基于红外检测的智能交通控制系统

1.项目背景

1.1问题现状

自改革开放来，国民经济不断发展，人命的生活水平逐渐提高，汽车成了家家户户的必备品。与此同时，带来的是日益严重的交通阻塞和环境污染问题。

据环境专家评估结果显示，由于拥堵每日多排放二氧化碳1.67万吨，氮氧化物、颗粒物和二氧化硫9.5吨。每年由于交通拥堵造成的额外生态环境污染损失为45.2亿元，这还不包括目前很多尚不能量化损失，如加剧热岛效应、废弃物污染和对沿线自然生态影响等。近几年，通过扩宽道路以及建设立体化交通来增加交通的流畅性的方案也逐渐显示出疲软状态，一种新型的智能的交通疏导方案亟待被提出。各方学者通力合作，突破难关，各式各样的智能交通系统被设计出来，并在实践中获得了显著成效。

1.2设计目的

作为当代大学生，因对社会问题给予关注，利用自身学习到的知识解决实际问题才能实现自身的价值，而课程设计是大学生实践的一个良好机会。通过这次机会，针对现有问题及老师的要求，利用自己学习到的知识来解决该问题。在本文中，我需要设计一个智能交通灯系统，能根据实时的车流量来计算出合适的绿灯通行时间，尽可能减少车辆在路口的阻塞实践，提升交通的流畅性。

2项目描述和要求

本次设计的题目为《基于模糊控制的智能交通系统设计》，首先该系统的控制方法需要利用到模糊控制算法，通过模拟人的思维，来判断合适的绿灯时间。其次需要对整个系统进行设计，包括车流量的检测、交互界面的设计，显示设备设计以及设备间的通讯设计。其要求为能够减少汽车在路口的平均阻塞时间，增加道路交通流畅性，同时不影响正常的通行。

3.项目方案

3.1车流量检测方案

该设计的基础是能够对交通路口的车流量进行实时的检测，因此车流量检测是否准确对项目后期的的正确控制具有重要意义。目前用于车辆检测的方式主要有压力检测、磁感应检测，超声波检测、红外检测、雷达检测以及较为先进的视屏图像检测。其中压力检测和磁感应检测需要安装在路面下，对当前的交通路口进行改造需要破坏路面，经济成本过高。同时在检测静态车辆的过程中，效果不明显。雷达检测具有准确的特点，但涉及到的开发难度太大，不适合用于课程设计的过程中。视屏图像检测是当前较为流行的一个方向，通过深度学习和神经网络算法能够准确的判断车道内的汽车数量。但是处理的数据量太大，需要高性能的计算机来运行，不适合大规模的推广。超声波和红外检测十分的相似，他们的开发成本低，适合在单片机上运行，同时也能准确的实现车流量的检测。因此我们在本次设计中选用红外对管来实现车流量的检测。

其具体的实现方式为在道路的路口和出口处上方分别设置一排红外传感器，当汽车经过时产生一个电平的跳变并发送到单片机，单片机根据传感器的编号来确定是驶入还是驶出。根据传感器的特性（有效范围在2.5m以内），再综合考虑到汽车的高度以及马路的限高，将传感器安装在红绿灯下方的高度最为合适。由于需要计算车辆的驶入和驶出，因此我们将传感器分别安装在道路的出口处（红绿灯下方，用于计算车辆的驶出数目）、以及道路

的入口或者道路中间的合适位置，高度与出口处保持一致（由于每个道路的长度不同，我们以在规定的时速下可以到达下一路口的位置为界，设为Smax，将小于该距离的认为是有效车辆，大于的则不计入有效车辆，对于道路长度小于Smax我们将传感器安装在道路路口处，对于长度大于Smax的我们将传感器安装在略大于Smax处）

图1 超声波模块图2 红外对管

3.2控制器的选择

确定了传感器，接下来还需要选择合适的控制单元。首先根据我们我们的设计要求来获得

控制器所需要的基本功能：1、拥有两个以上定时器（控制交通信号的的周期和绿灯的时间）2、允许外部中断（汽车数量的计算需要用到中断）显然项目的要求很低，如果使用计算机来实现未免有些小题大做，并且开发的成本还会大大的提高。随着微电子市场的发展，单片机受到了热烈的欢迎，一个普通的8位单片机例如51单片机即可完全实现上述功能。但是考虑到后期建立完善的控制系统，需要进行UI界面的设计，多方式显示以及实现联网功能，51单片机就显示出它的不足。因此，我们在这里选择另一款常用的单片机作为我们的控制器即ST公司的stm32F103系列单片机。该单片机搭载的是Cortex-M3内核，是32位单片机。除了设计所需要的基本功能外，stm32还具有CAN、ADC、SPI、I2C、USB、UART等多种接口，并且具有112个普通I/O口，可以实现多种方式的显示。同时stm32F103系列单片机还支持联网功能，为设计后期扩展云平台提供了可能。

