随着城市化的发展,机动车数量得到了快速的增长,使得城市道路交通日趋拥挤,而拥堵现象主要发生在道路交叉口。因此,单交叉口的交通信号管理对道路交通的有效运行有着举足轻重的作用。论文结合实际的道路交通状况,将基于机器视觉的交通参数采集技术和模糊神经网络控制算法应用于交通管理系统中,形成的智能交通信息系统可以根据实时的路口交通流信息对各个方向的交通信号灯进行智能化的管理,引导车辆有效通行。论文首先对智能交通信息系统进行需求分析,根据实际的功能需求进行系统整体方案设计,对系统中的关键技术进行介绍,重点对智能交通信息系统中的交通参数采集技术和模糊神经网络算法进行研究。为了获取道路口交通参数信息,将采用OpenCV机器视觉技术对路口车辆排队长度,车流量及车速三个交通参数进行检测.:车辆排队长度检测主要是对车道图像进行车辆运动检测和存在检测确定车辆队列队尾位置,将车道停车线作为车辆排队队首位置,然后采用摄像机标定技术实现纵向像素距离到实际三维空间的转换。车流量及车速检测是通过在图像中的停车线和人行横道之间设置虚拟线圈,虚拟线圈内运用高斯混合模型建立背景,背景差分法对运动车辆进行检测,最终根据虚拟线圈内的状态来获得车流量信息以及对车辆速度进行检测。在获取准确的交通参数采集的基础上,将模糊控制算法应用于道路交叉口交通信号控制系统中。通过研究分析发现算法主观性较强,因此将在模糊控制系统基础上融入具有自学习功能的神经网络算法,形成以模糊神经网络为核心的智能交通信息系统。将采集到的交通参数作为模糊神经网络算法的输入参数,根据实际采集到的样本数据进行训练自动生成控制规则,由输入的交通参数进行模糊推理获得待通行相位的交通控制策略。为了验证算法的有效性,在不同交通流状况下对定时控制、模糊控制及模糊神经网络三种控制方法进行性能仿真,以车辆平均延误作为技术指标。通过方案设计和算法研究,最后完成系统的硬件平台搭建及软件设计。课题选用嵌入式工控机作为系统的主控制器,通过路口网络摄像头采集路口视频流,然后进行处理获取待通行相位的三个交通参数,应用模糊神经网络算法对交通参数进行处理,得到待通行相位的绿灯时长;通过LoRa无线通信模块将包含通行相位和绿灯时长的控制策略帧数据传递给交通灯控制模块;ARM处理器对传递的帧数据进行解析,最终实现对交通灯模块的亮灭以及配时的管理。论文研究的智能交通信息系统从机器视觉的多交通参数检测、交通信号灯控制策略、交通灯模块配时校验等方面进行功能测试,测试结果和实验数据表明,系统能够实现对单交叉路口的交通信号灯进行智能管理,对交通路口的信号配时进行了优化,达到了预期的研究目标。