基于神经网络的智能交通控制系统设计

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。

目录

摘要

第一章 绪论

1．1 课题的研究背景和意义

1．1．1 课题研究背景

1．1．2 课题研究意义

1．2 智能交通灯控制系统的发展及现状

1．2．1 国外发展概况

1．2．2 我国发展现状

1．3 神经网络的发展及现状

1．3．1 国外发展概况

1．3．2 国内发展概况

1．4 人工神经网络在智能交通控制系统中的应用现状

1．5 论文结构和研究内容

第二章 智能交通控制系统相关技术

2．1 交通信号控制理论

2．1．1 交通信号控制的基本概念

2．1．2 交通信号控制方式

2．1．3 常用的车辆检测技术

2．2 CAN总线通信技术

2．2．1 CAN总线的发展及特点

2．2．2 CAN总线数值表示及通信距离

2．2．3 CAN的报文传送及其帧结构

2．2．4 CAN总线拓扑结构

2．3 本章小结

第三章 交叉路口神经网络建模与仿真

3．1 人工神经网络概述

3．2 感知器神经网络

3．2．1 感知器神经网络模型

3．2．2 感知器神经网络学习算法

3．3 BP神经网络

3．3．1 BP神经网络结构

3．3．2 BP网络学习算法

3．4 交叉路口神经网络模型设计

3．4．1 交叉路口BP神经网络层数的选取

3．4．2 交叉路口BP神经网络输入层和输出层设计

3．4．3 BP神经网络隐含层神经元数量范围的确定

3．4．4 交叉路口神经网络模型设计

3．5 交叉路口神经网络模型仿真

3．5．1 MATLAB神经网络工具箱

3．5．2 交叉路口神经网络模型仿真

3．5．3 交叉路口神经网络模型合理性验证

3．6 本章小结

第四章 智能交通控制系统方案及电路设计

4．1 智能交通控制系统整体设计方案

4．1．1 总体设计需求

4．1．2 系统总体设计方案

4．1．3 系统运行过程

4．2 ARM处理器选型

4．3 主控模块设计

4．3．1 主控板最小系统电路

4．3．2 Flash扩展

4．3．3 以太网接口电路

4．3．4 GPS模块与蓝牙模块

4．3．5 CAN接口电路

4．4 驱动模块设计

4．4．1 驱动控制电路设计

4．4．2 故障检测电路设计

4．5 硬件黄闪模块设计

4．6 图像采集模块与DSP处理器

4．7 硬件抗干扰设计

4．8 本章小结

第五章 智能交通控制系统软件设计

5．1 硬件平台软件设计

5．1．1 开发环境介绍

5．1．2 主控模块与驱动模块通信协议

5．1．3 主控模块软件设计

5．1．4 驱动模块软件设计

5．2 BP神经网络算法设计

5．3 上位机软件设计

5．3．1 上位机通信协议

5．3．2 上位机软件设计思路

5．4 本章小结

第六章 结论与展望

6．1 结论

6．2 展望

参考文献

致谢

攻读硕士学位期间取得的研究成果

声明