基于神经网络的智能交通控制系统设计

发布时间：2017-06-06 14:13

  本文关键词：基于神经网络的智能交通控制系统设计，由笔耕文化传播整理发布。

【摘要】：城市交通控制系统对车流量调度的效率将直接影响城市的交通状况,高效的交通控制系统能够明显缓解城市拥堵的情况。经调研,大部分城市的交通信号灯依旧采用固定时间的调度策略,这种调度策略对于交通流量变化较大的时段控制效果不理想。因此,研究一种能够根据车流量的变化智能调节车辆通行时间的交通控制系统具有重要意义。针对城市交通随机性、复杂性、不确定性等特点,提出基于神经网络的智能交通控制系统设计方案。人工神经网络具有自学习和自适应的能力,对于无法建立准确数学模型的系统具有很好的适用性。论文根据交叉路口的通行特点,提出四个输入神经元与四个输出神经元的BP神经网络模型。通过运用BP神经网络控制算法对交叉路口四个方向的交通流量与对应通行时间进行训练,利用训练后的神经网络预测排队车辆所需通行时间。论文利用MATLAB仿真分析,证明了基于交叉路口的BP神经网络模型可以用于预测排队车辆的通行时间。本文设计的智能交通控制系统主要功能模块包括：硬件电路模块、图像采集与DSP处理模块和远程上位机软件。硬件电路模块包括主控模块、驱动模块、硬件黄闪模块等。主控模块是整个控制系统的核心,负责协调调度各个功能模块；驱动模块的功能是驱动220V交通信号灯以及对故障信号灯进行检测和故障上传。硬件黄闪模块则采用纯硬件电路设计,当交通信号机出现故障时,以固定周期闪烁所有黄色信号灯,提醒车辆驾驶人员减速慢行。图像采集与DSP处理模块负责通过图像采集方式提取出停车等待的车辆数,并且根据训练后的神经网络模型对车辆通行时间进行预测。远程上位机软件则实现了远程监控信号机的功能。系统使用DSP处理器实现BP神经网络控制算法,利用交通车辆样本进行算法训练,通过不断调整神经网络的权值和阈值,最终使得仿真结果满足误差要求。CAN总线作为通信总线,提高了整个系统的可靠性和实时性。同时在系统中加入了抗干扰设计,进一步提高了系统稳定性。该系统为交通信号机的开发提供了一种新的解决方案,能够提高车流量的调度效率。
【关键词】：神经网络 智能交通系统 图像采集 CAN总线
【学位授予单位】：扬州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495;TP273;TP183
【目录】：

