单交叉口的交通信号管理系统整体方案设计

摘要

　　随着城市化的发展，机动车数量得到了快速的增长，使得城市道路交通日趋拥挤，而拥堵现象主要发生在道路交叉口。因此，单交叉口的交通信号管理对道路交通的有效运行有着举足轻重的作用。论文结合实际的道路交通状况，将基于机器视觉的交通参数采集技术和模糊神经网络控制算法应用于交通管理系统中，形成的智能交通信息系统可以根据实时的路口交通流信息对各个方向的交通信号灯进行智能化的管理，引导车辆有效通行。

　　论文首先对智能交通信息系统进行需求分析，根据实际的功能需求进行系统整体方案设计，对系统中的关键技术进行介绍，重点对智能交通信息系统中的交通参数采集技术和模糊祌经网络算法进行研宄。为了获取道路口交通参数信息，将采用OpenCV机器视觉技术对路口车辆排队长度，车流量及车速三个交通参数进行检测。？车辆排队长度检测主要-足对车道图像进行车辆运动检测和存在检测确定车辆队列队尾位置，将车道停车线作为车辆排队队首位置，然后采用摄像机标定技术实现纵向像素距离到实际三维空间的转换。车流量及车速检测是通过在图像中的停车线和人行横道之间设置虚拟线圈，虚拟线圈内运用高斯混合模型建立背景，背景差分法对运动车辆进行检测，最终根据虚拟线圈内的状态来获得车流量信息以及对车辆速度进行检测。在获取准确的交通参数采集的基础上，将模糊控制算法应用于道路交叉口交通信号控制系统中。通过研宄分析发现算法主观性较强，因此将在模糊控制系统基础上融入具有自学习功能的神经网络算法，形成以模糊神经网络为核心的智能交通信息系统。将采集到的交通参数作为模糊神经网络算法的输入参数，根据实际采集到的样本数据进行训练自动生成控制规则，由输入的交通参数进行模糊推理获得待通行相位的交通控制策略。为了验证算法的有效性，在不同交通流状况下对定时控制、模糊控制及模糊神经网络三种控制方法进行性能仿真，以车辆平均延误作为技术指标。通过方案设计和算法研宄，最后完成系统的硬件平台搭建及软件设计。课题选用嵌入式工控机作为系统的主控制器，通过路口网络摄像头采集路口视频流，然后进行处理获取待通行相位的三个交通参数，应用模糊祌经网络算法对交通参数进行处理，得到待通行相位的绿灯时长；通过LoRa无线通信模块将包含通行相位和绿灯时长的控制策略帧数据传递给交通灯控制模块；ARM处理器对传递的帧数据进行解析，最终实现对交通灯模块的亮灭以及配时的管理。

　　论文研宄的智能交通信息系统从机器视觉的多交通参数检测、交通信号灯控制策略、交通灯模块配时校验等方面进行功能测试，测试结果和实验数据表明，系统能够实现对单交叉路口的交通信号灯进行智能管理，对交通路口的信号配时进行了优化，达到了预期的研宄目标。

　　关键词：单交叉路口；智能交通；机器视觉；模糊神经网络；LoRa;ARM;

abstract

　　With the development of urbanization, the number of motor vehicles has been growing rapidly, which makes the urban road traffic increasingly crowded, and the congestion mainly occurs at the road intersection. Therefore, the traffic signal management of single intersection plays an important role in the effective operation of road traffic. Combining with the actual road traffic situation, the paper applies the traffic parameter acquisition technology based on machine vision and the fuzzy neural network control algorithm to the traffic management system. The formed intelligent traffic information system can intelligently manage the traffic lights in all directions according to the real-time intersection traffic flow information, and guide the vehicles to pass effectively.