3.3控制方案设计

在设计方案之前，我们需要对交通路口的特点进行一定的了解。在这里我们只考虑独立交通灯，即该交通灯独立控制该路口的交通，不需要兼顾周围路口的交通状况。如图3，是一个最典型的十字路口，我们可以将其分为8个交通流，每两个交通流同时进行。根据交通法

规，右转车辆在遵循右转让直行的前提下，无需专门的交通灯进行导流，因此每一车道只涉及直行和左转两种。除此之外南北方西和东西方向依次轮流行驶，左转车辆在直行灯亮起时进入待转区，在直行灯结束后会亮起左转绿灯。

图3 典型十字路口图

从此处，我将叙述这个控制算法，因此需要对其中的一些变量和假设定义如下：

（1）行人经过路口的平均时间 Vpa 。

（2）行人的最大等待忍耐时间Vpsmax。

（3）四种左拐车流的车辆数分别为N1、N3、N5、N7。

android退出应用（4）四种直行车流的车辆数分别为N2、N紫外线吸收剂3294、N6、N8。

（5）当前绿灯时长T0，上一次绿灯时长为TL。

（6）假设汽车行驶时按照指定的车道行驶。

（7）假设汽车数量随着时间呈连续性变化。

当系统初始化完成后，我选择一个交通灯控制周期的结束时刻正式执行控制程序。此时南北方向车流即4和8将要开始行驶，东西方向车辆在刚刚结束的周期已经驶出了大部分车辆。我们将上一绿灯周期由东向西方向进入有效计数区域的车辆数记为Netown，由西向东方向新增加的车辆数为Nwtoen，由南向北进入有效计数区域的新增车辆数为Nstonn，由北向南进入有效计数区域的新增车辆数为Nntosn（这些车辆在遵守交通法规的情况下，应是无法顺利通过该路口的，将会成为计数区内的滞留车辆）。东西方向新增车辆数的较大值

为Newmax，南北方向新增车辆的较大值为Nsnmax，且Newmax线路模拟器= MAX（Netown ， Nwtoen），Nsnmax = MAX（ Nstonn，Nntosn）。我们将上一绿灯周期车流量的大小以及将要通行的方向与上一周期通行方向的车流量之比Dn作为模糊算法的的输入量。考虑到行人的最少通过时间以及最大忍耐时间，我们将绿灯时间划分为七个等级（I、II、III、IV、V、VI、VII）；一个周期的车流量也划分为七个档次：0 <= N < 10 为车流量很少，10<= N < 20 为车流量较少，20 <= N < 30 为车流量偏少，30 <= N < 40 为车流量正常，40 <= N < 50 为车流量偏多，50 <= N < 60 为车流量较少，60 < N

为车流量很多。车流量之比（较大比较小）分别为：1 < Dn < 1.25、1.25 < Dn <1.5、

1.5 < Dn <1.75、1.75 < Dn < 2 、2 < Dn < 2.25 、2.25 < Dn < 2.5、2.5 < Dn。

据此，我建立模糊控制库如表1和2。

数量比例	很少	较少	偏少	正常	偏多	较多	很多
1~1.25 ito粉	II	II	III	IV	IV	V	V
1.25~1.5	II	III	IV	IV	V	V	V
1.5~1.75	II	III	IV	V	V	V	VI
1.75~2	III	III	IV	V	V	VI	VI
2~2.25	III	IV	IV	V	V	新药管疗法VI	VI
2.25~2.5	III	IV	V	V	VI	VI	VI
大于2.5	III	IV	V	VI	VI	VI	VII

表1 模糊控制规则库1

其中比例为将要行驶方向两侧新增汽车数量相对较大值与上一周期行驶车道两侧汽车新增数量相对较大值的比值（当比值大于一时的情况，小于一的情况将在下方列出）。汽车数量为上一周期绿灯车道新增车辆的数目。

表2 模糊控制规则库2

数量比例	很少	较少	偏少	正常	偏多	较多	很多
0.8~1	I	I	II	III	III	IV	V
0.67~0.8	I	I	II	II	III	IV	IV
0.57~0.67	I	I	II	II	III	III	IV
0.50~0.57	I	I	II	II	II	III	IV
0.44~0.5	I	I	I	II	II	III	III
0.4~0.44	I	I	I	II	II	II	III
小于0.4	I	I	I	I	II	II	III
						调速轮

该模糊算法运用的点型隶属函数，即一个范围对应同一数据，同时属于二阶模糊。其中的控制等级越低代表绿灯时长越短，在初始阶段，我们将控制等级的对应时间设置为：RANK（I 、II 、III、 IV 、V 、VI 、VII）= RANK(20s、30s、40s、45s、50s、60s、70s)。在后续的实验中，还将进行进一步优化来获得更加合适的模糊控制规则及时间设置。

3.4程序流程图

图4 典型十字路口图

3.5硬件电路设计

本文发布于:2024-09-23 03:19:32，感谢您对本站的认可！

本文链接：https://www.17tex.com/tex/4/285217.html

上一篇：基于PLC的智能交通灯监控系统毕业设计文开题报告

下一篇：交通信号灯控制器原理(一)

标签：车辆检测需要

留言与评论（共有 0 条评论）