基于图像处理的城市智慧交通信号灯研究
发布时间：2021-05-10 12:12
伴随着经济和科技的发展,汽车的制造成本下降,普通人的购买能力提升,汽车越来越普及,越来越多地走进普通家庭。这在给生活带来快捷便利的同时,也使得各大城市出现交通拥堵这一通病。传统定时交通控制策略已经不能很好地缓解交通压力,解决当前的交通问题。因此,为有效控制城市交叉路口,提高道路通行效率,建立根据车流量动态变化而自适应改变交通配时的城市智慧交通信号灯是非常有必要的。本文的研究主要分为基于图像处理的车辆检测与统计和交通信号灯配时方案研究两个模块。在图像处理部分,本文从如何进行车辆检测和统计出发,在进行视频采集和相应的预处理的基础上,分析比较了不同运动目标检测算法的优缺点,从而选定背景差分法为本文的运动目标检测算法。在此基础上,进一步研究了背景差分法中不同的背景建模算法,通过分析与实验对比,选择ViBE算法进行背景建模。同时针对ViBE算法存在的鬼影和阴影检测问题,针对性地提出了改进方法。最后选用虚拟线圈法用于车辆统计。通过实验仿真,验证本文算法具有较高准确率,可用于车辆检测与统计。在交通信号灯配时方案部分,本文提出了一种可智能地将专家经验转换为模糊规则知识库的两级模糊控制获取交通信号灯周期...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景
1.2 智慧交通研究现状
1.2.1 交通信号灯系统发展现状
1.2.2 信号灯配时方案研究现状
1.2.3 基于图像处理的交通参数获取研究现状
1.3 交通信号灯控制基本概念及评价指标
1.4 论文的主要内容及技术路线
1.4.1 主要内容
1.4.2 技术路线
1.5 论文的结构安排
第2章 基于图像处理的车辆检测与统计
2.1 引言
2.2 整体思路
2.3 交通车辆视频采集与预处理
2.3.1 交通视频采集
2.3.2 灰度化处理
2.3.3 ROI区域设置
2.3.4 二值化处理
2.4 运动目标检测算法选取
2.4.1 光流法
2.4.2 帧间差分法
2.4.3 背景差分法
2.4.4 运动目标检测算法的确定
2.5 基于背景差分法的运动目标检测
2.5.1 中值滤波法
2.5.2 单高斯模型法
2.5.3 混合高斯模型法
2.5.4 ViBE算法
2.5.5 四种算法实例研究结果及分析
2.5.6 对ViBE算法的改进
2.6 运动目标检测结果的处理
2.6.1 图像滤波
2.6.2 形态学处理
2.7 基于虚拟线圈的车辆统计
2.7.1 车辆统计方法
2.7.2 虚拟线圈设置要求
2.7.3 车辆统计结果与分析
2.8 本章小结
第3章 多路口交通信号灯配时方案研究
3.1 引言
3.2 传统线控配时方案——“绿波带”模型
3.2.1 传统周期确定方法
3.2.2 传统绿灯时长分配方案
3.2.3 传统相位差确定方案
3.3 基于智能模糊控制的动态信号灯周期获取
3.3.1 两级模糊控制获取信号周期的方案
3.3.2 第一级模糊控制器的设计
3.3.3 第二级模糊控制器的设计
3.3.4 智能获取模糊规则库
3.4 交通信号灯多目标优化配时
3.4.1 绿灯时长分配问题总体思路
3.4.2 绿灯时长分配的数学模型的建立
3.4.3 多目标配时方案的求解
3.5 本章小结
第4章 多路口信号灯仿真实验和分析
4.1 SUMO软件
4.1.1 SUMO软件介绍
4.1.2 SUMO的组成
4.1.3 SUMO仿真流程
4.2 仿真设计与编程
4.2.1 路网设计
4.2.2 交通车辆与路由设计
4.2.3 信号灯设计
4.2.4 绿灯分配方案参数设置
4.2.5 仿真结果获取
4.3 仿真与结果分析
4.3.1 单交叉路口仿真及结果
4.3.2 三交叉路口路段仿真及结果
4.3.3 四交叉路口路段仿真及结果
4.3.4 六交叉路口路段仿真及结果
4.3.5 结果分析
