臺灣博碩士論文加值系統

本論文主要研究智慧行運輸系統(Intelligent Transportation systems, ITS)發展之核心-先進交通管理系統（Advance Traffic Management Systems, ATMS），目標是將即時路況影像、交通資訊收集與適應性交通號誌控制整合於嵌入式系統上。除了提供路口即時MPEG4影像外，將攝影機偵測的交通資訊應用於路口的適應性交通號誌管理上，可根據當時車況動態調整時相長度，減少路口壅塞情況發生。
本研究是以具有客製化,低成本等優點的嵌入式系統為基礎。有鑑於目前用影像處理偵測車輛的演算法中，大都因計算複雜度高，並不適用於本研究平台，因而，提出適用於本系統的交通資訊收集方法，即利用在紅燈週期內攝影機所拍攝的即時影像，計算車道內佔線率來估測車輛數目;由於實際路口亮度會隨時間改變，因此，設計了光源偵測模組來解決此一問題。在適應性交通號誌控制方面，設計了以路口的等待車輛差異度以及前一次燈號長度為輸入的模糊推論系統(fuzzy interference system, FIS)，根據此模糊推論結果，交通號誌控制將更符合當下的車況。本論文所提出的影像演算法，將在實際道路影像與室內模擬環境上測試，而整體系統於室內模擬環境下測試，由實驗結果證明此系統是有效用的。

The objective of this thesis is to develop advance traffic management systems. The ATMS integrates real road video, the information of traffic, and the adaptively traffic signal controller into an embedded system. Besides providing the real time MPEG4 video of the intersection, it applies the detected information from camera to adaptive traffic signal controller in intersection that dynamically adjusts cycle length of traffic signal, and then traffic clogged can be reduced. This research based on embedded systems which have the advantages of custom and low cost, but most of the researches of using image processing for detecting vehicles are not suit for the platform of this thesis because of the highly computational complexity. Therefore, methods of gathered traffic information suitable for our system are proposed. The umber of vehicles can be estimated by calculating the ratio of occupied lines in the traffic lane by the real time image captured from camera during red phase. Brightness changes when the time alters; therefore, a light sense module is designed to solve this problem. Besides, in the adaptive traffic signal control system, a fuzzy interference system is designed which has two inputs, waiting vehicles in the intersection and the length of last traffic signal. According to the result, the strategy of traffic signal control is more conformed to the situation of traffic. The image processing algorithm has been tested in real road traffic and in the simulated situation as well. Experimental results demonstrate the effectiveness of the proposed system.

中文摘要 II
英文摘要 III
致謝 IV
目錄 V
圖目錄 VII
表目錄 VIII
第一章、 緒論 1
第1.1節、 研究背景與動機 1
第1.2節、 系統架構 3
第1.3節、 論文架構 4
第二章、 研究方法 5
第2.1節、 系統分析與設計 5
第2.1.1節、 系統需求分析 5
第2.1.2節、 系統設計分析 6
第2.1.3節、 系統設計驗證 10
第2.2節、 影像處理技術 11
第2.2.1節、 影像相減法 11
第2.2.2節、 影像二值化 12
第2.2.3節、 形態學 12
第2.3節、 模糊系統 13
第2.3.1節、 模糊化機構 15
第2.3.2節、 模糊規則庫 16
第2.3.3節、 模糊推論引擎 16
第2.3.4節、 解模糊化機制 17
第三章、 車輛偵測演算法與模糊推論系統 18
第3.1節、 車輛偵測演算法 18
第3.1.1節、 初始處理 19
第3.1.2節、 背景相減法 20
第3.1.3節、 影像前置處理 21
第3.1.4節、 車輛偵測 22
第3.2節、 模糊推論系統 26
第3.2.1節、 模糊推論統設計 27
第四章、 系統設計與實現 32
第4.1節、 系統硬體架構 32
第4.1.1節、 網路攝影機 32
第4.1.2節、 光源偵測模組 34
第4.1.2.1節、 光感測器 36
第4.1.2.2節、 放大電路 36
第4.1.2.3節、 單晶片PIC16F877 37
第4.1.2.4節、 HIN232訊號轉換晶片 38
第4.2節、 系統軟體架構 39
第4.2.1節、 網路攝影機 39
第4.2.1.1節、 相關技術概述 39
第4.2.1.2節、 系統軟體架構 40
第4.2.1.3節、 影像擷取與處理 42
第4.2.2節、 光源偵測模組 44
第4.2.3節、 系統整合軟體架構 45
第五章、 實驗結果與分析 48
第5.1節、 模糊推論系統實驗 48
第5.1.1節、 實驗機制 48
第5.1.2節、 實驗結果與分析 49
第5.2節、 車輛偵測演算法實驗 52
第5.2.1節、 模擬環境的實驗 52
第5.2.1.1節、 硬體環境 52
第5.2.1.2節、 車輛偵測實驗 54
第5.2.2節、 實際道路實驗 56
第5.2.3節、 實驗結果與分析 58
第六章、 結論與未來研究方向 60
第6.1節、 結論 60
第6.2節、 未來研究方向 61
參考文獻 62

