| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景 | 第9-10页 |
| ·国内外研究动态 | 第10-12页 |
| ·高速公路交通流模型 | 第10-11页 |
| ·高速公路入口匝道控制 | 第11-12页 |
| ·研究目的和意义 | 第12-13页 |
| ·内容安排 | 第13-14页 |
| 第二章 基于粗糙集的高速公路动态交通流ELMAN神经网络模型 | 第14-22页 |
| ·宏观动态交通流数学模型 | 第14-16页 |
| ·粗糙集基本概念 | 第16-17页 |
| ·上下近似集、不可分辨关系 | 第16页 |
| ·相对正区域及依赖度 | 第16页 |
| ·条件属性核值及约简 | 第16-17页 |
| ·ELMAN神经网络 | 第17-18页 |
| ·基于粗糙集的交通流ELMAN神经网络模型 | 第18-19页 |
| ·仿真研究 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 高速公路入口匝道控制 | 第22-41页 |
| ·入口匝道控制目标 | 第22-23页 |
| ·高速公路交通流模型 | 第23-24页 |
| ·基于粒子群优化的高速公路匝道PI控制器 | 第24-28页 |
| ·粒子群算法 | 第24-25页 |
| ·基于粒子群优化的入口匝道PI控制器 | 第25-26页 |
| ·仿真研究 | 第26-28页 |
| ·基于CMAC与PID复合的高速公路入口匝道控制 | 第28-33页 |
| ·CMAC与PID复合控制算法 | 第28-30页 |
| ·基于CMAC与PID复合的入口匝道控制器 | 第30页 |
| ·仿真研究 | 第30-33页 |
| ·基于BP神经网络的高速公路匝道PID控制器 | 第33-39页 |
| ·BP神经网络整定的PID控制原理 | 第33-36页 |
| ·基于BP神经网络的PID匝道控制器 | 第36页 |
| ·仿真研究 | 第36-39页 |
| ·三种控制方法的比较 | 第39页 |
| ·本章小结 | 第39-41页 |
| 第四章 基于PSO的高速公路多匝道协调控制 | 第41-48页 |
| ·宏观交通流模型 | 第41-43页 |
| ·多匝道协调控制系统的结构 | 第43-44页 |
| ·PSO优化的PI控制 | 第44-45页 |
| ·多目标PSO算法 | 第44-45页 |
| ·PSO优化的PI控制算法 | 第45页 |
| ·仿真研究 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| ·全文总结 | 第48-49页 |
| ·研究工作展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间发表论文 | 第54-55页 |
| 致谢 | 第55页 |