| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究的目的和意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 时空特性在交通领域的应用现状 | 第11-12页 |
| 1.2.2 城市交通协同控制研究现状 | 第12-14页 |
| 1.3 研究内容及结构安排 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第2章 基于时空特性的城市交通协同控制分析 | 第16-26页 |
| 2.1 交通流基本理论 | 第16-18页 |
| 2.1.1 交通流基本参数分析 | 第16-18页 |
| 2.1.2 交通参数的选取 | 第18页 |
| 2.2 交通系统时空特性基础 | 第18-21页 |
| 2.2.1 交通时空特性基础 | 第18-19页 |
| 2.2.2 时空数据模型 | 第19-21页 |
| 2.2.3 时空数据关联 | 第21页 |
| 2.3 协同控制智能优化算法分析 | 第21-24页 |
| 2.3.1 遗传算法 | 第21-23页 |
| 2.3.2 微粒群算法 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 基于时空特性的城市交通数据融合 | 第26-46页 |
| 3.1 基于时空特性的交通数据分析 | 第26-30页 |
| 3.1.1 时间特性的交通数据分析 | 第26页 |
| 3.1.2 空间特性的交通数据分析 | 第26-28页 |
| 3.1.3 时空特性的交通数据分析 | 第28-30页 |
| 3.2 城市交通数据预处理技术 | 第30-34页 |
| 3.2.1 交通数据故障识别 | 第30-31页 |
| 3.2.2 交通数据预处理 | 第31-33页 |
| 3.2.3 时空数据相关系数 | 第33-34页 |
| 3.3 基于GA-WNN和时空特性的交通数据融合 | 第34-44页 |
| 3.3.1 基于GA-WNN的时空特性数据处理 | 第34-35页 |
| 3.3.2 基于最小二乘法的动态加权融合 | 第35-38页 |
| 3.3.3 算例分析与验证 | 第38-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第4章 基于时空特性的城市交通协同控制建模与求解 | 第46-64页 |
| 4.1 基于时空特性的城市交通协同控制建模思路 | 第46-48页 |
| 4.1.1 协同控制理论 | 第46页 |
| 4.1.2 城市交通协同控制目标分析 | 第46-47页 |
| 4.1.3 协同控制建模思路分析 | 第47-48页 |
| 4.2 城市交通协同控制模型约束条件分析 | 第48-54页 |
| 4.2.1 时空饱和度表达 | 第48-49页 |
| 4.2.2 连续交叉口延误分析 | 第49-52页 |
| 4.2.3 行程时间的表达 | 第52-54页 |
| 4.3 基于GA-PSO的城市交通协同控制模型 | 第54-59页 |
| 4.3.1 城市交通协同控制模型建立 | 第54-55页 |
| 4.3.2 交通协同控制流程 | 第55-57页 |
| 4.3.3 基于GA-PSO的交通协同控制模型求解 | 第57-59页 |
| 4.4 算例分析 | 第59-62页 |
| 4.5 本章小结 | 第62-64页 |
| 第5章 案例分析 | 第64-78页 |
| 5.1 路网结构及基础数据 | 第64-66页 |
| 5.1.1 实验路网选取 | 第64页 |
| 5.1.2 基础交通数据 | 第64-66页 |
| 5.2 基于时空特性的交通数据处理 | 第66-70页 |
| 5.2.1 数据预处理 | 第66-68页 |
| 5.2.2 时空特性的交通数据融合 | 第68-70页 |
| 5.3 基于GA-PSO的交通协同控制模型求解 | 第70-76页 |
| 5.3.1 数据初始化 | 第70-71页 |
| 5.3.2 交通现状仿真分析 | 第71-73页 |
| 5.3.3 基于GA-PSO的交通协同控制实施 | 第73-74页 |
| 5.3.4 结果分析对比 | 第74-76页 |
| 5.4 本章小结 | 第76-78页 |
| 第6章 总结与展望 | 第78-80页 |
| 6.1 论文总结 | 第78-79页 |
| 6.2 论文展望 | 第79-80页 |
| 致谢 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 攻读学位期间发表的论著及参与的科研项目 | 第86页 |