-融合多传感器的智慧交通流量监测系统

融合多传感器的智慧交通流量监测系统摘要随着我国城市化进程的持续推进，城市机动车保有量快速攀升，城市路口交通拥堵、通行效率低下等问题日益突出，传统固定配时的交通信号灯系统已无法适配动态变化的交通流量需求。同时，现有交通监测系统普遍存在单一传感器检测误差大、云端计算传输延迟高、部署成本高、场景适配性差等短板。本文设计了一套基于多传感器融合的智慧交通流量监测系统，以STM32F103C8T6微控制器为核心，构建主从机分布式检测架构，集成红外避障传感器、霍尔传感器、超声波传感器与地磁传感器，通过投票式决策融合算法实现车流量的精准检测。系统依托ZigBee模块完成多节点无线组网，借助ESP8266WiFi模块实现边缘端与云端的数据交互，在本地边缘节点完成信号灯动态配时优化，同时支持特殊车辆优先通行调度、云端数据存储与历史趋势分析功能。实际测试表明，系统车流量检测准确率达到96%，端到端数据传输延迟低于400ms，信号灯动态配时可使路口通行效率提升18%，连续72小时稳定运行无故障。研究成果为城市路口交通智能化升级提供了一套低成本、高可靠、易部署的技术方案，对推动智慧交通精细化管理具有重要的参考价值。关键词智慧交通；流量监测；多传感器融合；STM32F103AbstractWiththecontinuousadvancementofurbanizationinChina,thenumberofmotorvehiclesincitieshasincreasedrapidly,andproblemssuchastrafficcongestionandlowtrafficefficiencyaturbanintersectionshavebecomeincreasinglyprominent.Thetraditionaltrafficsignalsystemwithfixedtimingcannolongermeetthedynamicallychangingtrafficflowdemand.Atthesametime,theexistingtrafficmonitoringsystemsgenerallyhaveshortcomingssuchaslargedetectionerrorofsinglesensor,hightransmissiondelayofcloudcomputing,highdeploymentcostandpoorsceneadaptability.Thispaperdesignsanintelligenttrafficflowmonitoringsystembasedonedgecomputingandmulti-sensorfusion.TakingSTM32F103C8T6microcontrollerasthecore,itconstructsadistributeddetectionarchitectureofmaster-slavemachines,integratesinfraredobstacleavoidancesensor,Hallsensor,ultrasonicsensorandgeomagneticsensor,andrealizesaccuratedetectionoftrafficflowthroughvotingdecisionfusionalgorithm.ThesystemreliesonZigBeemoduletocompletemulti-nodewirelessnetworking,realizesdatainteractionbetweenedgeendandcloudwiththehelpofESP8266WiFimodule,completesdynamictimingoptimizationofsignallightsatlocaledgenodes,andsupportsspecialvehicleprioritytrafficscheduling,clouddatastorageandhistoricaltrendanalysisfunctions.Theactualtestshowsthattheaccuracyofvehicleflowdetectionofthesystemreaches96%,theend-to-enddatatransmissiondelayislessthan400ms,thedynamictimingofsignallightscanincreasethetrafficefficiencyofintersectionsby18%,anditrunsstablyfor72hourswithoutfailure.Theresearchresultsprovidealow-cost,high-reliabilityandeasy-to-deploytechnicalschemefortheintelligentupgradingofurbanintersectiontraffic,andhaveimportantreferencevalueforpromotingtherefinedmanagementofintelligenttransportation.KeywordsIntelligentTransportation;FlowMonitoring;Multi-sensorFusion;EdgeComputing;STM32F103目录TOC\o"1-3"\h\z\u176751绪论 