• 摘要2-3
• Abstract3-6
• 第一章 绪论6-12
• 1.1 课题的研究背景和意义6-7
• 1.1.1 课题研究背景6
• 1.1.2 课题研究意义6-7
• 1.2 智能交通灯控制系统的发展及现状7-8
• 1.2.1 国外发展概况7-8
• 1.2.2 我国发展现状8
• 1.3 神经网络的发展及现状8-9
• 1.3.1 国外发展概况8-9
• 1.3.2 国内发展概况9
• 1.4 人工神经网络在智能交通控制系统中的应用现状9-10
• 1.5 论文结构和研究内容10-12
• 第二章 智能交通控制系统相关技术12-18
• 2.1 交通信号控制理论12-14
• 2.1.1 交通信号控制的基本概念12-13
• 2.1.2 交通信号控制方式13
• 2.1.3 常用的车辆检测技术13-14
• 2.2 CAN总线通信技术14-17
• 2.2.1 CAN总线的发展及特点14
• 2.2.2 CAN总线数值表示及通信距离14-15
• 2.2.3 CAN的报文传送及其帧结构15-16
• 2.2.4 CAN总线拓扑结构16-17
• 2.3 本章小结17-18
• 第三章 交叉路口神经网络建模与仿真18-31
• 3.1 人工神经网络概述18
• 3.2 感知器神经网络18-20
• 3.2.1 感知器神经网络模型18-19
• 3.2.2 感知器神经网络学习算法19-20
• 3.3 BP神经网络20-23
• 3.3.1 BP神经网络结构20-21
• 3.3.2 BP网络学习算法21-23
• 3.4 交叉路口神经网络模型设计23-24
• 3.4.1 交叉路口BP神经网络层数的选取23
• 3.4.2 交叉路口BP神经网络输入层和输出层设计23
• 3.4.3 BP神经网络隐含层神经元数量范围的确定23-24
• 3.4.4 交叉路口神经网络模型设计24
• 3.5 交叉路口神经网络模型仿真24-30
• 3.5.1 MATLAB神经网络工具箱24
• 3.5.2 交叉路口神经网络模型仿真24-27
• 3.5.3 交叉路口神经网络模型合理性验证27-30
• 3.6 本章小结30-31
• 第四章 智能交通控制系统方案及电路设计31-43
• 4.1 智能交通控制系统整体设计方案31-33
• 4.1.1 总体设计需求31
• 4.1.2 系统总体设计方案31-32
• 4.1.3 系统运行过程32-33
• 4.2 ARM处理器选型33-34
• 4.3 主控模块设计34-38
• 4.3.1 主控板最小系统电路34-36
• 4.3.2 Flash扩展36-37
• 4.3.3 以太网接口电路37
• 4.3.4 GPS模块与蓝牙模块37-38
• 4.3.5 CAN接口电路38
• 4.4 驱动模块设计38-40
• 4.4.1 驱动控制电路设计38-39
• 4.4.2 故障检测电路设计39-40
• 4.5 硬件黄闪模块设计40-41
• 4.6 图像采集模块与DSP处理器41
• 4.7 硬件抗干扰设计41-42
• 4.8 本章小结42-43
• 第五章 智能交通控制系统软件设计43-52
• 5.1 硬件平台软件设计43-47
• 5.1.1 开发环境介绍43
• 5.1.2 主控模块与驱动模块通信协议43-45
• 5.1.3 主控模块软件设计45-46
• 5.1.4 驱动模块软件设计46-47
• 5.2 BP神经网络算法设计47-48
• 5.3 上位机软件设计48-51
• 5.3.1 上位机通信协议48-49
• 5.3.2 上位机软件设计思路49-51
• 5.4 本章小结51-52
• 第六章 结论与展望52-53
• 6.1 结论52
• 6.2 展望52-53
• 参考文献53-56
• 致谢56-57
• 攻读硕士学位期间取得的研究成果57-58

【参考文献】

中国期刊全文数据库 前10条

1 王晨辉;吴悦;杨凯;;基于STM32的多通道数据采集系统设计[J];电子技术应用;2016年01期

2 朱金荣;王斌;尹志威;;基于SimpliciTI协议的电源管理器的设计[J];测控技术;2015年04期

3 李国帅;;智能交通系统在城市交通中的应用[J];交通标准化;2014年07期

4 刘治彦;岳晓燕;赵睿;;我国城市交通拥堵成因与治理对策[J];城市发展研究;2011年11期

5 韩成浩;高晓红;;CAN总线技术及其应用[J];制造业自动化;2010年02期

6 李群祖;夏清国;巴明春;潘万鹏;;城市交通信号控制系统现状与发展[J];科学技术与工程;2009年24期

7 雒珊;尹岗;;基于ARM的以太网通信控制器的设计[J];电子测量技术;2009年10期

8 孔祥杰;沈国江;金稳;孙优贤;;基于车辆检测技术的智能交通控制器设计[J];信息与控制;2007年06期

9 全雪峰;米根锁;全雪萍;;基于DSP的混沌BP神经网络的实现[J];微计算机信息;2007年05期

10 杨飞,郑贵林;基于CAN总线的监控系统设计[J];微计算机信息;2005年07期

  本文关键词：基于神经网络的智能交通控制系统设计，由笔耕文化传播整理发布。

，

本文编号：426600