4.4 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
攻读硕士学位期间所发表的论文
【参考文献】：
期刊论文
[1]机动车已成空气污染重要来源[J]. 曹英楠,杨耀. 生态经济. 2018(09)
[2]一种动态邻域的多目标粒子群优化算法[J]. 张文兴,汪军,刘文婧,王建国. 机械设计与制造. 2018(06)
[3]基于稀疏表示与字典学习的彩色图像去噪算法[J]. 杨培,高雷阜,王江,訾玲玲. 计算机工程与科学. 2018(05)
[4]改进基于HSV空间的阴影检测算法[J]. 杨春德,郭帅. 计算机工程与设计. 2018(01)
[5]基于长时间视频序列的背景建模方法研究[J]. 丁洁,肖江剑,况立群,宋康康,彭成斌. 自动化学报. 2018(04)
[6]用SUMO搭建可支持智能交通信号灯的仿真环境[J]. 刘松云,李鑫,王晓萌,曹英晖. 信息通信. 2016(10)
[7]基于视觉的目标检测与跟踪综述[J]. 尹宏鹏,陈波,柴毅,刘兆栋. 自动化学报. 2016(10)
[8]二值图像膨胀腐蚀的快速算法[J]. 邓仕超,黄寅. 计算机工程与应用. 2017(05)
[9]实时的静止目标与鬼影检测及判别方法[J]. 叶芳芳,许力. 浙江大学学报(工学版). 2015(01)
[10]智能视频监控技术综述[J]. 黄凯奇,陈晓棠,康运锋,谭铁牛. 计算机学报. 2015(06)
博士论文
[1]基于视频的城市道路交叉口场景中车辆检测方法研究[D]. 张运胜.东南大学 2016
[2]城市路网交通流协调控制技术研究[D]. 孔祥杰.浙江大学 2009
硕士论文
[1]基于视觉的车流检测算法研究[D]. 潘翯.电子科技大学 2018
[2]多路口交通信号灯协同控制算法研究[D]. 孟鹏涛.江南大学 2018
[3]模糊控制规则的案例推理提取方法[D]. 戴香东.北京工业大学 2017
[4]复杂背景下的图像分割算法研究及应用[D]. 李卓.电子科技大学 2017
[5]基于机器视觉的智能交通灯的研究[D]. 方敏学.电子科技大学 2017
[6]考虑公交优先的改进韦伯斯特信号配时模型研究[D]. 于杰.东南大学 2015
[7]基于鸟群算法的交通信号控制[D]. 曹雪竹.中国科学院大学（工程管理与信息技术学院） 2014
[8]基于车流量的交通灯动态调整策略的研究与设计[D]. 黄向党.电子科技大学 2012
本文编号：3179346
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：86 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景
1.2 智慧交通研究现状
1.2.1 交通信号灯系统发展现状
1.2.2 信号灯配时方案研究现状
1.2.3 基于图像处理的交通参数获取研究现状
1.3 交通信号灯控制基本概念及评价指标
1.4 论文的主要内容及技术路线
1.4.1 主要内容
1.4.2 技术路线
1.5 论文的结构安排
第2章 基于图像处理的车辆检测与统计
2.1 引言
2.2 整体思路
2.3 交通车辆视频采集与预处理
2.3.1 交通视频采集
2.3.2 灰度化处理
2.3.3 ROI区域设置
2.3.4 二值化处理
2.4 运动目标检测算法选取
2.4.1 光流法
2.4.2 帧间差分法
2.4.3 背景差分法
2.4.4 运动目标检测算法的确定
2.5 基于背景差分法的运动目标检测
2.5.1 中值滤波法
2.5.2 单高斯模型法
2.5.3 混合高斯模型法
2.5.4 ViBE算法
2.5.5 四种算法实例研究结果及分析
2.5.6 对ViBE算法的改进
2.6 运动目标检测结果的处理
2.6.1 图像滤波
2.6.2 形态学处理
2.7 基于虚拟线圈的车辆统计
2.7.1 车辆统计方法
2.7.2 虚拟线圈设置要求
2.7.3 车辆统计结果与分析