1155791.1研究背景与意义 1100041.2国内外研究现状 149631.3研究主要内容 2117021.4论文组织结构 2246811.5本章小结 394672功能与设计方案 4236082.1系统功能要求 458502.2系统设计方案 4144222.3器件方案对比 5185392.3.1单片机的选择 5165122.3.2传感器的选型 534402.3.3通信模块的选型 6154922.4本章小结 634033系统的硬件设计 7250533.1STM32F103C8T6主控最小系统 7114303.2E18-D80NK红外避障传感器 7233563.33144E霍尔传感器 8105813.4HC-SR04超声波测距模块 9239163.5DHT11温湿度传感器 1087553.6MQ-135有害气体传感器 10154033.7水位传感器 11212633.8ZigBee无线组网通信模块 12181573.9ESP8266边缘-云端通信模块 13196873.10交通信号灯驱动模块 13134823.11TFT显示模块 14299483.12电源与抗干扰保护模块 15243563.13本章小结 16106304系统的软件设计 17208034.1软件开发环境与整体架构 1784674.2软件程序的设计 1824304.2.1主程序流程设计 184704.2.2按键子程序流程图 1962564.2.3显示子程序流程图 20226404.3本章小结 21176565系统的测试 2245995.1硬件单元测试 22273015.2软件测试 22315625.3实物集成与功能测试 23113255.3.1车流量检测功能测试 2361315.3.2多传感器融合准确率测试 2391055.3.3信号灯动态配时功能测试 24299895.4本章小结 2416654结论 26406参考文献 2724738谢辞 2931048附录A 301767附录B 311绪论1.1研究背景与意义城市交通是现代城市运转的核心动脉，直接关系到市民出行效率、城市经济活力与社会运行秩序。近年来，我国城镇化率持续提升，城市机动车保有量年均增速保持在6%以上，大中型城市早晚高峰时段路口拥堵已成为常态，而传统交通信号灯普遍采用固定时段、固定配时的控制模式，无法根据路口各方向实时车流量动态调整通行时长，常常出现“空等绿灯”与“拥堵红灯”并存的现象，造成严重的道路资源浪费，也加剧了尾气排放与噪声污染。与此同时，现有智慧交通监测方案多存在明显短板：基于视觉的检测方案成本高、受雨雾天气与光照影响大；单一地磁或红外传感器方案误检、漏检率高；纯云端计算的控制方案存在数据传输延迟，无法满足实时配时的需求。在此背景下，本研究设计一套多传感器融合的智慧交通流量监测系统，实现车流量的精准监测与信号灯的动态配时，既能以低成本完成现有路口的智能化改造，又能有效提升路口通行效率，同时为城市交通管理部门提供精准的流量数据支撑，对推动智慧交通的精细化、普惠化发展具有重要的现实意义。1.2国内外研究现状国外智能交通领域的技术起步较早，欧美、日本等发达国家已形成较为成熟的技术体系与应用方案。美国思科与西门子联合推出的智能交通管控系统，集成了雷达检测能力，可实现路口车流量的实时监测与信号协同控制；日本国土交通省推广的智能交通系统，全面普及了地磁与车辆射频识别技术，实现了全域路网的流量协同调度；德国DHL与宝马联合研发的车路协同系统，可实现特殊车辆的优先通行信号联动，大幅提升应急车辆的通行效率。国内智能交通行业虽起步较晚，但发展势头迅猛，头部科技企业与高校科研机构均取得了丰富的研究成果。海康威视、大华股份推出了基于机器视觉的交通流量监测产品，已在国内多个城市落地应用；阿里云与百度智能云打造了城市交通大脑，可实现全域路网的流量分析与信号协同优化；北京交通大学、长安大学等高校在多传感器融合车流量检测等领域取得了多项理论突破。但整体来看，国内现有方案仍存在成本高、改造难度大、中小城市适配性差的问题，面向普通路口的低成本、高可靠、易部署的监测方案仍存在较大的市场空白。1.3研究主要内容本研究设计并实现了一套完整的多传感器融合的智慧交通流量监测系统，完成了从硬件设计、软件开发到系统集成测试的全流程研发工作。系统采用主从机分布式架构，在路口四个方向分别部署从机检测节点，通过多传感器组合完成车流量数据的多维度采集；主机作为核心，通过投票式决策融合算法对多源数据进行处理，实现车流量的精准统计；基于实时车流量数据，在本地边缘节点完成信号灯配时的动态优化，无需依赖云端计算，大幅降低系统响应延迟。系统通过ZigBee无线模块完成主从机之间的组网通信，解决了路口大范围布线的难题；通过ESP8266WiFi模块实现边缘节点与阿里云平台的双向数据交互，完成流量数据的云端存储、历史趋势分析与远程指令接收；同时预留了特殊车辆优先通行接口，可通过云端或本地手动触发优先通行指令，保障应急车辆的快速通行。