　　Firstly, the paper analyzes the demand of its, designs the overall scheme of the system according to the actual functional demand, introduces the key technologies in the system, and focuses on the research of the traffic parameter acquisition technology and fuzzy computer network algorithm in its. In order to obtain the information of traffic parameters, opencv machine vision technology will be used to detect the three traffic parameters of vehicle queue length, traffic flow and vehicle speed.? Vehicle queue length detection mainly includes vehicle motion detection and presence detection on lane image to determine the end position of vehicle queue, taking Lane parking line as the first position of vehicle queue, and then using camera calibration technology to realize the conversion from the longitudinal pixel distance to the actual three-dimensional space. Vehicle flow and speed detection is to set up a virtual coil between the stop line and the crosswalk in the image. In the virtual coil, the Gaussian mixture model is used to establish the background, and the background difference method is used to detect the moving vehicle. Finally, the traffic flow information and vehicle speed are obtained according to the status in the virtual coil. On the basis of acquiring accurate traffic parameters, the fuzzy control algorithm is applied to the traffic signal control system of Road intersection. Through the research and analysis, it is found that the algorithm has strong subjectivity. Therefore, the neural network algorithm with self-learning function will be integrated into the fuzzy control system to form the intelligent transportation information system with the fuzzy neural network as the core. Taking the collected traffic parameters as the input parameters of the fuzzy neural network algorithm, the control rules are automatically generated by training according to the actual collected sample data, and the traffic control strategy of the phase to be passed is obtained by fuzzy reasoning of the input traffic parameters. In order to verify the effectiveness of the algorithm, three control methods, timing control, fuzzy control and fuzzy neural network, are simulated under different traffic flow conditions, and the average vehicle delay is taken as the technical index. Through the scheme design and algorithm research, the hardware platform and software design of the system are finally completed. In this project, the embedded industrial computer is selected as the main controller of the system. The video stream of the intersection is collected by the intersection network camera, and then the three traffic parameters of the phase to be passed are processed to obtain the green light duration of the phase to be passed by the fuzzy computer network algorithm. The control strategy of the phase to be passed and the green light duration will be included by the Lora wireless communication module The short frame data is transmitted to the traffic light control module; the arm processor analyzes the transmitted frame data, and finally realizes the on / off and timing management of the traffic light module.

　　The intelligent traffic information system studied in this paper is tested from the aspects of multi traffic parameters detection, traffic light control strategy, traffic light module timing verification of machine vision. The test results and experimental data show that the system can realize the intelligent management of traffic lights at single intersection, optimize the signal timing of traffic intersection, and achieve the expected research Target.

　　Keywords: single intersection; intelligent transportation; machine vision; fuzzy neural network; Lora; arm;

目录

　　1绪论

　　1.1课题研究背景及意义

　　社会经济与城市化的发展，人们出行方式的改变，使得道路车辆得到飞速增长，而随之带来的交通问题也日趋增多。现有的道路交通管理系统已经无法适应如今的交通压力，交通堵塞、交通事故、环境污染和能源浪费等问题不仅影响了国家的发展和社会的进步，同时给我们的日常出行带来很多不便".日本东京由于道路交通问题带来的经济损失达到了十万亿日元年以上：欧洲各国同样遭受到的损失超过6000亿欧元/年：道路交通问题给美国带：来各方面损失超过410亿美元/年：而我国，由于交通问题所带来的经济损失大约为2000亿人民币/年问。如此巨大的经济损失迫使世界各国采取-些措施，例如拓宽路面、增加多条道路，建设多条地铁、对车辆进行限号通行等措施米解决交通拥堵问题。这些措施的实行对交通问题起到了一定的改善作用，但面对现有资源的局限性，不能无休止的采用这种方式，无法从根本上解决问题。因此，国内外学者开始寻求更加高效、更加科学的交通管理方式来解决交通问题，通过对路口交通信号灯配时进行优化，充分利用绿灯通行时长，提高道路交通通行能力。

