基于神經(jīng)網(wǎng)絡(luò)的智能交通控制系統(tǒng)設(shè)計(jì)

《基于神經(jīng)網(wǎng)絡(luò)的智能交通控制系統(tǒng)設(shè)計(jì)》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、分類號Ｍ１３３４３學(xué)號ＵＤＣ密級？義聲叫＂ＹＡＮＣＺＨＯＵＵＭＶＥＲＷＴＹ碩壬學(xué)侄冷文？＇人．轉(zhuǎn)（學(xué)術(shù)型）＜／．Ｉ；基于神經(jīng)網(wǎng)絡(luò)的智能交通控制系統(tǒng)設(shè)計(jì)．ｆ－．邱祥指導(dǎo)教師姓名：朱金榮副教授．揚(yáng)州大學(xué)，江蘇揚(yáng)州．２巧００９申請學(xué)位級別：碩壬學(xué)科專業(yè)名稱：微電子學(xué)與固體電子學(xué)論文提交日期：２０１６．０４論文答辯日期：２０１６．０５：揚(yáng)州大學(xué)學(xué)位授予日期；學(xué)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(luò)的智能交通控制系統(tǒng)設(shè)計(jì)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(shí)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(shí)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(shí)間的交通控制系統(tǒng)具有重要意

3、義。針對城市交通隨機(jī)性、復(fù)雜性、不確定性等特點(diǎn)，提出基于神經(jīng)網(wǎng)絡(luò)的智能交通控制系統(tǒng)設(shè)計(jì)方案。人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)和自適應(yīng)的能力，對于無法建立準(zhǔn)確數(shù)學(xué)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(diǎn)，提出四個(gè)輸入神經(jīng)元與四個(gè)輸出神經(jīng)元的ＢＰ神經(jīng)網(wǎng)絡(luò)模型。通過運(yùn)用ＢＰ神經(jīng)網(wǎng)絡(luò)控制算法對交叉路口四個(gè)方向的交通流量與對應(yīng)通行時(shí)間進(jìn)行訓(xùn)練，利用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)預(yù)測排隊(duì)車輛所需通行時(shí)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(luò)模型可Ｗ用于預(yù)測排隊(duì)車輛的通行時(shí)間。本文設(shè)計(jì)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(yuǎn)程上位機(jī)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(gè)控制系統(tǒng)的核也，負(fù)責(zé)協(xié)調(diào)調(diào)度各個(gè)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(jìn)行檢測和故障上傳。硬件黃閃模塊則采用純硬件電路設(shè)計(jì)，當(dāng)交通信號機(jī)出現(xiàn)故障時(shí)，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(fù)責(zé)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(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型對車輛通行時(shí)間進(jìn)行預(yù)測。遠(yuǎn)程上位機(jī)軟件則實(shí)現(xiàn)了遠(yuǎn)程監(jiān)控信號機(jī)的功能。系統(tǒng)使用ＤＳＰ處理器實(shí)現(xiàn)ＢＰ神經(jīng)網(wǎng)絡(luò)控制算法，利用交通車

5、輛樣本進(jìn)行算法訓(xùn)練，通過不斷調(diào)整神經(jīng)網(wǎng)絡(luò)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(gè)系統(tǒng)的可靠性和實(shí)時(shí)性。同時(shí)在系統(tǒng)中加入了抗干擾設(shè)計(jì)，進(jìn)步提髙了系統(tǒng)穩(wěn)定性一。該系統(tǒng)為交通信號機(jī)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(guān)鍵詞；神經(jīng)網(wǎng)絡(luò)：智能交通系統(tǒng)圖像采集ＣＡＮ總線；；ｎ揚(yáng)州大學(xué)碩±學(xué)位論文Ａｂｓ化ａｃｔＴｈｅｅｆｆｉｃｉｅｎｃｙｏｆＵｒｂａｎＴｒａｆｆｉｃＣｏｎｔｒｏｌＳｙｓｔｅｍｆｏｒｔｒａｆｉｃｆｌｏｗｓｃｈｅｄｕｌｉｎｗｉｌｌｄｉｒｅｃｔｌｇｙａｆｅ

6、ｃｔｔｈｅｔｒａｆｉｃｓｔａｔｕｓ，ｓｏａｎｅｆｉｃｉｅｎｔｔｒａｆｉｃｃｏｎｔｒｏｌｓｙｓｔｅｍｉｓｉ打ｎｅｅｄ．Ａｆｔｅｒｉｎｖｅｓ巧ｇａｔｉｏｎｓ，ｔｈｅｍｏｄｅｏｆ行ｘｅｄｔｉｍｅｅｘｉｓｔｓｉｎｍｏｓｔｏｆ也ｅｓｃｈｅｄｕｌｉｎｓｔｒａｔｅｇｙｆｏｒｔｒａｆｉｃｌｉｇｈｔｓｂｕｔｔｈｉｓｍｏｄｅｇ，ｃａｎｎｏｔｗｏｒｋｗｅｌｌｉｎｔｈｅｅｒｉｏｄｏｆｔｒａｆｉｃ幻ｏｗｉ打ｕｉｔｅｕｎｓｔａｂｌｅｓｔａｔｕｓ．Ｔｈｕｓｒｅｓｅａｒｃｈｏｆｔｒａｆｉｃｐｑ，ｃｏｎ－ｔＩ

7、ｔｒｏｌｓｙｓｔｅｍｏｆｒｅａｌｔｉｍｅｓｅｔｔｉｎｇｉｓｓｉｎｉｆｉｃａｎｔｗｈｉｃｈｉｓｂａｓｅｄｏｎｈｅｔｒａｆｉｃｆｌｏｗａｍｏｕｎｔ．ｎｇ，ｔｈｉｓａｒｔｉｃｌｅｔｈｅｍｅｔｈｏｄｏｆＩＴＣＳｂａｓｅｄ０打ｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｒｏｏｓｅｄｔｏｄｅａｌｗｉｔｈｔｈｅｔｒａｆｉｃ，ｐｐｓｔａｔｕｓｏｆｒａｎｄｏｍｎｅｓｓ，ｃｏｍｐｌｅｘｉｔｙａｎｄＵｎｃｅｒｔａｉｎｔｙ－Ａｒｔｃｅｕｒａｎｅｔｗｏｒｋｓｃａａｂｅｏｆ