資源描述:
《基于神經(jīng)網(wǎng)絡的智能交通控制系統(tǒng)設計》由會員上傳分享,免費在線閱讀,更多相關內(nèi)容在學術(shù)論文-天天文庫。
1、分類號M13343學號UDC密級?義聲叫"YANCZHOUUMVERWTY碩壬學侄冷文?'人.轉(zhuǎn)(學術(shù)型)</.I;基于神經(jīng)網(wǎng)絡的智能交通控制系統(tǒng)設計.f-.邱祥指導教師姓名:朱金榮副教授.揚州大學,江蘇揚州.2巧009申請學位級別:碩壬學科專業(yè)名稱:微電子學與固體電子學論文提交日期:2016.04論文答辯日期:2016.05:揚州大學學位授予日期;學位授予單位答辯委員會主席;2016年04月一I.■■■■■;.''.'''、心'.\;
2、','V‘i.?;..:,,f..,',?',,,己■■-??-.■'■.■.-.■.,’?、?..;.邱祥基于神經(jīng)網(wǎng)絡的智能交通控制系統(tǒng)設計1_摘要城市交通控制系統(tǒng)對車流量調(diào)度的效率將直接影響城市的交通狀況,商效的交通控制系統(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燈依舊采用固定時間的調(diào)度策略一,這種調(diào)度策略對于交通流量變化較大的時段控制效果不理想。因此,研巧種能夠根據(jù)車流量的變化智能調(diào)節(jié)車輛通行時間的交通控制系統(tǒng)具有重要意
3、義。針對城市交通隨機性、復雜性、不確定性等特點,提出基于神經(jīng)網(wǎng)絡的智能交通控制系統(tǒng)設計方案。人工神經(jīng)網(wǎng)絡具有自學習和自適應的能力,對于無法建立準確數(shù)學模型的系統(tǒng)具有很好的適用性。論文根據(jù)交叉路口的通行特點,提出四個輸入神經(jīng)元與四個輸出神經(jīng)元的BP神經(jīng)網(wǎng)絡模型。通過運用BP神經(jīng)網(wǎng)絡控制算法對交叉路口四個方向的交通流量與對應通行時間進行訓練,利用訓練后的神經(jīng)網(wǎng)絡預測排隊車輛所需通行時間。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)絡模型可W用于預測排隊車輛的通行時間。本文設計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
4、DSP處理模塊和遠程上位機軟件。硬件電路模塊包括主控模塊、驅(qū)動模塊、硬件黃閃模塊等。主、控模塊是整個控制系統(tǒng)的核也,負責協(xié)調(diào)調(diào)度各個功能模塊220V;驅(qū)動模塊的功能是驅(qū)動交通信號燈W及對故障信號燈進行檢測和故障上傳。硬件黃閃模塊則采用純硬件電路設計,當交通信號機出現(xiàn)故障時,固定周期閱爍所有黃色信號燈,提醒車輛駕駛?cè)藛T減速慢行。圖像采集與DSP處理模塊負責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)訓練后的神經(jīng)網(wǎng)絡模型對車輛通行時間進行預測。遠程上位機軟件則實現(xiàn)了遠程監(jiān)控信號機的功能。系統(tǒng)使用DSP處理器實現(xiàn)BP神經(jīng)網(wǎng)絡控制算法,利用交通車
5、輛樣本進行算法訓練,通過不斷調(diào)整神經(jīng)網(wǎng)絡的權(quán)值和闊值,最終使得仿真結(jié)果滿足誤差要求。CAN總線作為通信總線一,提高了整個系統(tǒng)的可靠性和實時性。同時在系統(tǒng)中加入了抗干擾設計,進步提髙了系統(tǒng)穩(wěn)定性一。該系統(tǒng)為交通信號機的開發(fā)提供了種新的解決方案,能夠提高車流量的調(diào)度效率。關鍵詞;神經(jīng)網(wǎng)絡:智能交通系統(tǒng)圖像采集CAN總線;;n揚州大學碩±學位論文Abs化actTheefficiencyofUrbanTrafficControlSystemfortraficflowschedulinwilldirectlgyafe
6、ctthetraficstatus,soaneficienttraficcontrolsystemisi打need.Afterinves巧gations,themodeof行xedtimeexistsinmostof也eschedulinstrategyfortraficlightsbutthismodeg,cannotworkwellintheeriodoftrafic幻owi打uiteunstablestatus.Thusresearchoftraficpq,con-tI
7、trolsystemofrealtimesettingissinificantwhichisbasedonhetraficflowamount.ng,thisarticlethemethodofITCSbased0打neuralnetworkisroosedtodealwiththetrafic,ppstatusofrandomness,complexityandUncertainty-Artceuranetworkscaabeof