　　智能交通系统是在现有的道路设施基础上将数据采集与传输技术。信息处理技术和智能控制算法等技术有效的相互结合，发挥各自的工作性能，很好的应用于道路交通管理系统中，对路口车辆通行进行有效的管理。智能交通系统可以使整个道路交通管理实现信息化、系统化和智能化，促进整个交通控制系统更加高效的疏导各个方向车流，协调道路车辆有效通行，提高整个城市道路的通行能力叫。因此，研究和使用高效的智能交通系统对于城市道路交通健康运行具有重要意义。是未米交通发展的前沿研究方向。单交叉路口的通行能力直接关乎到整个城市道路交通管理的有效性，是城市干线及区域化交通管理高效运行的关键，交通$故以及车辆堵寡现象多发生于此。因此，研究城市道路交通管现系统，首先对单交叉路口的交通信号控制系统进行研究。

　　现如今的单交叉口交通信号控制系统多采用定时控制方式根据路口历史通行数据人为地设定固定的信号周期。面对道路交叉口实时多变的车流量，这种交通控制方式显然无法根据实时的交通流信息合理分配通行时长，这将直接造成时间的浪费。将智能交通信息系统应用于单交叉路口，可以根据实时交通路况信息，智能化的调整交通信号周期。给通行相位分配合理的绿灯通行时长，从而引导路口各个方向车辆有效通行。提高路口通行能力防止交通拥堵、减少尾气排放以及能源消耗。因此，研究高效的单交叉路口交通信号控制系统对于提高城市道路交通健康运行具有重要的实际意义。

　　本课题所研究的智能交通信息系统正是通过机器视觉技术来实时获取交叉口交通流信息，运用模糊神经网络控制算法对路口交通灯进行智能调控，实现道路车辆有效通行、提高路口通行能力，缓解城市交通拥堵4.智能交通控制无论从规模化难易程度还是改善城市交通方面都具有可行性和一-定的优势，因此具有良好的发展前景。课题的研究与具体的实施具有一定的理论意义，对于构建智慧城市具有良好的实用价值。

　　1.2国内外研究现状

　　交通信号控制系统的研究可以追溯到19世纪，作为城市道路交通有效通行的纽带。

　　- -直是因内外学者研究的重点。平面单交叉口是城市交通流的交汇点，车辆拥堵情况经常发生在这里，因此交叉口的通行能力对于解决城市交通问题有着至关重要的作用的。近年来，通过国内外学者不懈的努力。电子技术、信息处理技术以及交通控制算法的不断发展和完善，涌现出很多高效、科学的交通信号控制方法，促进城市道路交通智能控制系统不断发展。这些交通信号控制系统设计的目的是为了綴解路口车辆拥堵问题，针对路口信号灯的配时方案进行优化，确保在有效的时间内通过最大车流量，提高绿灯时长的利用率。

　　SCOOTS系统是英国研制的一种交通控制系统，其主要通过对多个参数进行优化，达到自适应调节能力，在1975年由英国的交通与道路研究所研制成功，并取得了良好的测试效果问。SCooTs系统的优势主要体现在实用性强、具有较好的稳定性。系统通过路口布置的传感器对车流量进行检测，对采集到的车流量数据进行分析，再通过相关模型对路口各个方向信号灯进行配时，从而达到对信号控制方案进行优化的效果。系统不会因为个别车辆检测传：感器反馈的错误信息而执行不合理的配时方案，系统具有自动识别和排除错误信息的能力。SCooTs 系统经过几十年的发展，通过不断的优化改进，在全世界多个国家得到运用与推广。

　　TRANSYT系统则属于静态的道路交通管理系统。通过建立系统模型、运用交通控制优化算法对一天中不同时间段采取不同的交通控制策略。从而对道路通行车辆进行有效的控制".这种交通控制系统是由英国的交通与道路研究所研制成功，系统通过对道路上来往车流量进行分析、整合，采用数学函数对车流量信总进行建模，由理论知识与传统交通控制策略相结合，建立多交通控制方案，在-天中的不同时间段选取最合理的控制方案，弥补了交通信号周期固定的缺点。TRANSYT系统以其技术成熟。实用性强等优点在全世界的多个城市得到运用。

