基于嵌入式系统的城市智能交通控制器研究

发布时间：2017-04-25 21:13

  本文关键词：基于嵌入式系统的城市智能交通控制器研究，由笔耕文化传播整理发布。

【摘要】：随着经济持续增长及城市化进程的不断推进,城市机动车占有量日益增加,从而导致交通拥挤、交通事故频发、汽车尾气污染等方面的问题成为制约城市发展的主要因素。因此缓解交通压力,提高通行质量受到各国专家学者越来越普遍的重视。作为现代城市发展的基础,城市道路交通系统的管理控制一直是城市管理者的一项重要课题。为了改善城市交通的通行效率,缓解交通压力。本文以实现区域交通协调控制为目标,结合现今计算机网络技术,以交通控制基本理论为基础,研究及分析现存城市交通信号控制系统的特点及不足。根据多智能体理论,采用分层递阶的控制策略对区域交通加以控制。论文的主要内容如下:首先,本文在时间和空间两方面考虑来对HA模型进行改进,对K近邻非参数回归模型的搜索距离公式进行改进,从而提高了这两个单项模型的预测精度。把这两个单项模型进行组合,实现两模型的优缺点互补。同时使用基于反馈机制的德尔塔正态法来自动调节组合权重系数,实现实时预测的目的。最后以9个交叉口构成的区域为例,通过MATLAB软件分别对这两种改进模型以及组合模型进行仿真实验,证明了该组合模型的短时交通流预测方式的实用性。其次,本文以由9个路口构成的区域路网为研究对象,采用分层递阶的控制策略对其加以控制。建立了基于自适应局部搜索粒子群算法的多目标交叉口优化控制模型应用到路口控制器实现各交叉口的信号周期与绿信比的优化求解。同时建立了基于主干道优先的区域路网相位差优化求解模型应用到区域协调控制器中来优化求解路网中各交叉口间的相位差。把上述短时交通流预测模型应用到本区域交通控制路网中,解决了本周期的拥堵到下一个周期才能采取相应措施的滞后问题。最后使用MATLAB与VISSIM软件对本控制方案进行仿真实验,证明了其提高了区域协调控制的性能。最后,本文选用PC作为区域控制器,选用STM32为核心控制器来搭建交叉口控制器的硬件平台,完成交叉口控制器各硬件模块电路的设计。并且在Proteus软件中进行仿真实现显示、存储、通信、以及人工控制等功能。
【关键词】：HA模型 K近邻非参数回归 短时交通流预测 自适应局部搜索粒子群算法 多目标优化模型
【学位授予单位】：辽宁科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495
【目录】：

• 中文摘要5-6
• ABSTRACT6-10
• 1 绪论10-16
• 1.1 课题背景及选题意义10
• 1.2 城市智能交通系统理论研究与国内外发展现状10-13
• 1.2.1 城市智能交通系统理论研究10-12
• 1.2.2 城市智能交通系统国外研究现状12
• 1.2.3 城市智能交通系统国内研究现状12-13
• 1.3 嵌入式系统的分析研究13-14
• 1.4 交通流预测理论的分析研究14-15
• 1.5 论文主要工作15-16
• 2 基于短时交通流预测的智能交通信号控制的理论基础16-25
• 2.1 交通信号优化控制的主要参数16-20
• 2.1.1 交通信号控制的时间参数16-17
• 2.1.2 交通信号控制的性能指标17-18
• 2.1.3 交通流参数18-20
• 2.2 交通信号优化控制方式的分类20-22
• 2.2.1 按控制范围分类20-21
• 2.2.2 按控制原理分类21-22
• 2.3 短时交通流的常用预测模型22-24
• 2.4 本章小结24-25
• 3 基于组合预测模型的短时交通流的预测25-39
• 3.1 组合预测模型的结构25-26
• 3.2 短时交通流历史数据的获取与预处理26-27
• 3.3 单项预测模型的选择27-33
• 3.3.1 历史平均预测模型27-29
• 3.3.2 基于K近邻非参数回归的预测模型29-32
• 3.3.3 基于德尔塔正态法的组合模型参数的确定32-33
• 3.4 实验例证33-38
• 3.4.1 交通流实际数据实例33-35
• 3.4.2 改进的历史平均预测模型的短时交通流预测仿真结果35
• 3.4.3 改进K近邻非参数回归模型短时交通流预测仿真结果35-37
• 3.4.4 基于组合预测模型的短时交通流预测仿真结果37-38
• 3.5 本章小结38-39
• 4 基于短时交通流预测的城市区域交通协调控制39-61
• 4.1 区域信号协调控制整体优化方案40-42
• 4.2 基于自适应局搜索粒子群算法的交通信号多目标优化控制模型42-50
• 4.2.1 多目标优化控制模型的性能指标选择42-45
• 4.2.2 多目标信号配时优化模型的构建45-46
• 4.2.3 多目标优化模型加权系数的确定46
• 4.2.4 自适应局搜索的粒子群优化算法46-48
• 4.2.5 仿真实验分析48-50
• 4.3 基于城市主干道协调优先的区域交通信号优化控制50-60
• 4.3.1 区域关键交叉口的确定51-52
• 4.3.2 区域路网遍历52-53
• 4.3.3 基于数解法的主干道交叉口相位差的优化求解53-56
• 4.3.4 非主干道交叉口间相位差的优化计算56-57
• 4.3.5 仿真实验分析57-60
• 4.4 本章小结60-61
• 5 基于STM32的智能交通控制系统的硬件设计61-74
• 5.1 智能交通控制系统的功能与设计要求61
• 5.2 信号控制系统硬件总体设计61-62
• 5.3 主控模块62-65
• 5.3.1 电源电路63-64
• 5.3.2 系统时钟与RTC时钟64-65
• 5.4 存储电路65-66
• 5.5 车流量检测模块66-67
• 5.6 通信模块67-70
• 5.6.1 与车流量检测模块进行通信的串口电路67-69
• 5.6.2 路口控制器与区域控制器之间进行通信的以太网接口电路69-70
• 5.7 信号灯驱动控制模块70-71
• 5.8 人工控制模块71-72
• 5.9 交叉口控制器的硬件仿真72-73
• 5.10 本章小结73-74
• 6 研究总结与展望74-75
• 6.1 本文研究总结74
• 6.2 未来研究展望74-75
• 参考文献75-78
• 攻读硕士学位期间发表学术论文情况78-79
• 致谢79-80
• 作者简介80-81

