中心城市在国家区域协调发展中发挥着越来越重要的作用,城市交通的管理和控制逐渐成为了制约城市建设和经济发展的主要问题之一。在城市人口不断增加,人们对交通出行方式和交通质量要求不断提高的情况下,优化城市路网结构和交通运行状况,已成为社会关注的热点。与此同时,城市公共区域监控范围的扩大、监控需求的细化、以及监控设施的不断完善,为智能交通系统的建设和平台的有效运营提供了可靠保障。先进的城市交通控制系统是提高交通通行效率的核心,而合理的交叉口信号控制设计是提高城市道路通行能力,改善路网交通状况的重要手段,也是城市现代化的重要标志。因此对城市交通控制问题的研究具有很高的应用价值。针对当前城市道路交通控制的核心需求,本文重点研究基于机器视觉的交通参数提取及其在城市交通信号控制系统中的作用及应用价值,在为城市道路交通控制提供可靠数据来源的同时,为道路交叉口交通控制的智能化发展及高效运营提供具有参考价值的研究成果。为实现这一目标,主要的研究内容包括以下三点:1.针对交通参数的获取问题,设计了一种基于视频分析的道路交叉口交通参数提取方法,该方法包括三个方面:(a)制作了一个交通目标检测数据集(Vehicle Detection Dateset,VDD),用来配合车辆目标的检测任务,制作了一个车辆计数数据集(Vehicle Counting Dateset,VCD),用来进行交通参数获取方法的评价;(b)提出了一种多目标跟踪算法;(c)设计了一种区域编码算法用于轨迹处理和交通参数的计算。通过基于VDD和VCD开展实验及结果分析,验证了所设计方法的可行性和有效性。2.针对交通目标的运动信息提取及描述问题,基于相机标定模型,充分考虑道路交叉口交通监控场景的特点提出了两种相机标定算法:(a)对于使用固定相机进行长期监控的场景,提出了一种基于虚拟网格的离线标定算法;(b)对于监控视角要求变化的交通场景,提出了一种基于车辆三维模型的在线自动标定算法。以相机标定结果为基础,针对城市交通信号控制系统对交通参数的需求,获取基于目标运动信息的准确交通参数,并针对几种交通监控场景验证了算法的有效性。3.针对实现基于机器视觉的道路交叉口交通信号控制目标,完成了三个方面的工作:(a)提出了一种基于参数优化的道路交叉口交通信号控制方法,形成了基础控制方案;(b)提出了一种基于模糊逻辑的自适应信号控制算法,在基础控制方案的前提下,实现基于交通流变化的绿灯时间调整自适应控制过程;(c)基于基础控制方案与自适应信号控制过程,完成了基于机器视觉的道路交叉口交通信号控制仿真和分析。实验结果表明:论文提出的基于视频分析的道路交叉口交通参数提取方法能够适应于复杂的交通场景,并能较为准确的提取出重要的交通参数信息,其中交通流和交通组成信息的精度可以达到90%以上。提出的道路交叉口场景下的相机标定算法及交通目标的运动信息提取方法中,两种相机标定算法可以在不同的场景下配合使用,对于图像场景的距离估算精度(91%)能够较好地满足实际交通需求,能够实现在道路交叉口场景下准确描述交通目标运动信息的目标。提出的基于机器视觉的交通信号控制策略能够克服由于交通流波动对交通信号控制带来的干扰和影响,使车辆平均延误和停车次数显著降低,在非饱和交通流的情况下能够实现接近于理想条件下的交通控制性能,在饱和交通流的情况下的交通控制性能也明显优于固定周期的信号控制策略。