　　SCATS系统是悉尼研发的自适应交通控制系统，其采用分层式三级协调控制系统，即控制中心、子区域控制中心和交叉路口控制器。系统属于动态的道路交通管理系统，通过安装在路口路停车线处的车辆传感器来实时获取交叉口的车流量信息。然后由通信网络将数据传输到子区域控制中心图。子区控制中心对各个路口的数据进行整理、汇总然后传给控制中心：控制中心作为中央控制中心，通过管理计算机对接收到的数据进行存储、动态分析、制定各个路口交通控制策略，保证所有交叉口可以健康、稳定的工作问。系统通过运用网络通讯技术，计算机技术等高科技手段对道路交通进行管理，体现了未来的智能交通控制系统的发展趋势。

　　我国对交通信号控制系统的研究与实施-直不够成熟，直到20世纪70年代很多研究院开始对路口交通信号灯如何合理、智能控制进行研究，开始采用计算机技术对城市干线及区域化交通进行控制0.与此同时全国各地开始相继设立了智能交通工程研究所，交通工程专业也入选为众多大学的特色专业。通过多年的不懈努力，国内也取得了- -些研究成果。

　　目前，我国许多学者也对路口信号灯控制系统做了大量的研究，取得了一定成果。我国学者李忠勤，范红刚等设计了一种单交叉口四相位两级模糊控制器，由通行相位的优先级来决定路口通行权，提高车辆通行效率。我国学者徐欣提出和设计了两级加权神经网络对城市控制器对单路口进行实时控制。我国学者卢守峰，韦钦平等对交叉口信号配时的离线Q学习模型进行了研究川。各个高校及研究院也取得一定的研究成果：如上海交通大学研发的SUATS自适应交通信号管理系统，该系统通过预先制定多个交通信号控制策略，可以根据不同时间段的交通需求变換相位以及配时方案，满足每个时间段的车辆通行时长的需求。中科院的--个研发团队针对国内交通流特点，通过在城市道路地下掩埋车辆感应系统来获取路口各个方向的车流量，通过对车流量数据进行算法分析、处理，偻路口交通灯可以根据车辆的密度自动调节红绿灯时长以及信号周期。西北工业大学研发的XATM同属于自适应信号控制系统，该系统通过对算法进行优化，同样达到了良好的控制效果。目前交通控制系统都是根据实时的交通流状况从而对信号灯进行调控，系统功能特性还有待提高：例如交通流参数信息的采集较为单一，没有考虑多种交通参数共同作用实现对交通信号灯配时的优化：交通信号控制算法的性能有待提高，- 定程度上克服了传统控制方法的局限性，使整个交通控制系统具有自适应，自学习能力，可以适用于各种交通路口。

　　从整体上而言，我国交通信号控制系统的发展明显落后于其它发达国家。交通控制理论与技术发展不够成熟，引进的交通系统不能很好的适用于国内交通状况。

　　我国的交通信号控制系统还雷要进行深入的研究并取得更商的发展。

　　1.3课题主要研究内容

　　通过对如今道路交通路况进行充分的分析、调研。在突破传统机械的定时控制模式的基础。上。将模棚控制算法应用于交通管理系统中，并且在模糊控制基础上引入神经网络算法，增加整个交通系统的自学习能力。更好的适应路口交通流的变化。本课题所研究的智能交通系统能够根据实时的交通路况信息对交通信号灯进行智能管理，实时的交通路况信息将通过交通参数反映。因此将通过基于机器视觉技术，运用多种图像处理算法来获取准确的交通参数。将采集到的交通参数作为模糊神经网络算法的输入参数，根据实际采集到的样本数据进行训练自动生成模糊规则，由输入的交通参数进行模糊推理得到交通控制策略，然后对路口信号灯进行智能调控。实现路口车辆的有效通行。为了确定本课题所研究的智能交通信息系统是否能够达到预期效果，还需对系统功能进行测试和分析。课题主要研究内容如下所示：

　　（1）系统总体方案设计通过对系统整体需求和现如今的路口交通状况进行分析，并结合相关技术的研究，最终确立了基于机器视觉的多交通参数采集，将模糊神经网络算法做为智能交通控制系统的核心，采用选程低功耗无线传输模块LoRa实现交通信息处理部分与交通灯管理部分之间的通信，ARM处理器作为交通灯管理部分的核心处理器，将对交通灯模块进行亮灭与配时。