【相似文献】

中国期刊全文数据库 前10条

1 偶昌宝,俞亚南;短时交通流预测的多层递阶方法[J];城市道桥与防洪;2004年05期

2 高丽梅;高鹏;陈俊波;;数据融合技术在短时交通流预测中的应用[J];交通科技;2010年S1期

3 唐世星;;改进的支持向量机算法在短时交通流预测中的应用[J];承德石油高等专科学校学报;2012年01期

4 王娇;李军;;最小最大概率回归机在短时交通流预测中的应用[J];公路交通科技;2014年02期

5 贺国光,李宇,马寿峰;基于数学模型的短时交通流预测方法探讨[J];系统工程理论与实践;2000年12期

6 宗春光,宋靖雁,任江涛,胡坚明;基于相空间重构的短时交通流预测研究[J];公路交通科技;2003年04期

7 杨世坚,贺国光;基于模糊C均值聚类和神经网络的短时交通流预测方法[J];系统工程;2004年08期

8 王进;史其信;;短时交通流预测模型综述[J];中国公共安全(学术卷);2005年01期

9 杨芳明;朱顺应;;基于小波的短时交通流预测[J];重庆交通学院学报;2006年03期

10 邓志龙;李全;陈茜;;基于灰色系统理论的短时交通流预测[J];公路交通技术;2006年01期

中国重要会议论文全文数据库 前4条

1 郑德署;何世伟;许旺土;;分形理论在短时交通流预测中的应用[A];2008第四届中国智能交通年会论文集[C];2008年

2 唐丽娜;张卫华;;短时交通流预测方法的比较研究[A];2007第三届中国智能交通年会论文集[C];2007年

3 于建玲;商朋见;关积珍;;改进的相空间重构方法在短时交通流预测中的应用[A];2008第四届中国智能交通年会论文集[C];2008年

4 杨锦伟;肖新平;郭金海;;基于灰关联与少数据云推理的短时交通流预测[A];第25届全国灰色系统会议论文集[C];2014年

中国博士学位论文全文数据库 前1条

1 姚智胜;基于实时数据的道路网短时交通流预测理论与方法研究[D];北京交通大学;2007年

中国硕士学位论文全文数据库 前10条

1 高为;基于数据挖掘和数据融合的短时交通流预测研究[D];重庆交通大学;2011年

2 齐霖;基于支持向量机回归的短时交通流预测与系统实现[D];东北大学;2013年

3 邱世崇;基于时空特性的城市道路短时交通流预测研究[D];重庆交通大学;2015年

4 沈小峰;交通流量短时预测的算法研究[D];浙江工业大学;2015年

5 江小燕;短时交通流预测方法研究[D];扬州大学;2015年

6 杨慧慧;城市交通流短时预测模型研究[D];河南理工大学;2015年

7 王鹏;基于嵌入式系统的城市智能交通控制器研究[D];辽宁科技大学;2016年

8 尹振兴;“机理+辨识”策略在短时交通流预测中多种结果合成[D];天津大学;2008年

9 姜敏华;基于车行转弯比例稳定假设的短时交通流预测[D];上海交通大学;2008年

10 张蕊;城市道路短时交通流预测[D];五邑大学;2008年

  本文关键词：基于嵌入式系统的城市智能交通控制器研究，由笔耕文化传播整理发布。

，

本文编号：327100