基于多传感器的智慧交通系统毕业论文
2021-11-02 20:54:29
摘 要
近年来，随着经济的迅猛增长，汽车大众化已经是大势所趋，但也带来了诸如环境污染、资源浪费、交通事故、路面承载力不足等众多问题。社会在本质上的变化，对城市交通提出了更高的要求，不仅要求科学技术的进步，而且要提供便捷的新型服务，对策体系也需要精准化。智慧交通将技术与政策手段相结合，不但用于解决人、车、路的人机混合系统的运行管控问题，更对社会发展过程中的智能治理作出了贡献。
主要研究了摄像机、雷达传感器、地感线圈、热像仪等智能传感器的原理、功能和对交通数据的采集，在传统方法对数据的预处理上，使传感器之间的数据互通，互为参照，增加了数据的科学严谨性。考虑到车流、车速、天气情况等都是影响交通流的因素，本文提出了基于滑动窗口的卷积神经网络短时交通流预测，利用滑动窗口较好地控制输入矩阵的大小，同时还考虑了卷积核的大小以及预测时间间隔对预测精度的影响。
进一步研究了模糊控制系统在智能信号灯控制上的应用，利用MATLAB搭建模糊模型，使绿灯保持时间随车辆排队长度不同而实时发生变化，控制路口通行能力为最优。
实验结果表明卷积神经网络能较好地预测路口短时交通流，模糊控制系统也适用于交通流量这类复杂的非线性系统。
关键词：智慧交通；智能传感器；CNN；短时交通流量预测；模糊控制系统
Abstract
In recent years, with the rapid growth of the economy, the popularization of cars has become the general trend, but it has also brought a lot of problems. The essential changes of society have put forward higher requirements to the city traffic. It requires not only the advancement of science and technology, but also the provision of convenient new services. The countermeasure system also needs to be precise. Intelligent transportation combines technology with policy means, which is not only used to solve the problem of operation control of human-computer hybrid system of people, cars and roads, but also contributes to intelligent governance in the process of social development.
This paper mainly studies the principle and function of intelligent sensors such as camera, radar sensor, ground sensor coil, thermal imaging and so on. The intelligent sensors are used to collect traffic data. In the traditional method of data pre-processing, the data between sensors are interacted and referenced to each other, which increases the scientific rigor of data. Considering that traffic flow, speed and weather are all factors affecting traffic flow, this paper proposes a short-time traffic flow prediction based on Convolutional Neural Network based on sliding window. The sliding window can control the size of the input matrix. At the same time, both the size of the convolution kernel and the prediction time interval are considered on the prediction accuracy.
This paper further studies the application of fuzzy control system in intelligent signal light control and uses MATLAB to build a fuzzy model. The model is used to make the green light holding time change in real time with different vehicle queue length. Finally make the intersection traffic capacity optimal.
The experimental results show that the CNN can predict the short-time traffic flow at intersections and the fuzzy control system is also suitable for the complex nonlinear system.
Key Words: Intelligent Traffic; Intelligent Sensor; CNN; Short-term Traffic Flow Prediction; Fuzzy Control System
目 录
第一章 绪论 4
1.1 研究背景及意义 4
1.2 ITS国内外发展状况 5
1.2.1 国外ITS发展状况 5
1.2.2 国内ITS发展状况 6
1.3 本文主要研究内容 7
第二章 系统网络架构 8
2.1 交通流的基本概念 8
2.1.1 基本参数 8
2.1.2 特性分析 9
2.2 数据采集 9
2.2.1 摄像头 9
2.2.2 毫米波雷达传感器 10
2.2.3 地感线圈 12
2.2.4 热像仪 13
2.3 数据预处理 14
2.4 评价指标 16
2.5 交通流预测方法 16
2.5.1 支持向量机 16
2.5.2 小波理论 17
2.5.3 深度学习 18
2.6 智能交通信号控制系统 20
2.6.1 基本概念 20
2.6.2 系统结构 20
第三章 基于滑动窗口的CNN短时交通流量预测 22
3.1 基于多特征的输入矩阵 22
3.2 CNN模型的构造 23
3.3 实验设计和结果分析 24
第四章 基于模糊规则的智能交通信号控制系统 28
4.1 基本概念 28
4.2 模糊控制的系统结构 28
4.3 基于MATLAB的设计与实现 31
第五章 结论与展望 34
参考文献 35
附 录A 36
致 谢 37
绪论
1.1 研究背景及意义
近年来，我国经济得到了快速发展，2019年我国恩格尔系数为28.2%，已连降八年，中等收入的群体在不断扩大，内需逐渐成为经济发展的驱动力，消费在刺激经济增长中的作用越来越明显。我国财政部税务总局在《关于车辆购置税有关具体政策的公告》中指出购买自用应税车辆不包括增值税税款[1]。同时，科技的飞速发展以及各大车企之间的竞争，汽车的购买成本相对降低。据公安部统计：截至2019年底，我国小型载客汽车保有量达2.2亿辆，与2018年底相比，增加了1926万辆，增长了9.37%，其中私家车保有量达2.07亿辆，首次突破2亿辆[2]。表1.1给出了《2019年中国统计年鉴》中的城市道路长度及私人汽车拥有量[3]。根据表中的数据可以得出：近五年来，我国私人汽车拥有量的年增长率为13.65%，而城市道路长度的年增长率仅5.27%。城市机动车数量的迅猛增长与路面交通承载能力之间的矛盾已经引起了人们的广泛关注。
表1.1 2014-2018年城市道路长度及私人汽车拥有量
