交通拥挤的度量方法与基于浮动车的交通拥挤检测
| 中文摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第1章 引言 | 第7-14页 |
| 1．1 ITS概述 | 第7-9页 |
| 1．2 中国交通信息化现状 | 第9-11页 |
| 1．2．1 交通发展状况 | 第9-10页 |
| 1．2．2 中国ITS的发展 | 第10-11页 |
| 1．3 交通拥挤的检测与度量在ITS框架中的地位 | 第11-12页 |
| 1．4 主要研究工作与创新点 | 第12-14页 |
| 第2章 交通拥挤的评估方法 | 第14-28页 |
| 2．1 交通拥挤现象及其基本成因 | 第14-15页 |
| 2．2 交通流中的几个重要参数 | 第15-17页 |
| 2．3 现有的交通拥挤评估方法 | 第17-19页 |
| 2．4 交通拥挤的评估目标 | 第19页 |
| 2．5 交通流参数与交通拥挤间关系的分析 | 第19-20页 |
| 2．6 交通流参数分析及模糊化 | 第20-25页 |
| 2．6．1 模糊数学概述 | 第21-22页 |
| 2．6．2 模糊子集的划分 | 第22-23页 |
| 2．6．3 交通参数的正规化 | 第23-25页 |
| 2．7 模糊推理系统 | 第25-28页 |
| 第3章 仿真实验及模型分析 | 第28-47页 |
| 3．1 仿真实验及交通数据获取 | 第28-31页 |
| 3．1．1 仿真软件概述 | 第28-29页 |
| 3．1．2 仿真过程 | 第29-31页 |
| 3．2 仿真实验的拥挤度的评估 | 第31-32页 |
| 3．3 实验数据处理 | 第32-33页 |
| 3．4 模糊推理系统的辨识 | 第33-39页 |
| 3．4．1 T-S模糊模型 | 第34-35页 |
| 3．4．2 T-S模型的结论参数辨识 | 第35-37页 |
| 3．4．3 拥挤度推理系统的参数辨识 | 第37-39页 |
| 3．5 自适应神经网络方法训练系统参数 | 第39-45页 |
| 3．5．1 模型训练 | 第39-41页 |
| 3．5．2 训练结果 | 第41-43页 |
| 3．5．3 模型分析 | 第43-45页 |
| 3．6 结论 | 第45-47页 |
| 第4章 利用浮动车检测交通参数 | 第47-68页 |
| 4．1 交通流数据的常用采集技术 | 第47-49页 |
| 4．2 浮动车检测系统概述 | 第49-53页 |
| 4．3 浮动车检测系统框架 | 第53-55页 |
| 4．4 浮动车的选择 | 第55-56页 |
| 4．5 GPS数据处理及数据发送 | 第56-60页 |
| 4．6 无线通信方式 | 第60-62页 |
| 4．7 交通参数计算 | 第62-68页 |
| 4．7．1 假设的前提条件 | 第62页 |
| 4．7．2 交通流量的估计 | 第62-65页 |
| 4．7．3 平均速度的计算 | 第65-68页 |
| 第5章 利用浮动车检测交通拥挤 | 第68-73页 |
| 5．1 浮动车检测系统判断交通拥挤类型 | 第68-70页 |
| 5．1．1 拥挤分类 | 第68-69页 |
| 5．1．2 判断拥挤类型 | 第69-70页 |
| 5．2 偶发性交通拥挤参数检测 | 第70-71页 |
| 5．3 常发性交通拥挤的交通拥挤度的计算 | 第71-73页 |
| 结论 | 第73-76页 |
| 参考文献 | 第76-78页 |
| 致谢、声明 | 第78-79页 |
| 个人简历、在学期间发表的学术论文 | 第79页 |