2.8 本章小结
第3章 多路口交通信号灯配时方案研究
3.1 引言
3.2 传统线控配时方案——“绿波带”模型
3.2.1 传统周期确定方法
3.2.2 传统绿灯时长分配方案
3.2.3 传统相位差确定方案
3.3 基于智能模糊控制的动态信号灯周期获取
3.3.1 两级模糊控制获取信号周期的方案
3.3.2 第一级模糊控制器的设计
3.3.3 第二级模糊控制器的设计
3.3.4 智能获取模糊规则库
3.4 交通信号灯多目标优化配时
3.4.1 绿灯时长分配问题总体思路
3.4.2 绿灯时长分配的数学模型的建立
3.4.3 多目标配时方案的求解
3.5 本章小结
第4章 多路口信号灯仿真实验和分析
4.1 SUMO软件
4.1.1 SUMO软件介绍
4.1.2 SUMO的组成
4.1.3 SUMO仿真流程
4.2 仿真设计与编程
4.2.1 路网设计
4.2.2 交通车辆与路由设计
4.2.3 信号灯设计
4.2.4 绿灯分配方案参数设置
4.2.5 仿真结果获取
4.3 仿真与结果分析
4.3.1 单交叉路口仿真及结果
4.3.2 三交叉路口路段仿真及结果
4.3.3 四交叉路口路段仿真及结果
4.3.4 六交叉路口路段仿真及结果
4.3.5 结果分析
4.4 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
致谢
参考文献
攻读硕士学位期间所发表的论文
【参考文献】：
期刊论文
[1]机动车已成空气污染重要来源[J]. 曹英楠,杨耀. 生态经济. 2018(09)
[2]一种动态邻域的多目标粒子群优化算法[J]. 张文兴,汪军,刘文婧,王建国. 机械设计与制造. 2018(06)
[3]基于稀疏表示与字典学习的彩色图像去噪算法[J]. 杨培,高雷阜,王江,訾玲玲. 计算机工程与科学. 2018(05)
[4]改进基于HSV空间的阴影检测算法[J]. 杨春德,郭帅. 计算机工程与设计. 2018(01)
[5]基于长时间视频序列的背景建模方法研究[J]. 丁洁,肖江剑,况立群,宋康康,彭成斌. 自动化学报. 2018(04)
[6]用SUMO搭建可支持智能交通信号灯的仿真环境[J]. 刘松云,李鑫,王晓萌,曹英晖. 信息通信. 2016(10)
[7]基于视觉的目标检测与跟踪综述[J]. 尹宏鹏,陈波,柴毅,刘兆栋. 自动化学报. 2016(10)
[8]二值图像膨胀腐蚀的快速算法[J]. 邓仕超,黄寅. 计算机工程与应用. 2017(05)
[9]实时的静止目标与鬼影检测及判别方法[J]. 叶芳芳,许力. 浙江大学学报(工学版). 2015(01)
[10]智能视频监控技术综述[J]. 黄凯奇,陈晓棠,康运锋,谭铁牛. 计算机学报. 2015(06)
博士论文
[1]基于视频的城市道路交叉口场景中车辆检测方法研究[D]. 张运胜.东南大学 2016
[2]城市路网交通流协调控制技术研究[D]. 孔祥杰.浙江大学 2009
硕士论文
[1]基于视觉的车流检测算法研究[D]. 潘翯.电子科技大学 2018
[2]多路口交通信号灯协同控制算法研究[D]. 孟鹏涛.江南大学 2018
[3]模糊控制规则的案例推理提取方法[D]. 戴香东.北京工业大学 2017
[4]复杂背景下的图像分割算法研究及应用[D]. 李卓.电子科技大学 2017
[5]基于机器视觉的智能交通灯的研究[D]. 方敏学.电子科技大学 2017
[6]考虑公交优先的改进韦伯斯特信号配时模型研究[D]. 于杰.东南大学 2015
[7]基于鸟群算法的交通信号控制[D]. 曹雪竹.中国科学院大学（工程管理与信息技术学院） 2014
[8]基于车流量的交通灯动态调整策略的研究与设计[D]. 黄向党.电子科技大学 2012
本文编号：3179346
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3179346.html