　　（2）交通信息系统硬件平台的设计本课题所研究的智能交通信息系统的硬件部分主要由嵌入式工控机、网络摄像头、LoRa无线通信模块、ARM处理器。液晶显示模块、交通灯模块六个部分构成。共同组建整个系统硬件平台。

　　（3）机器视觉交通参数检测技术研究交通参数的采集为智能交通控制提供了可靠的交通数据，是智能交通信息系统首先要解决的问题。机器视觉交通参数采集技术是智能交通领域的重要研究内容，并且以其非侵入式监控，检测范围广，采集交通参数丰富，可直观回潮历史交通信息和事件等优点已经成为现代智能交通系统的不可或缺的部分。

　　（4）智能交通控制算法研究与实现本课题在对路口交通控制类型研究基础上，将模糊控制算法应用于交叉路口信号灯管理系统中，通过研究分析发现该算法存在的不足，最终通过将神经网络算法融入到模糊推理系统中，使整个交通控制系统具有自适应性，有利于提高智能交通信息系统对交通参数数据的学习能力以及对交通灯配时优化能力，提高路口通行能力。

　　（5）交通信息系统软件设计本课题所研究的智能交通信息系统的软件程序设计主要包括交通参数采集、智能控制算法软件设计、无线数据传输、交通灯控制软件设计，共同实现了整个系统功能。

　　1.4论文结构安排

　　根据课题的主要研究内容，本文将从以下七章对课题所涵盖的内容进行介绍：

　　第一章，绪论。主要介绍了本课题的研究背景以及智能交通领域国内外研究现状，并简要概述本课题要完成的主要内容以及章节安排。

　　第二章，需求分析及总体方案设计。本章分析了城市路口状况信息，对现如今的交通控制方式进行需求分析，明确课题的研究目标与主要技术指标，最终制定出系统总体方案，并对相关技术进行概述。

　　第三章，机器视觉交叉路口多交通参数采集。该章节介绍了运用机器视觉技术采集车辆排队长度，车流量及车速三个交通参数并进行了详细的方法研究，对检测中所运用的相关技术进行介绍。

　　第四章，单交叉口交通信号控制算法研究。该章节主要对现如今的交通信号控制系统进行分析，将模糊控制算法应用于交通控制系统中。接下来通过将神经网络与模糊控制两种算法相结合，对模糊控制算法进行优化。提高整个交通控制系统性能。最后在matlab平台上进行算法的性能仿真。

　　第五章，系统硬件平台搭建及软件设计。该章节主要完成对智能交通信息系统各个模块电路设计。对系统各个模块进行详细的介绍说明，最终完成对整个系统平台的搭建。通。

　　过对整个系统的功能模块进行划分，完成对各个功能模块的软件设计。

　　第六章，系统测试及性能分析，该章节主要对整个系统平台进行搭建，对各个功能模块进行测试：多交通参数检测、控制策略功能调试、交通灯配时校验。最后对整个系统的测试结果进行数据分析及性能分析。

　　第七章。结论。总结本课题所完成的研究内容，对智能交通系统后续工作进行展望，指明了系统改进的方向。

　　2需求分析及总体方案
　　2.1路口状况分析
　　2.1.1路口模型
　　2.1.2信号相位
　　2.2需求分析
　　2.3研究目标

　　2.4主要技术指标
　　2.5总体方案设计
　　2.6系统中的关键技术
　　2.6.1 OpenCV机器视觉技术
　　2.6.2模糊神经网络算法
　　2.6.3 LORA无线传输技…
　　2.7本章小结

　　3机器视觉交叉路口多交通参数采集
　　3.1机器视觉车辆检测技术概述
　　3.2车辆排队长度检测…
　　3.2.1图像预处理
　　3.2.2获取ROI.
　　3.2.3车辆运动检测
　　3.2.4车辆存在检测
　　3.2.5像素统计

　　3.2.6确定空间队列长度
　　3.3车流量及车速检测
　　3.3.1背景差分运动目标检测
　　3.3.2基于虚拟线圈车流量检测…
　　3.3.3基于虚拟线圈车速检测
　　3.4本章小结