[1]中華智慧型運輸系統, http://www.its-taiwan.org.tw/
[2]智慧型交控計劃書, 交通部 94年
[3]台北市交通監控系統工程-88年3月規劃報告
[4]C. R. Giardina and E. R. Dougherty, “Morphological Methods in Image and Signal Processing,” Prentice Hall, New Jersey, 1988.
[5]D. Gao, and J. Zhou, “Adaptive background estimation for real-time traffic monitoring,”, Proc. of IEEE conf. on Intelligent Transportation Systems, pp. 330-333, August 2001.
[6]D. Beymer, P. McLauchlan, B. Coifman and J. Malik, “A Real-time Computer Vision System for Vehicle Tracking and Traffic surveillance,” Transportation Research Part C : Emerging Technologies, Vlo.6, Issue:4, pp. 271-288,Augst 1998.
[7]R. C. Gonzalez and R. E. Woods, Digital Image Processing, 2nd Ed., Prentice Hall, 2002.
[8]L. A. Zadeh, “Fuzzy sets,” Information and Control 8, pp. 338-353, 1965.
[9]E.H.Mamdani, “Application of fuzzy logic to approximate reasoning using linguistic synthesis”, IEEE Trans. Computers, Vol.C-26, 1977.
[10]A Kaufmann, Introduction to the Theory of Fuzzy Subsets, New York : Academic Press, 1975.
[11]M.Mizumoto, “Fuzzy set and their operations,” Int. Control, Vol. 48, pp 30-48, 1981.
[12]Jyh-Shing Roger Jang, Chuen-Tsai Sun, Eiji Mizutani, Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence, Prentice Hall, 1996.
[13]C.Pappis and E.Mamdani, “A fuzzy logic controller for a traffic junction,”IEEE Trans. Systems, Man,Cybern.,vol.7,pp.707-717,1977.
[14]J. Favilla , A. Machion, F Gomide, “ Fuzzy Traffic Control: Adaptive Strategies,” Second IEEE International Conference on Fuzzy Systems II, pp. 506-511,1993.
[15]Hoyer R, Jumar U., “Fuzzy Control of Traffic Lights,” IEEE International Conference on Fuzzy Systems,pp. 1526- 1531, 1994.
[16]蘇木春, 張孝德，機器學習 :類神經網路、模糊系統以及基因演算法則，全華科技，1995年
[17]uClinux官方網站, http://www.uclinux.org/
[18]Photo diode data sheet, http://jp.hamamatsu.com/en/index.html
[19]HIN232 data sheet, http://www.intersil.com/data/fn/fn3138.pdf
[20]Micro-Link ML-M0206 data sheet
[21]SAA7113H data sheet, http://www.nxp.com/
[22]LM324 data sheet, http://www.national.com/mpf/LM/LM324.html
[23]吳德銘譯, Linux 程式設計教學手冊, 碁峯資訊股份有限公司, 2000。
[24]林長毅, Linux 驅動程式3/e, 歐萊禮出版社, 2006