城市交通信号灯智能优化模拟系统

本文运用组件式GIS开发技术,实现对单交叉口交通状态的模拟;并运用模糊控制的原理,根据各相位的车辆数,计算交叉口各相位的信号配时方案,实现对交通信号灯系统的智能优化控制。     

基于无线传感器网络的交通信号灯控制

在十字路口安装无线传感器网络系统,可通过无线传感器探测路口车流量和正在等候放行的车辆排队长度,并将数据这些实时的反馈给交通信号灯现场控制系统,由系统进行模糊控制算法适时计算红绿灯的时间长度并动态调整红绿灯的时长,从而能够有效减少车辆等候的时间,使繁忙的道口变得高效且安全。     

智能交通控制系统

介绍一种智能交通控制系统。首先依靠车辆计数仪，得到交叉口的交通数据；然后利用专家系统、神经网络等技术分析交通动态特征，形成全局优化调度指令，并利用模糊控制的方法实现交叉口的信号灯控制。本系统利用系统仿真的方法来训练该模糊神经网络。     

基于车流量的交通信号灯实时控制的研究

道路交通信号灯控制与道路交通标志线的设置共同组成了对道路交通控制和管理的一个完整部分。交通信号灯控制在整个道路交通工程中起到了重要的作用,它主要应用于交通量较大、交通流冲突较多和复杂的交叉路口,以及某些道路路段上需要对交通流方向控制的地方。针对现有的交通信号灯控制中的一些缺陷,本文提出一种利用交通路口中车辆数量为引导因素,利用VC++编写信号灯实时控制程序,以达到对交通信号灯的实时控制。     

基于Faster-RCNN的交通信号灯检测与识别

交通信号灯检测和识别是无人驾驶和辅助驾驶领域的重要研究内容,能够避免在通过路口时由于交通信号灯判断失误导致的交通事故,提升驾驶的安全性。客观的复杂交通场景增加了检测识别算法难度。实现了基于Faster-RCNN的交通信号的检测识别,采集了交通场景数据进行标注,填充了国内交通信号灯公开数据集的空白。通过实验对比,选择最优的特征提取网络,并在智能车实验平台上验证了方法的有效性。     

智能交通信号灯形式化建模

主要针对协调和检测离散控制系统中的交通信号灯问题做出了形式化描述，在设计和分析时结合着色Petri网理论对问题进行建模和分析，并采用仿真工具Design／CPN对模型进行仿真研究。结合一个简单交通信号灯控制系统给出了形式化描述和分析结论。     

基于HOG特征的交通信号灯实时识别算法研究

针对无人驾驶汽车的交通信号灯识别,提出了一种基于HOG特征和SVM的交通信号灯实时识别算法。该算法首先提取视频中的红绿色区域,筛选出符合条件的区域,提取各类信号灯的HOG特征,然后运用SVM构建对应类别信号灯的分类器,之后依据判决函数对当前信号进行实时判决,从而得到准确的信号灯信息。实验结果表明该算法有良好的准确率和实时性。     

交通信号灯状态判别

介绍了机动车违章闯红灯视频自动监测系统的基本原理和实现框架,分析了其中的关键技术,并提出了一个视频交通信号灯状态判别模型以解决交通信号灯状态判别这个关键问题。该模型在闯红灯视频自动监测系统中得到应用。实际结果表明该模型准确、可靠、实用、鲁棒性强。     

基于改进Hough变换的圆形交通信号灯的检测

本文提出一种基于HSV色彩空间的颜色和形状特征的交通灯检测方法.首先将图像的RGB色彩空间转换成HSV色彩空间,利用不同颜色的H阈值对图像进行分割,然后进行结构化处理,最后利用Hough变换检测圆形信号灯的可能位置.由于传统的Hough变换的计算量过大,为此提出一种新的基于Hough变换的椭圆轮廓检测方法.     

基于视频的智能交通研究

现在社会的发展很快,城市交通容量的不断增加,车辆数目的大幅增加,基于视频的交通监控系统就迅速发展起来。它是一种将视频图像处理技术与模式识别相结合的技术。由于传统的视频是比较难实现的。智能交通通过对视频数据中对所包含的视觉内容信息进行了自动研究和分析以及特征的提取,这样人们就可以直接利用计算机视频技术搜索寻找相应的信息。在计算机的视频中采用了图像处理、计算机视觉、模式识别等技术处理计算机的视频图像。在研究过程中视频交通的研究意义很重大主要是是及时准确地掌握所监视路口和交通治安情况等,为指挥人员提供迅速直观的指导信息从而做出准确判断并及时响应。     

基于相序优化的多相位模糊交通控制

针对单交叉路口进行模糊交通控制算法的研究.首先提出一个简化的交叉路口交通流模型,设计一种基于相序优化的模糊控制器,然后以车辆平均延误时间为控制目标,采用模糊控制器和相序优化器联合进行交通控制.前者用来决定改变当前绿灯相位的时刻,后者从相序中根据优先权的大小决定下一个放行相位.仿真研究表明,该模糊控制器能更有效地对单路口进行多相位闭环控制,控制效果令人满意.     

监督交通量变化的多模型预测自适应交通信号灯控制

因信号设定时间和车流量动态行为引起的交通量变化是现代交通控制系统存在高度不确定性的主要因素.根据交通流量具有高峰期、正常期及突发超流量期的特点,本文提出了一种监督多模型交通流量建模方法,结合模型预测控制技术对交通信号灯进行优化式智能控制,对不同交通模式下交通流量的实时变化作出反应,在优化的模式下对关键主干道交叉路口的信号灯进行自适应调节,达到实现通行次数合理,车辆延误时间以及停车时间都减少的目的.仿真示例说明了该方法的有效性.     