　　4单交叉口交通信号控制算法研
　　4.1交通信号的控制类型
　　4.2交通信号模糊控制算法研…
　　4.2.1交通信号模糊控制思想
　　4.2.2单交叉口模糊控制结构设计
　　4.2.3单交叉口模糊控制器的设计
　　4.3路口交通模糊控制器优化的必要…
　　4.3.1模糊控制存在的问题及解决办法
　　4.3.2控制优化对象
　　4.3.3神经网络与模糊控制系统的协同机制

　　4.4模糊神经网络的系统结构
　　4.5 ANFIS模糊神经网络的交通信号控制性能
　　4.5.1通行效率评价指标
　　4.5.2模糊神经网络推理系统建立
　　4.5.3仿真结果及分析
　　4.6本章小结

　　5系统硬件平台搭建及软件设计
　　5.1系统硬件平台搭建
　　5.1.1嵌入式工控机系统架构
　　5.1.2网络摄像头系统架构
　　5.1 .3 STM32主控模块原理图设计
　　5.1.4 TFTLCD液晶显示模块设计
　　5.1.5 LoRa模块电路设计

　　5.2系统软件程序设计
　　5.2.1软件开发环境的介绍
　　5.2.2系统主程序
　　5.2.3多交通参数采集软件设计
　　5.2.4控制算法软件设计
　　5.2.5 LoRa模块无线收发软件设计
　　5.2.6交通灯控制软件设计
　　5.3本章小结

　　6系统测试及性能分析
　　6.1智能交通信息系统平台搭建
　　6.2机器视觉的多交通参数检测
　　6.3交通信号灯控制策略功能调
　　6.4交通灯模块配时校验
　　6.5系统性能分析
　　6.6本章小结

7结论

　　7.1工作总结

　　课题通过对现有的路口交通状况信息进行分析。对交通控制系统存在的问题进行阐述，最终确定以图像处理技术。嵌入式软/硬件技术，智能控制技术，无线通信技术为基础，设计出一一套针对于单交叉路口的智能交通信息系统，旨在对路口信号灯进行优化，缓解路口拥堵问题。本课题主要通过网络摄像头采集路口交通视颊流图像，运用多种图像处理算法得到多个交通参数。将模糊控制与神经网络算法相结合，运用智能控制技术对单个路口四个方向交通灯进行实时智能调控。

　　（a）课题主要研究成果有：

　　（I）完成了系统方案设计。通过对实际单交叉路口进行现场观察和查阅相关资料，确定实现方案，从方法和理论研究证明其可行性：通过对课题需求分析，功能模块类型选取，对整个系统进行方案设计（2）完成了交通参数的采集。本课题通过运用机器视觉技术，对路口摄像头采集到的视频流图像车道区城进行提取，通过对车道内的排队车辆进行运动以及存在检测来获得队尾位置，借助摄像机标定技术得到实际三维空间的队列长度：运用基于虚拟线圈车辆检测技术，完成了对车流量和车辆行驶速度的检测。

　　（3）模糊神经网络算法研究与实现。课题首先将模糊控制算法应用于交通控制系统中去，对交通管理起到优化的效果。通过对算法进行理论分析。发现其存在的不足，缺乏自组织学习的能力。因此，借助神经网络算法具有自学习的功能，将对模糊控制系统进行优化。通过训练采集到的样本数据以及学习原始的模糊推理系统，修正网络权值及相关参数，自动生成隶属度的数与模糊控制规则，使模糊神经网络模型更适应于现如今的交通管理系统。

　　（4）完成了交通灯控制模块设计。以ARM处理器STM32F103作为交通灯控制模块的主控制器。通过LoRa无线通信模块实现了交通信恩处理模块与交通灯控制模块之间的酒信。交通灯控制模块接收路口交通控制策略帧数据，通过解析获取相位数及绿灯时长，从而对路口交通灯进行调控。

