论文部分内容阅读
随着社会的高速发展,汽车数量快速增加,使得城市交通堵塞日益严重,尤其在交叉路口更为严重,造成能源浪费和环境污染,影响人们的身心健康。目前城市的交通灯多采用定时方式控制,不能根据交通状况变化自动调整交通灯的配时,使得交叉路口通行效率低,易造成交通堵塞。本文对基于机器视觉的交叉路口交通信号灯控制关键技术进行了研究,主要包括以下工作:1.研究了城市交叉路口车辆行驶的特点,提出基于连通区域的车辆排队长度检测算法。该算法利用相邻帧差法检测车辆排队队首,利用自动阈值分割法检测车道内队首后的车辆,再根据摄像机标定公式和车辆排队纵向像素距离计算排队长度。实验表明该算法能够实时检测多车道车辆排队长度,具有鲁棒性好、准确性高的优点,排队长度在120米以内时,检测误差小于8%。2.提出基于机器视觉的交叉路口车流量检测及平均车速检测算法。该算法在交叉路口停车线与人行横道线之间设置检测区域,采用高斯混合模型获取检测区域背景图像,利用背景差分法检测车辆,运用投影曲线幅值脉冲法检测车流量;再根据车辆驶入、驶出检测区域所需的帧数、摄像机帧率和检测区域的宽度计算每辆车的速度。实验结果表明,该算法车流量检测的准确率达到95%左右,测量车速能反映实际车辆速度。3.设计了基于排队长度、车流量和平均车速三个交通参数的单级型和双级型交通信号灯模糊控制系统。单级型模糊控制系统是将三个参数同时作为控制系统输入,根据控制规则确定交通灯配时,控制规则数量多。双级型模糊控制系统将车流量和平均车速作为第一级模糊控制器输入,将第一级输出的通行状态值和排队长度作为第二级的输入,控制规则数量少。仿真结果表明双级型模糊控制系统运算量小,能够有效减少停车次数和车辆平均延误时间。4.针对交通信号灯控制算法仿真时的不足,提出基于Matlab和Vissim软件的交通灯控制算法协同仿真方法。在Vissim软件下创建交叉路口模型并设定模型参数,运行该模型后获得排队长度、车流量和平均车速交通参数,并将其通过Excel表格传递给Matlab软件;在Matlab下根据获得的交通参数和所设计的模糊控制系统计算绿灯时间,并将其通过Excel回传给Vissim软件,再进行下一个周期的仿真。该方法仿真过程形象、直观,更真实的模拟实际交通运行。