研究过程中重点解决了多传感器数据融合容错、边缘端低延迟决策、户外复杂环境下系统稳定运行三大核心问题，最终完成实物系统的搭建与性能验证。1.4论文组织结构本论文共分为五个核心章节：第一章为绪论，阐述了本课题的研究背景与现实意义，梳理了智慧交通流量监测领域的国内外研究现状，明确了本研究的核心内容与技术路线，同时介绍了论文的整体组织结构。第二章为系统功能需求与总体设计方案，明确了系统的功能性与非功能性需求，完成了核心器件的方案对比与选型，为后续软硬件设计奠定了基础。第三章为系统硬件设计，详细阐述了系统各硬件模块的电路设计与接口适配，包括主控最小系统、多传感器检测单元、无线通信模块、信号灯驱动模块、电源与抗干扰模块，完成了完整的硬件系统搭建。第四章为系统软件设计，介绍了系统的软件开发环境与整体软件架构，设计了主程序与各核心子程序的执行流程，完成了系统全功能的软件实现。第五章为系统测试与结果分析，搭建了测试环境，完成了硬件单元测试、软件功能测试与实物集成功能测试，对系统的核心性能指标进行了全面验证，分析了测试结果，验证了系统设计的合理性与可行性。1.5本章小结本章围绕智慧交通流量监测的行业痛点，明确了本课题的研究背景与现实意义，梳理了国内外相关领域的研究进展与现有方案的不足，详细介绍了本研究的核心内容与技术路线，同时对论文的整体组织结构与各章节核心内容进行了说明。本章内容明确了课题的研究方向与核心目标，为后续章节的方案设计、软硬件实现与系统测试提供了整体框架与理论支撑。2功能与设计方案2.1系统功能要求部署雷达传感器/地磁传感器/红外传感器/声音传感器实现对于东西南北两侧车流量的检测，根据传感器的数据。结合多个节点的数据，实现对于车流量的统计，是西安对于信号灯时间长的优化。通过云存储技术实现数据传输和数据存储，可以查看历史记录和相关趋势分析。车流量统计准确率不低于95%，信号灯优化使通行效率提升15%。系统延迟不超过500ms。支持特殊车辆优先通行调度。2.2系统设计方案为满足系统的功能需求,本设计搭建了“感知层-本地计算层-网络层-云端应用层”的四层总体架构,感知层为系统的数据源入口,由部署在路口四个方向的从机检测节点组成,每个节点集成红外避障､霍尔､超声波､地磁四类传感器,负责采集车辆通行的多维度原始数据,完成初步的信号预处理后,通过无线网络上传至本地计算层｡本地计算层是系统的核心决策中枢,由主机STM32主控单元构成,负责接收感知层上传的多源数据,通过决策融合算法完成车流量的精准统计,基于实时流量数据在本地完成信号灯配时的动态优化,直接输出控制指令驱动信号灯动作,同时负责数据的打包上传与远程指令的接收解析,所有实时决策均在本地完成,无需依赖云端计算,保障了系统的低延迟响应｡网络层是系统的数据传输通道,分为两级通信架构:第一级通过ZigBee无线模块搭建星型组网,实现感知层从机节点与本地计算层主机的近距离､低功耗数据传输;第二级通过ESP8266WiFi模块接入公共网络,基于MQTT物联网协议实现本地计算层与云端应用层的双向数据交互｡云端应用层是系统的远程管理中枢,由阿里云物联网平台与移动终端APP组成,负责接收本地端上传的流量数据与设备状态,完成历史数据存储､趋势分析与异常报警,同时支持远程下发信号灯控制指令､配时参数调整与特殊车辆优先通行指令,实现设备的远程运维与管理｡图2.1系统工作框图2.3器件方案对比2.3.1单片机的选择方案一STC89C52STC89C52基于8051架构，成本低、开发资料丰富，但其为8位处理器，最高主频仅12MHz，运算能力有限，无法满足多传感器数据融合的算力需求，外设接口数量也无法满足多模块对接需求；方案二STM32F103C8T6STM32F103C8T6基于ARMCortex-M332位内核，主频72MHz，具备充足的运算能力支撑融合算法的需求，内置丰富的USART、SPI、ADC、GPIO外设接口，可满足所有模块的对接需求，同时开发生态完善，具备优异的性价比，最终确定选用该方案。2.3.2传感器的选型方案一单目视觉传感器单目视觉传感器可实现车流量与车型的多维度检测，但成本高、算法复杂度高，受光照、天气影响大，户外场景稳定性不足；方案二红外、霍尔、超声波、地磁多传感器组合红外、霍尔、超声波、地磁四类传感器优势互补，可实现多维度车辆检测，通过融合算法可大幅提升检测准确率，同时成本低、功耗低、环境适应性强，户外场景稳定性优异，完全满足路口车流量检测需求，最终确定选用该方案。2.3.3通信模块的选型方案一蓝牙，蓝牙虽然成本低、功耗低，但其通信距离仅10米，无法满足路口多节点组网需求，且不支持互联网接入，无法实现云端数据交互；方案二ZigBee+ESP8266组合，ZigBee模块支持星型组网，通信距离覆盖整个路口，可实现多节点稳定数据传输，ESP8266模块可快速接入互联网，支持MQTT协议，完美适配边缘端与云端的双向交互需求，最终确定选用该方案。2.4本章小结本章明确了系统的功能性与非功能性需求，搭建了分层化的系统总体架构，完成了核心器件的多方案对比与选型。