　　（5）完成系统测试。首先对各个单元模块进行功能测试，机器视觉的多交通参数检测，交通信号灯控制策略功能调试，交通灯模块配时校验，最后完成了整个系统功能测试以及性能分析。

　　（b）课题主要研究结论有：

　　由系统的功能测试与实验數据显示，课题所研究、设计的智能交通信息系统优化了路口信号灯的配时，达到了提高路口通行能力的效果。在功能上实现了对交叉路口的信号灯配时优化，在性能上通过MATLAB平台上验证了算法的可行性。

　　7.2后续工作展望

　　本课题能够实现智能交通信息系统的交通参数采集、智能控制算法的实现、LoRa 无线数据传输、交通灯的协调控制，也通过实例验证了本课题所设计的智能交通信息系统具有很好的灵活性、协调性以及自学习能力。为了使本课题所研究的智能交通信息系统可以更好的应用与推广。还需要对系统中存在的不足进行完善，主要有以下方面：

　　（1）交通参数检测的准确度不高，还需要对检测算法进行改进，更加适应交通路口复杂的环境。

　　（2）模糊神经网络算法的训练样本数据不足。将对- - 天中不同时间段迷行大量交通参数的采集，进一步提高算法对路口交通控制性能。

　　（3）对系统硬件平台进行改进，运用更加高性能的处理模块。

　　参考文献
　　[1]张立成，蒋楠，杭亦文。基于视频控制的智能交通灯[J].电子测量技术。2011, 34（06） :30-32+36.
　　[2]邱祥。基于神经网络的智能交通控制系统设计[D].扬州大学， 2016.
　　[3]曾松林。城市单交叉路口交通信号的控制方法研究[D].西南交通大学，2013.
　　[4]沈振乾，基于机器视觉的交叉路口智能交通灯控制关键技术研究[DI.天津工业大学，2014.
　　[5]祝超越。城市交叉口交通信号的模糊控制方法研究[D]杭州电子科技大学，2014.
　　[6]杨华，张莹十字路口交通灯控制系统的设计与实现[小实验室科学2015.1805）11-13.
　　[7]C.Pappis, and E.Mamdani. Fuzzy Logie Contoller For A Traffc Junction[J]. IEEETransactions on SMC, 2014.7（10）：707-717.
　　[8]蔡道方。嵌入式智能交通信号控制系统的研究与实现[D]南京理工大学，2012.
　　[9]薛小平。交通红绿灯控制算法设计与实现[D].古林大学2015.
　　[10]赵建玉郭仲林，郑显臣基于模糊逻辑的单交叉0交通信号控制方法设计及实现川，交通信息与安金2013,31（05）；131-135.
　　[I]李洪中。基于模糊控制的智能交通灯系统的研究与设计[D]兰州交通大学，2013.
　　[12]梅婧。基于图像处理及嵌入式系统的交通灯智能控制[D].东华大学，2014.
　　[13]罗金玲，城市单交叉路口交通信号的控制方法研究小电脑编程技巧与维护201608）44-45+51.
　　[14] B.Jarboui, N.Damak, PSiamry.A combinatorial particle swarm optimization for solvingmulti-mode resource constrained project scheduling problems[J] Applied Mathematies andCompuation, 2013.195:299.308.
　　[15]李世林。基子视频的道路交通参数提取方法研究[D]重庆大学，2014.
　　[16] Xiying Li, Yongye She, Donghua Luo, Zhi Yu. A tafi state detection tool for feewayvideo srvillance steme/],Procedia-socia and Behavioral Sciences.2013.96:2543-2461.
　　[17] Skander Soltani. On the use of the wavelet decomposition for time series predictionNeurocomputing.2012:267-277.
　　[18]谢发荣。基于ARM嵌入式图像分析的交通信号灯智能控制的研究[D].昆明理工大学，2013.
