现代城市交通的智能控制是ITS的重要组成部分,而交叉口是决定道路通行顺畅的关键。单交叉口的实时控制是交通控制系统的基础。城市交通的智能控制实现的前提和关键是实时准确的交通流量预测。全面、准确的采集交通信息是实现交通智能化的基本保障,交通流量预测的准确性也取决于数据样本的准确性。因此,发展城市交通的智能化技术,研究城市单交叉口交通的智能控制、流量预测以及交通信息采集技术成为今后ITS的发展方向。本文对城市单交叉口交通信号的智能控制、流量预测和基于视频的图像采集技术进行了研究和探讨。首先,提出了城市智能交通的整体结构设计,即包括车流量采集、流量预测和交通信号控制几个模块;然后,对每个模块的具体设计进行了详细的介绍。车流量采集采用基于视频的图像处理技术,采用建立在YCbCr色彩空间上的背景帧差法进行图像的分割处理,采用数学形态学、图像的连通性等进行图像的去噪,并提出了计算梯度结合峰值的方法对车辆进行计数。车流量预测模块中,在分析车流量预测中存在的问题和交通流特性的基础上,建立了模糊神经网络预测模型,并提出了采用蚁群和粒子群结合的方法优化模糊神经网络参数。算法中,将蚁群和粒子群组成主从结构,其中,蚁群在全局解空间进行搜索,粒子群在局部解空间进行搜索,并将解反馈给主级。交通信号控制模块中,以多相位单交叉口的信号灯为控制对象,建立了模糊神经网络的交通信号控制模型,并采用粒子群优化模糊神经网络参数。最后,对基于DSP的交通信号控制器进行了软硬件设计。仿真结果表明,本文提出的算法有效地提高了车流量检测和流量预测的精度及控制的效率。