需求分析覆盖了路口实际应用场景的全维度要求，总体架构采用模块化设计，具备良好的扩展性与稳定性，器件选型兼顾了性能、成本与环境适应性，完全契合系统的设计目标。本章内容为后续的硬件电路设计与软件开发提供了明确的设计依据与实现方向。3系统的硬件设计3.1STM32F103C8T6主控最小系统本系统的主控最小系统是整个本地计算节点的核心载体,承担着多源数据汇总､融合算法运算､配时逻辑决策､外设调度控制与通信链路管理的全流程任务,所有本地计算能力均依托该单元实现｡系统选用STM32F103C8T6微控制器搭建最小系统,基于ARMCortex-M3内核架构,72MHz主频可满足多传感器数据并行处理与实时决策的算力需求,内置64KBFlash与20KBSRAM可支撑系统程序存储与运行时数据缓存｡最小系统设计涵盖电源､时钟､复位与下载四大核心电路,电源电路通过XC6206稳压芯片将5V输入转换为3.3V稳定输出,搭配滤波电容抑制电源纹波;时钟电路采用8MHz主晶振搭配32.768kHz低频晶振,保障系统时序精准;复位电路集成手动复位与上电复位双重机制,搭配BOOT启动配置电路满足程序下载与调试需求｡系统通过GPIO､USARTSPI､ADC等外设接口完成与所有功能模块的硬件对接,实现外设资源的合理分配与高效调用｡图3.1STM32F103C8T6主控最小系统3.2E18-D80NK红外避障传感器红外避障传感器是车流量检测的基础感知单元，核心作用是通过红外光束的遮挡效应，快速完成车辆有无的触发式判断，为车流量统计提供最直接的边沿触发信号。该传感器采用调制式红外发射与接收架构，自带光学滤镜，可有效抑制环境自然光的干扰，户外路口场景下的有效检测距离可达3-80cm，完全适配车道车辆检测的距离需求。硬件电路设计中，传感器采用5V直流供电，VCC与GND引脚直接接入系统电源总线，保障供电稳定性；当车辆通过检测区域遮挡红外光束时，传感器输出引脚电平由高转低，主控通过捕捉电平跳变沿即可完成车辆通行事件的标记。电路中预留了灵敏度调节电位器焊盘，可根据路口车道宽度现场调整检测阈值，同时在信号引脚串联100Ω限流电阻，抑制线路浪涌对主控IO口的冲击。图3.2E18-D80NK红外避障传感器3.33144E霍尔传感器霍尔传感器基于霍尔效应实现车辆检测，核心作用是捕捉车辆金属车身通过时的磁场扰动，与红外传感器形成检测原理上的互补，解决红外传感器被非金属杂物遮挡导致的误触发问题，进一步提升车流量检测的可靠性。本设计选用3144E开关型霍尔传感器，内置锁存电路与温度补偿电路，工作温度范围覆盖-40℃~85℃，完全适配户外路口的宽温工作环境。硬件电路设计中，传感器采用5V单电源供电，VCC引脚接入系统5V电源总线，GND引脚与系统地共地，保障电位基准统一；OUT信号输出引脚接入STM32主控的PA5通用IO口，配置为上拉输入模式，当车辆金属部件进入检测区域时，传感器内部霍尔元件触发电平翻转，输出低电平信号，主控通过电平变化完成车辆通行事件的二次确认。电路设计中在电源引脚并联100nF去耦电容，抑制电源噪声对传感器内部放大电路的干扰，同时优化PCB布局，将传感器检测面朝向车道来车方向，最大化检测灵敏度。图3.33144E霍尔传感器电路设计3.4HC-SR04超声波测距模块超声波测距模块是车流量检测的核心补充单元，不仅能实现车辆有无的判断，还可精准检测车辆与检测点的距离、路口排队车辆长度，为信号灯动态配时提供更丰富的流量维度数据，解决前两类传感器仅能判断有无、无法量化拥堵程度的短板。该模块基于声波回声测距原理工作，通过发射40kHz超声波脉冲，捕捉障碍物反射的回波信号，计算脉冲发射与接收的时间差得出距离值，系统设计中有效检测范围为2cm-4m，测距精度可达3mm，完全满足路口车道的检测需求。硬件电路设计中，模块采用5V电源供电，VCC与GND引脚接入系统电源与地网络；Trig触发引脚接入STM32主控的PB0引脚，由主控输出10μs的高电平脉冲触发超声波发射；Echo回波接收引脚接入主控的PB1引脚，通过定时器输入捕获模式捕捉回波脉冲的宽度，完成距离值的换算。电路设计中在信号引脚串联限流电阻，同时在模块电源端并联滤波电容，抑制电机与射频模块带来的电磁干扰，保障测距数据的稳定性。图3.4HC-SR04超声波测距模块3.5DHT11温湿度传感器温湿度传感器是路口环境监测的核心单元，核心作用是采集路口环境的温度与相对湿度数据，为雨雾、高温等特殊天气下的交通管控策略调整提供环境数据支撑，同时可辅助修正其他传感器的环境漂移误差。本设计选用DHT11数字温湿度传感器，内置校准系数，可直接输出数字量温湿度数据，温度测量范围0℃~50℃，精度±2℃，相对湿度测量范围20%~90%RH，精度±5%RH，完全满足路口环境监测的精度需求。硬件电路设计中，传感器采用3.3V单电源供电，VCC与GND引脚分别接入系统3.3V电源与地网络；DATA双向串行数据引脚接入STM32主控的PA7引脚，配置为开漏输出模式，引脚外接4.7KΩ上拉电阻，保障总线空闲时的电平稳定，主控通过单总线协议与传感器完成通信，读取校准后的温湿度数字量数据。电路设计中缩短了单总线的走线长度，减少外界电磁干扰对数据传输的影响，保障数据读取的准确率。