　　[19]许哗，基于视频的交通流检测算法研究及系统实现[D].扬州大学，2013.
　　[20]刘富强张姗姗，朱文红，李志鹏。一种 基于视觉的车道线检测与跟踪算法（[].同济大学学撷（自然科学版）203802）223-229+306.
　　[21]胡永强周书民，孙尚清基于STM32的交通灯设计[].电子质量：201703）：96 100+107.
　　[22]赵娜，袁家斌，徐晗。智能交通系统综述[D].计算机科学201.4.1411）-11+45.
　　[23]陶万杰。基于视频处理的车辆排队长度检测算法的研究与应用[D）]北京邮电大学，2015.
　　[24] Wei Zhan, Xiaolong Ji. Algorithm Research on moving vehicles detectioto[].ProcediaEnineing.20115:5483-5487.
　　[25]白利芳。城市单交叉路口信号控制方法研究[D].大连海事大学，2011.
　　[26]须啸海。嵌入式智能交通车流量监控系统的实现[D]电子科技大学，2015.
　　[27]刁磊。4G网络下的智能交通系统[].数字技术与应用。2014（09）：29-30.
　　[28]肖磊基于图像处理及嵌入式系统的交通灯智能控制研究[）]科技风2017（09）；99.
　　[29] Liu Zhi yong, LI Shuiyou. Arifcial neural networks self: turming predictive control fortaffe signals（J].Control Theory& Application,2013.206-932-936.
　　[30]周先文，基于模糊神经网络的智能交通信号研究[D].西华大学， 2012.
　　[31]雒冰，单点信号交叉口智能控制的优化模型和方法研究[D].北京交通大学， 2017.
　　[32]陈小红，钱大琳，石冬花。基于慢行交通的交叉口信号配时多目标优化模型[D]交通运输系统工程与信息2011.102）；106-111.
　　[33]刘金明。基于多目标规划的城市道路交叉口信号配时研究[D].北京交通大学，2011.
　　[34]李敏。城市单交叉口信号控制算法研究与仿真实现[D].西南交通大学，2011.
　　[35]王一鸣，邓璨，邓高旭。基于模糊控制的智能交通信号控制系统设计[J]电子科技2017308）-84-87+ 141.
　　[36]彭飞城市道路平面交叉口信号配时优化与仿真研究[D].北京交通大学，2012.
　　[37]赵润林，朱铭琳。单点交通信号控制系统的优化设计[办。计算机工程与科学，2012,3411）：158-162.
　　[38]禹翔。城市交叉路口交通灯控制系统的设计研完[D]长安大学，2011.
　　[39]孟首业基于Linux的城市智能交通信号控制机的优化实现[D].东南大学2017.
　　[40]杨奕聪。基于WSN的智能交通管理系统设计与研究[D）。北京邮电大学，2017.
　　[41]郭炜杰，包晓安。单交叉路口交通灯实时配时算法的研究小工业控制计算机2012,25（03）34-36.
　　[42]王新元，高云红，刘丹。基于机器视觉的交通灯智能控制系统设计[I].自动化应用2015011）：38-39+83.
　　[43]董海龙基于动态模糊神经网络的交通信号智能控制研究[DI.兰州交通大学，2017.

致谢

　　本论文是在导师任安虎副教授以及校外导师胡志开老师的悉心指导之下完成的。三年来，导师们渊博的专业知识，严谨的治学态度，精益求精的工作作风，诲人不倦的高尚师德，朴实无华、平易近人的人格魅力对我影响深远。他们不仅授我以文，而且教我做人，虽历时三载。却赋子我终生受益无穷之道。本论文从选题到完成，每一-步都是在导师们的指导下完成的，傾注了他们大量的心血，在此我向我的导师任安虎副教授以及校外导师胡志开老师表示深切的谢意与祝禰！

　　感谢那些在我研究生生涯中给予教导、关心和帮助的人们。感谢我的同学们，感谢他们在生活中。学习上给子的帮助：感谢我的室友，他们总是对我包容、礼让与关心，在我困难时，给子心理上的安慰。在此还要对实验室所有师兄弟姐妹们在平时开展相关工作中的支持和帮助表示感谢。最后要感谢我的父母及家人，你们默默的支持是我求学三年来不断努力向前的动力.

（如您需要查看本篇毕业设计全文，请您联系客服索取）