基于交通灯的高精度车辆定位技术

针对现有车辆定位技术定位精度低、成本高等缺陷和不足,结合可见光通信技术无需安装额外信号源、无电磁干扰、无频谱许可等优点,提出了一种基于交通灯的信号到达时间差（Time Difference of Arrival,TDOA）车辆定位技术。该定位技术利用交通灯作为定位信号源,根据可见光信号到达接收机的时间差确定车辆的位置,并利用平面旋转方法解决了交通灯与接收机的非共面问题,从而提高了车辆的定位精度。实验结果表明,该技术计算简单、实现成本低,可以实现较高精度的实时定位,满足智能交通系统对车辆定位的要求。     

基于行人安全的交通信号灯智能控制算法研究

提出了一种基于深度确定性策略梯度(DDPG, deep deterministic policy gradient)的行人安全智能交通信号控制算法;通过对交叉口数据的实时观测,综合考虑行人安全与车辆通行效率,智能地调控交通信号周期时长,相位顺序以及相位持续时间,实现交叉路口安全高效的智能控制;同时,采用优先经验回放提高采样效率,加速了算法收敛;由于行人安全与车辆通行效率存在相互矛盾,研究中通过精确地设计强化学习的奖励函数,折中考虑行人违规引起的与车辆的冲突量和车辆通行的速度,引导交通信号灯学习路口行人的行为,学习最佳的配时方案;仿真结果表明在动态环境下,该算法在行人与车辆冲突量,车辆的平均速度、等待时间和队列长度均优于现有的固定配时方案和其他的智能配时方案。     

城市交通信号的迭代学习控制及其对路网宏观基本图的影响

针对在城市交通信号控制中存在对交通流难以精确建模的问题,首先利用交通流的重复性特点,提出了一种基于迭代学习的城市交通信号控制方法,并证明了在不确定初态下迭代学习控制算法的收敛性.其次,结合路网宏观基本图的特性分析了基于迭代学习的交通信号控制策略对路网交通态势的影响.结果表明,当迭代的初始状态在期望初态值的小范围内波动时,系统的跟踪误差仍能收敛到一个界内;通过对交通信号的迭代学习控制,路段的实际占有率能够逐步逼近期望占有率,从而使路网内的车辆密度分布更加均匀,确保交通流在更优的宏观基本图下运行,防止因车辆密度分布不均引起的通行效率下降及交通拥堵的发生.最后,通过仿真实验对所提方法的有效性进行了验证.     

基于计算机视觉高速智能车辆的道路识别

论文研究了基于计算机视觉高速智能车辆的道路识别。通过对JLUIV-4智能高速车辆系统采集的图像进行中值滤波、边缘增强、最优阈值二值化,获得良好的梯度图像。根据道路特征采用Hough变换识别出道路边界。使用感兴趣区域,减少图像处理时间和提高道路识别的可靠性。JLUIV-4的高速导航实验表明,该算法具有良好的实时性、可靠性和鲁棒性。     

面向复杂城市交通场景的一种实时车道线检测方法

车道线检测是智能交通监控及自动驾驶的基础步骤,为提高其鲁棒性和实时性,针对复杂城市交通场景中自动驾驶需要检测车道线的需求,提出了一种实时车道线检测算法,首先运用改进灰度化变换突显车道线的特征,并通过改进的Gabor滤波算法增强车道线的边缘信息;最后采用多约束霍夫变换筛选得到平行车道线从而实现实时车道线检测。实验表明,该方法在三种不同真实的交通道路场景下,提高了车道线检测精度及处理速度,可应用于实时车道线检测系统。     

基于SA-FQL算法的区域交通控制方法

将模拟退火算法的Metropolis准则用于平衡模糊Q学习中探索和扩张之间的关系,提出基于Metropolis准则的模糊Q学习算法Simulated Annealing Fuzzy Q-learning（SA-FQL）。利用SA-FQL算法优化区域的公共周期,在给定周期的基础上再用SA-FQL算法优化区域中各干线相邻两路口的相位差,最后根据交通流量确定各路口的绿信比。TSIS仿真结果表明,相比基于Q学习和模糊Q学习的控制方法,该方法能显著提高学习速度和交通效率。     

基于ε-支持向量回归理论的区域交通信号智能控制

城市交通信号控制是当前智能交通领域的研究热点之一.针对区域交通信号协同控制的实时性和准确性,提出一种基于ε-支持向量回归(SVR)非线性回归理论的智能控制方法(ICSRTS).该方法在无线传感网络结构的基础上结合已有的数据汇聚算法,并采用分簇策略将区域交通控制系统建模成一类集成信息调度与控制的离散切换系统.在离散切换系统中,不仅考虑了数据包传输的网络时延和丢包率,而且观测器利用改进的ε-SVR训练方法实现对多数据源融合的交通信号状态的在线预测并通过控制器进行总体协调控制.运用Lyapunov函数方法验证了该系统的渐近稳定性及其可调度性.仿真结果表明,ICSRTS方法相比普通模糊神经网络控制和普通ε-SVR预测算法在交叉口平均延误时间方面具有较好的性能.因此,该方法能实时、有效地对区域交通信号进行协调控制,从而减少了区域内的交通拥堵和能源消耗.