图3.5DHT11温湿度传感器3.6MQ-135有害气体传感器有害气体传感器是路口环境监测的重要单元，核心作用是采集路口机动车尾气中的一氧化碳、氮氧化物、碳氢化合物等有害气体浓度，为城市大气环境监测与交通拥堵管控提供数据参考，当有害气体浓度超标时，可联动信号灯配时优化路口车流疏导，减少尾气聚集。本设计选用MQ-135气敏传感器，对机动车尾气中的有害气体具有高灵敏度，检测范围覆盖10ppm~1000ppm，适配路口尾气检测的浓度范围。硬件电路设计中，传感器采用5V电源供电，加热极与检测极均接入5V电源总线，保障传感器加热极的正常工作温度；传感器模拟量输出引脚接入STM32主控的PA1引脚，通过主控内置12位ADC模数转换器，将传感器输出的模拟电压信号转换为数字量，完成有害气体浓度的换算。电路设计中在模拟输出端并联RC滤波电路，滤除电源纹波与环境电磁干扰带来的信号噪声，同时预留了数字量输出阈值调节电位器，可实现有害气体超标时的开关量报警输出。图3.6MQ-135有害气体传感器3.7水位传感器水位传感器是路口特殊场景监测的补充单元，核心作用是检测路口低洼区域的积水深度，当路面积水超过安全阈值时，系统可联动信号灯调整通行策略，同时向交通管理部门推送积水预警信息，避免车辆涉水通行引发安全事故。本设计选用电阻式水位传感器，通过电极之间的水阻变化检测积水深度，检测范围0~40mm，可精准识别路口轻度积水与严重积水的状态。硬件电路设计中，传感器采用3.3V电源供电，VCC与GND引脚接入系统3.3V电源与地网络；模拟量信号输出引脚接入STM32主控的PA0引脚，通过主控内置ADC采集输出电压信号，根据电压与积水深度的对应关系，完成积水深度的换算。电路设计中在信号输入端加入滤波电容，抑制环境中的工频干扰，同时对传感器电极做防氧化处理，延长户外环境下的使用寿命。图3.7MQ-135有害气体传感器3.8ZigBee无线组网通信模块ZigBee模块是连接路口多方向从机检测节点与主机单元的核心桥梁，承担着感知层多节点数据向边缘端汇聚传输的核心任务，解决了路口大范围部署时有线布线难度大、改造成本高的痛点。本设计选用CC2530ZigBee模块搭建星型无线组网架构，以主机端模块为协调器，四个方向从机端模块为终端节点，实现一对多的稳定数据传输。硬件连接上，CC2530模块通过USART串口与主从机的STM32控制器完成对接，TXD与RXD引脚交叉连接，同时完成电平匹配与共地处理，避免串口通信出现电平偏移导致的数据丢包；模块VCC引脚接入5V稳压电源，搭配滤波电容降低电源噪声对射频信号的干扰，EN引脚接高电平保持模块持续工作状态。硬件设计中优化了模块天线的安装位置，避开金属元器件的信号遮挡，同时在软件层面预留了节点地址配置与信道切换功能，可根据路口实际环境调整通信参数，保障多节点数据传输的实时性与完整性。图3.8ZigBee无线组网通信模块3.9ESP8266边缘-云端通信模块ESP8266模块是实现系统本地节点与云端平台双向交互的核心通道，既要完成本地交通流量数据、设备运行状态的云端上传，也要接收云平台与移动终端下发的远程控制指令，是系统实现物联网化管理的关键载体。本设计选用ESP8266-12F型号模块，内置完整的TCP/IP协议栈，支持802.11b/g/n无线标准，可快速接入现场WiFi网络，适配MQTT物联网通信协议，满足边缘端与阿里云平台的稳定对接需求。硬件连接上，模块通过USART串口与主机STM32控制器建立通信链路，TXD与RXD引脚完成交叉对接，同时预留硬件复位引脚，可由主控单元实现模块异常时的硬复位重启；模块采用5V电源供电，在电源输入端串联磁珠抑制高频噪声，搭配大容量滤波电容保障供电稳定，天线部分采用板载PCB天线，减少外接天线的部署复杂度。硬件设计中加入了电源隔离处理，避免模块射频工作时对主控单元的信号干扰，同时为模块预留了独立的工作状态指示灯，可直观判断模块联网与数据传输状态。图3.9ESP8266边缘-云端通信模块3.10交通信号灯驱动模块本模块是系统执行交通管控指令的核心执行单元，直接响应本地单元输出的动态配时决策，实现路口四方向红、黄、绿三色信号灯的独立、精准控制，是系统交通管控能力的最终落地载体。硬件设计采用GPIO直驱式架构，以小功率LED灯组模拟路口实际大功率交通信号灯，完整还原交通灯的亮灭控制逻辑与时序要求，后期可通过ULN2003达林顿管驱动芯片扩展大功率负载驱动能力，直接驱动路口实际交通信号灯。电路设计中，将路口东西南北四个方向分为四组独立的信号灯单元，每组单元包含红、黄、绿三个信号灯，每个信号灯正极串联1K限流电阻后接入STM32主控的对应GPIO引脚，负极统一接入系统地网络，形成完整的控制回路。其中第一方向信号灯组接入PB3、PB4、PB5引脚，第二方向接入PB6、PB7、PB8引脚，第三方向接入PB3、PB4、PB5引脚，第四方向接入PB6、PB7、PB8引脚，主控通过配置GPIO引脚的输出电平，即可实现对应信号灯的亮灭控制。电路设计中串联的限流电阻可精准限制LED工作电流，避免电流过大烧毁器件与主控IO口，同时优化PCB走线，将信号灯驱动回路与传感器信号回路分开布线，减少驱动回路的电磁干扰对信号采集的影响。图3.10交通信号灯驱动模块3.11TFT显示模块TFT显示单元是系统状态可视化输出的核心载体，负责实时展示路口全维度运行数据，为现场运维提供直观的状态反馈，避免运维过程中对系统运行状态的误判。本单元选用1.44寸TFT彩色液晶显示屏，内置ST7735驱动芯片，分辨率128×128像素，支持65536色全彩显示，可清晰呈现文字、数字与状态标识，完全适配户外路口现场的可视需求。硬件电路设计中，显示屏采用3.3V低电压供电，VCC与GND引脚接入主控最小系统的3.3V稳压电源，并联100nF去耦电容抑制电源噪声对显示驱动的干扰；采用SPI串行总线与主控完成通信，SCL时钟引脚、SDA数据引脚、RES复位引脚、DC数据/命令选择引脚、CS片选引脚分别接入STM32主控的对应通用IO口，通过高速串行通信实现显示内容的快速刷新。电路设计中优化了SPI总线的走线长度，减少高频通信的信号衰减与电磁干扰，保障显示画面的流畅性与稳定性，可同时展示路口四方向车流量、信号灯倒计时、设备运行状态、环境监测参数等核心信息。图3.11交通信号灯驱动模块3.12电源与抗干扰保护模块电源与抗干扰保护模块是系统在户外路口复杂环境下长期稳定运行的核心保障，针对城市路口户外环境中电压波动大、电磁干扰强、温湿度变化范围广的特点，完成了宽电压输入、多级稳压、全链路保护与抗干扰设计。系统电源输入支持9-24V宽电压适配，可兼容路口现有的交通设备供电系统，无需单独铺设专用供电线路；输入级设计了防反接、过流、过压与浪涌保护电路，串联自恢复保险丝与压敏电阻，可有效应对供电线路中的电压尖峰与短路风险。电源转换采用两级稳压架构，先通过LM2596降压芯片将输入电压降至5V，为传感器、驱动模块与通信模块供电，再通过XC6206线性稳压芯片将5V降至3.3V，为主控最小系统与显示屏供电，两级稳压之间加入磁珠与滤波电容，实现数字电源与模拟电源的隔离，减少不同模块之间的电源串扰。硬件设计中，所有信号输入输出线路均加入光电隔离电路，避免外部线路的干扰信号串入主控单元，同时在PCB布局中优化了地线走向，采用大面积铺地设计提升系统的电磁兼容性能，保障系统在户外复杂环境下的长期稳定运行。图3.12电源与抗干扰保护模块3.13本章小结本章详细阐述了智慧交通流量监测系统的全流程硬件设计架构，以STM32F103C8T6主控最小系统为核心，完成了各模块的电路原理设计、引脚接口适配与性能优化。其中多传感器检测单元按检测功能拆分独立电路设计，实现了车流量多维度检测与环境状态监测的全覆盖；各功能模块通过标准化接口完成硬件对接，形成了“感知-计算-传输-执行-交互”的完整硬件闭环。同时针对户外路口的实际应用场景，重点优化了系统的抗干扰能力、环境适应性与运行可靠性，保障了硬件系统的稳定性与可扩展性，为后续软件程序的开发与系统功能实现奠定了坚实的硬件基础。4系统的软件设计4.1软件开发环境与整体架构本系统的软件开发基于Keil5MDK集成开发环境完成，该环境专为ARMCortex-M系列微控制器定制，集成了代码编辑、编译链接、下载调试与项目管理全流程功能，内置ARMC/C++编译器，可生成高效紧凑的运行代码，同时支持STM32HAL库与CMSIS标准，大幅简化了底层驱动的开发流程，提升了代码的可移植性与可维护性。系统外设初始化配置通过STM32CubeMX工具完成，可快速实现时钟、GPIO、定时器、串口、ADC等外设的图形化配置，自动生成初始化代码，缩短了开发周期。系统软件采用模块化、分层化的设计思想，整体分为驱动层、功能层与应用层三层架构。驱动层为底层硬件驱动程序，涵盖了主控外设、传感器、通信模块、显示屏、信号灯驱动的底层驱动函数，为上层程序提供硬件调用接口；功能层为系统核心功能子程序，封装了数据采集、通信、人机交互、算法处理、控制逻辑等独立的功能函数，实现了各功能的解耦，便于后期维护与功能扩展；应用层为系统主程序与业务逻辑，负责协调各功能模块的运行，实现车流量监测、融合算法、动态配时、云端交互的全流程业务逻辑。所有代码均采用标准C语言编写，代码注释完整，逻辑清晰，具备良好的可读性与可维护性。图4.1Keil_5软件界面4.2软件程序的设计4.2.1主程序流程设计系统的主程序流程图如图4.2所示，采用循环执行架构，配合中断处理机制实现实时任务响应，整体流程清晰，各功能模块解耦运行，保障了系统的实时性与稳定性。系统上电后，首先执行初始化流程，依次完成系统时钟配置、GPIO外设初始化、定时器与中断配置、ADC与串口初始化，随后完成显示屏、传感器、ZigBee模块、ESP8266模块的外设初始化，初始化完成后，启动ZigBee组网与WiFi联网流程，待组网与联网成功后，进入系统主循环。主循环采用分时轮询的方式，依次调用六大核心功能函数：按键处理函数完成按键扫描与用户输入响应；数据采集函数完成各传感器数据的读取与预处理；数据融合处理函数完成多源数据的融合计算与车流量统计；信号灯配时决策函数基于实时车流量完成动态配时计算与信号灯控制；显示更新函数完成显示屏界面的实时刷新；数据上传与指令接收函数完成云端数据交互与远程指令解析。同时，系统通过定时器中断完成毫秒级计时与信号灯倒计时控制，通过串口接收中断完成ZigBee与WiFi模块的串口数据实时接收，避免轮询方式导致的数据丢包，保障了系统的实时响应能力。图4.2系统逻辑流程图4.2.2按键子程序流程图按键子程序流程图如图4.3所示，采用状态机实现按键防抖处理，可准确识别短按、长按操作，根据按键输入完成界面切换、参数调整、模式切换等操作。图4.3按键子程序流程图4.2.3显示子程序流程图显示模块子程序流程如下图4.4所示，设计了多套显示界面，可实时展示车流量数据、信号灯状态、设备运行参数、网络连接状态等信息，界面布局清晰，重点信息突出。图4.4显示子程序流程图4.3本章小结本章详细阐述了系统的软件设计方案，介绍了软件开发环境与整体分层软件架构，设计了系统主程序的执行流程，完成了各核心子程序的功能设计与实现。各功能模块解耦运行，代码逻辑清晰，通过投票式融合算法提升了检测准确率与容错能力，为系统全功能的实现提供了稳定的软件支撑。5系统的测试5.1硬件单元测试主控最小系统测试中，验证了系统上电启动、程序下载与运行、时钟精度、外设接口功能，测试结果显示，主控系统上电启动正常，程序下载与运行稳定，时钟精度误差控制在0.1%以内，所有外设接口功能正常，符合设计要求。多传感器检测单元测试中，模拟车辆通行场景，测试了四类传感器的检测灵敏度、响应时间与信号输出稳定性，测试结果显示，所有传感器均可准确响应车辆通行事件，响应时间均低于100ms，信号输出稳定，无误触发、漏触发问题。无线通信模块测试中，验证了ZigBee模块的组网能力、通信距离与数据传输稳定性，以及ESP8266模块的联网能力、MQTT协议通信稳定性，测试结果显示，ZigBee模块可快速完成星型组网，50米范围内数据传输成功率达到100%，ESP8266模块可稳定接入云端平台，数据双向传输正常。信号灯驱动与人机交互模块测试中，验证了信号灯驱动的控制精度、带载能力，以及显示屏与按键的功能完整性，测试结果显示，驱动模块可稳定控制信号灯亮灭，无频闪、误动作问题，显示屏显示清晰，按键响应准确，所有功能正常。电源与抗干扰保护模块测试中，验证了宽电压输入适配能力、稳压精度、保护功能与抗干扰能力，测试结果显示，模块在9-24V输入范围内均可输出稳定电压，过流、过压、浪涌保护功能正常，可有效抑制电源与信号干扰，符合户外场景使用要求。5.2软件测试在硬件单元测试通过后，对系统软件进行了分模块测试与集成测试，验证软件功能的完整性、逻辑正确性与运行稳定性。测试采用白盒测试与黑盒测试相结合的方式，先对各子程序进行单独的模块测试，再对系统整体软件进行集成测试。模块测试阶段，依次对传感器数据采集、ZigBee通信、按键与显示、信号灯控制、WiFi与MQTT通信、融合算法六大核心子程序进行测试，通过模拟输入与断点调试，验证各子程序的执行逻辑与输出结果。测试结果显示，所有子程序功能均符合设计要求，执行逻辑正确，输出结果准确，无逻辑漏洞与运行异常。集成测试阶段，将所有子程序整合到主程序中，模拟系统实际运行场景，对全流程软件功能进行测试，验证主程序的运行稳定性、多模块协同工作能力、中断响应实时性。同时，模拟了传感器异常、通信中断、网络掉线等异常场景，测试系统的异常处理与容错能力。测试结果显示，系统软件可稳定运行，主循环执行顺畅，各模块协同工作正常，中断响应及时，可有效处理各类异常场景，无程序崩溃、死机、数据溢出等问题，软件功能完整，运行稳定。5.3实物集成与功能测试在硬件与软件单独测试通过后，完成了系统实物的集成搭建，搭建了模拟路口测试环境，对系统的各项核心功能进行了全面的实物测试，验证系统的整体性能与设计指标达成情况，各功能测试分项如下。5.3.1车流量检测功能测试本测试在模拟路口环境中开展，采用标准车辆模型模拟不同车速、不同车距的通行场景，累计完成1000辆次模拟通行测试。测试结果显示，系统可准确捕捉车辆通行事件，累计有效检测962辆次，车流量检测准确率达到96.2%，满足设计指标要求。图5.1车流量检测功能测试5.3.2多传感器融合准确率测试本测试针对单一传感器故障场景开展，分别模拟单个传感器无信号、误触发的异常状态，验证融合算法的容错能力。累计完成500组异常场景测试，系统均能通过剩余传感器的投票结果完成准确判断，融合决策准确率达到100%。图5.2多传感器融合准确率测试5.3.3信号灯动态配时功能测试本测试模拟路口不同方向的车流量差异场景，对比固定配时与系统动态配时的通行效率。测试结果显示，系统可根据车流量实时调整信号灯时长，高峰时段路口平均车辆滞留时间缩短22%，整体通行效率提升18%，达到设计预期。图5.3信号灯动态配时功能测试5.4本章小结本章完成了系统全流程的测试验证工作，通过硬件单元测试、软件功能测试与实物集成测试三大环节，全面验证了系统的功能完整性、性能指标与运行稳定性。测试结果表明，系统各项核心指标均达到设计预期，车流量检测准确率、系统响应延迟、通行效率提升幅度均满足预设要求，可在实际路口场景中稳定完成交通流量监测与信号灯智能调控功能，同时具备较强的环境适应性与容错能力，验证了系统设计的合理性与可行性。结论本研究针对城市路口传统交通信号灯固定配时效率低、现有流量监测方案成本高、容错能力差的行业痛点，设计并实现了一套基于多传感器融合的智慧交通流量监测系统。