基于视频的智能交通灯控制系统研究
| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文内容安排 | 第13-14页 |
| 第二章 交通控制理论基础 | 第14-28页 |
| ·交叉口信号灯 | 第14-16页 |
| ·交通灯信号 | 第14页 |
| ·信号灯设置的原则 | 第14-16页 |
| ·交通信号控制参数 | 第16-19页 |
| ·步与步长 | 第17页 |
| ·信号周期 | 第17页 |
| ·相位 | 第17-18页 |
| ·绿信比 | 第18-19页 |
| ·交叉口通行能力 | 第19页 |
| ·交通流的基础理论 | 第19-21页 |
| ·交通流基本参数 | 第19-20页 |
| ·三参数之间关系 | 第20-21页 |
| ·通行能力分析 | 第21-28页 |
| ·绿灯浪费时间 | 第22-23页 |
| ·权衡延误时间与队列长度 | 第23-24页 |
| ·上游路口车辆影响 | 第24-27页 |
| ·实际车流密度与通行时间测试 | 第27-28页 |
| 第三章.信号控制方案设计 | 第28-36页 |
| ·常见信号控制方法 | 第28-29页 |
| ·定时控制 | 第28-29页 |
| ·模糊控制 | 第29页 |
| ·配时算法设计 | 第29-36页 |
| ·初次配时计算 | 第29-32页 |
| ·上游交通流影响预估 | 第32页 |
| ·综合配时算法描述 | 第32-34页 |
| ·实验结果 | 第34-36页 |
| 第四章.RBF 神经网络预测上游交通流影响 | 第36-54页 |
| ·神经网络原理 | 第36-41页 |
| ·神经网络基本模型 | 第37-38页 |
| ·神经网络的学习方式 | 第38-40页 |
| ·神经网络学习规则 | 第40-41页 |
| ·常见神经网络类型 | 第41-47页 |
| ·BP 神经网络 | 第41-44页 |
| ·RBF 神经网络 | 第44-47页 |
| ·预测算法 | 第47-54页 |
| ·算法思想 | 第49-50页 |
| ·网络设计 | 第50-52页 |
| ·预测仿真及结果分析 | 第52-54页 |
| 第五章.基于图像的车队长度检测 | 第54-72页 |
| ·边缘检测基础 | 第54-56页 |
| ·Roberts 边缘检测算子 | 第54-55页 |
| ·Prewitt 边缘检测算子 | 第55页 |
| ·canny 边缘检测算子 | 第55-56页 |
| ·常用车辆排队长度检测方法 | 第56-59页 |
| ·基于伸缩窗的车队长度检测方法 | 第57-58页 |
| ·基于 canny 边缘检测的方法 | 第58-59页 |
| ·本文车辆排队长度检测算法 | 第59-72页 |
| ·车队长度检测算法描述 | 第59-62页 |
| ·实验结果与结论 | 第62-72页 |
| 总结 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |
