控制;2007年06期

9 全雪峰;米根鎖;全雪萍;;基于DSP的混沌BP神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)[J];微計(jì)算機(jī)信息;2007年05期

10 楊飛,鄭貴林;基于CAN總線的監(jiān)控系統(tǒng)設(shè)計(jì)[J];微計(jì)算機(jī)信息;2005年07期

  本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的智能交通控制系統(tǒng)設(shè)計(jì)，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：426600