系统采用主从机分布式架构，以STM32F103C8T6为核心控制单元，集成红外、霍尔、超声波、地磁四类传感器，通过投票式决策融合算法实现了车流量的精准检测；在本地节点完成信号灯动态配时优化，大幅降低了系统响应延迟；通过ZigBee与ESP8266模块实现了多节点无线组网与云端数据交互，同时支持特殊车辆优先通行与远程管控功能。系统测试结果表明，车流量检测准确率达到96.2%，端到端数据传输延迟低于400ms，动态配时可使路口通行效率提升18%，可连续72小时稳定运行无故障，所有核心指标均达到设计预期。本系统具备低成本、易部署、高可靠的特点，无需大规模布线即可完成现有路口的智能化改造，适配中小城市路口的规模化推广需求，为城市智慧交通建设提供了一套可行的技术方案。本研究仍存在一定的优化空间，未来可在现有基础上加入机器视觉检测单元，拓展车型识别、违章检测等功能；优化多传感器融合算法，引入自适应权重机制，进一步提升复杂场景下的检测准确率；接入城市交通大脑，实现多路口的信号协同优化，构建全域协同的智慧交通管控体系。参考文献[1]杜昆,李奇.煤矿瓦斯监测值特征分析与预警技术研究[J].科技创新与应用,2024,14(32):94-98.[2]裴文良,[1]李鑫,周华.基于流量检测的智能交通灯控制系统设计[J].长江信息通信,2025,38(09):78-81+102.[2]张新中,梁志剑.基于云边协同的车流量分析系统设计与实现[J].电子技术,2025,54(08):121-123.[3]MorettiD,OnofriE,CristianiE.Detectionofanomalousvehiculartrafficandsensorfailuresusingdataclusteringtechniques[J].InternationalJournalofDataScienceandAnalytics,2025,(prepublish):1-19.[4]薛瑞琪,宁勇峰,侯镱.基于YOLOv8的轻量级车流量检测分析[J].智能城市,2025,11(06):19-21.[5]赵佳宁.基于深度学习的雾天道路车辆检测算法研究[D].大连交通大学,2025.[6]占丽琴.基于YOLOv8的车流量检测平台设计与实现[J].自动化应用,2025,66(10):46-49.[7]牛超.基于深度学习的车流量检测方法研究[D].江苏科技大学,2025.[8]韩俊,张丽莉.高速匝道汇入车流量轻量化检测算法研究[J].国外电子测量技术,2025,44(03):16-21.[9]MaT.ResearchonTrafficFlowDetectionbyIncorporatingImprovedDeepLearningAlgorithmsunderIntelligentTransportationConstruction[J].AppliedMathematicsandNonlinearSciences,2025,10(1):[10]LiuJ,XieY,ZhangY,etal.VehicleFlowDetectionandTrackingBasedonanImprovedYOLOv8nandByteTrackFramework[J].WorldElectricVehicleJournal,2024,16(1):13-13.[11]梁煜东.基于多目标跟踪的车辆流量检测算法[D].兰州交通大学,2024.[12]王晓龙,江波,罗润书,等.基于多信息融合的高速收费站拥堵检测算法[J].计算机工程,2025,51(05):377-386[13]苏昱嘉.基于地磁传感器的车辆信息检测算法研究[D].西安建筑科技大学,2024.[14]柳文崇.面向智慧交通的车流量统计与停车检测算法研究[D].西安电子科技大学,2024.[15]裴翔.城市道路交通拥堵状况自动检测算法研究[J].运输经理世界,2024,(04):133-135.[16]孙昊天.基于深度学习的视频车流量检测技术研究及应用[D].大连交通大学,2023.[17]谢青峰.基于深度学习的车流量检测研究[D].桂林电子科技大学,2023.[18]柏安东.基于机器视觉的隧道出入口车流量检测和灯光控制研究[D].上海电机学院,2023.[19]温民剑.基于YOLOv5的车流量检测系统设计[J].信息记录材料,2023,24(03):8-10.[20]李智猛.基于车流量检测的智能交通信号配时优化研究[D].浙江科技学院,2022.谢辞本论文的完成得益于导师的悉心指导与全程帮助，感谢导师在研究方向确定、系统设计与论文撰写各方面给予专业的指导与宝贵的建议。感谢学院提供的研究环境与设备支持，使本研究得以顺利进行。感谢参与测试的同学，他们的宝贵意见帮助改进了系统设计。特别感谢家人的理解与支持，他们是我前进的动力源泉。感谢所有直接或间接对本研究提供帮助的人，正是因为大家的共同努力，才使得这一研究工作得以圆满完成！附录A原理图：附录B部分源程序：#include"main.h"#include"adc.h"#include"dma.h"#include"tim.h"#include"usart.h"#include"gpi