| 摘要 | 第4-6页 |
| ABSTRACT | 第6页 |
| 致谢 | 第10-18页 |
| 第一章 绪论 | 第18-52页 |
| 1.1 城市道路交通控制技术 | 第18-36页 |
| 1.1.1 城市道路交通控制技术发展历史 | 第18-22页 |
| 1.1.2 传统城市道路交通控制技术 | 第22-27页 |
| 1.1.3 现代城市道路交通控制技术 | 第27-31页 |
| 1.1.4 高速公路建模和控制技术 | 第31-36页 |
| 1.2 智能控制技术 | 第36-42页 |
| 1.2.1 自动化理论的发展 | 第36-38页 |
| 1.2.2 智能控制发展概况 | 第38-39页 |
| 1.2.3 智能控制系统的主要功能特点 | 第39-40页 |
| 1.2.4 智能控制研究的必要性 | 第40-41页 |
| 1.2.5 智能控制理论 | 第41-42页 |
| 1.3 智能交通控制系统 | 第42-47页 |
| 1.3.1 智能交通控制系统的研究发展历程 | 第42-44页 |
| 1.3.2 目前智能交通控制系统的研究方向 | 第44页 |
| 1.3.3 人工智能技术在城市交通控制中的应用 | 第44-46页 |
| 1.3.4 我国智能交通研究现状及发展策略 | 第46-47页 |
| 1.4 论文立题依据 | 第47-49页 |
| 1.5 论文主要内容 | 第49-50页 |
| 1.6 论文主要贡献 | 第50-52页 |
| 第二章 基于相序优化的单交叉口多相位模糊控制 | 第52-66页 |
| 2.1 引言 | 第52-53页 |
| 2.2 交通流模型 | 第53-56页 |
| 2.3 控制策略 | 第56-61页 |
| 2.3.1 控制算法 | 第56-57页 |
| 2.3.2 模糊交通控制器设计 | 第57-59页 |
| 2.3.3 模糊相序优化器设计 | 第59-61页 |
| 2.4 计算机仿真 | 第61-64页 |
| 2.5 小结 | 第64-66页 |
| 第三章 城市交通干线递阶模糊控制及其神经网络实现 | 第66-82页 |
| 3.1 引言 | 第66-68页 |
| 3.2 两级分解-协调控制原理 | 第68-69页 |
| 3.3 问题描述 | 第69-70页 |
| 3.4 递阶模糊控制 | 第70-79页 |
| 3.4.1 问题描述 | 第70-73页 |
| 3.4.2 控制级控制器设计 | 第73-75页 |
| 3.4.3 协调级控制器设计 | 第75-79页 |
| 3.5 神经网络实现 | 第79-80页 |
| 3.6 计算机仿真 | 第80-81页 |
| 3.7 小结 | 第81-82页 |
| 第四章 城市区域交通建模和智能分散控制 | 第82-102页 |
| 4.1 引言 | 第82-83页 |
| 4.2 相关研究 | 第83-85页 |
| 4.3 交通流建模 | 第85-89页 |
| 4.4 模糊控制 | 第89-93页 |
| 4.4.1 简介 | 第89-90页 |
| 4.4.2 相序优化模块 | 第90-92页 |
| 4.4.3 绿灯判断模块 | 第92页 |
| 4.4.4 相位切换模块 | 第92-93页 |
| 4.5 神经网络实现 | 第93-99页 |
| 4.5.1 神经网络结构 | 第94-95页 |
| 4.5.2 学习算法 | 第95-99页 |
| 4.6 计算机仿真 | 第99-101页 |
| 4.7 小结 | 第101-102页 |
| 第五章 城市快速公路交通建模和多层智能控制系统设计 | 第102-120页 |
| 5.1 引言 | 第102-103页 |
| 5.2 问题描述 | 第103-106页 |
| 5.3 快速公路交通流模型 | 第106-113页 |
| 5.3.1 模型改进 | 第106-110页 |
| 5.3.2 模型简化 | 第110-111页 |
| 5.3.3 神经网络实现 | 第111-113页 |
| 5.4 多层智能控制系统 | 第113-117页 |
| 5.4.1 组织层 | 第113-116页 |
| 5.4.2 适应层 | 第116-117页 |
| 5.4.3 优化层 | 第117页 |
| 5.4.4 直接控制层 | 第117页 |
| 5.5 计算机仿真 | 第117-119页 |
| 5.6 小结 | 第119-120页 |
| 第六章 城市大交通网络建模和智能控制 | 第120-130页 |
| 6.1 引言 | 第120-122页 |
| 6.2 交通流模型 | 第122-125页 |
| 6.2.1 B类模型 | 第122-123页 |
| 6.2.2 C类模型 | 第123-125页 |
| 6.3 模糊神经网络控制 | 第125-127页 |
| 6.3.1 简介 | 第125-126页 |
| 6.3.2 控制器设计 | 第126-127页 |
| 6.4 计算机仿真 | 第127-129页 |
| 6.5 小结 | 第129-130页 |
| 第七章 城市间高速公路交通的神经网络建模和控制 | 第130-148页 |
| 7.1 引言 | 第130-131页 |
| 7.2 交通流模型 | 第131-138页 |
| 7.2.1 连续性方程 | 第132-133页 |
| 7.2.2 密度方程 | 第133-134页 |
| 7.2.3 速度方程 | 第134-135页 |
| 7.2.4 流量方程 | 第135-136页 |
| 7.2.5 模型修正 | 第136-138页 |
| 7.3 神经网络模型 | 第138-140页 |
| 7.4 神经网络控制器 | 第140-144页 |
| 7.5 计算机仿真 | 第144-147页 |
| 7.6 小结 | 第147-148页 |
| 第八章 基于网络技术的城市交通集成智能控制系统 | 第148-168页 |
| 8.1 引言 | 第148-149页 |
| 8.2 问题描述 | 第149-152页 |
| 8.2.1 城市交通控制系统的发展必然趋势--集成智能化 | 第149-151页 |
| 8.2.2 城市交通控制系统的几项基本认知 | 第151页 |
| 8.2.3 城市交通控制系统的设计目标 | 第151页 |
| 8.2.4 城市交通控制系统的技术框架 | 第151-152页 |
| 8.3 基于网络技术的城市交通集成智能控制系统体系结构 | 第152-156页 |
| 8.3.1 系统分析与规划 | 第152-153页 |
| 8.3.2 系统设备 | 第153-154页 |
| 8.3.3 系统功能 | 第154-156页 |
| 8.4 自学习智能式城市交通信号控制系统 | 第156-165页 |
| 8.4.1 基本原理 | 第156-159页 |
| 8.4.2 环形线圈式车辆检测器 | 第159页 |
| 8.4.3 智能式交叉口控制器 | 第159-161页 |
| 8.4.4 通讯计算机系统 | 第161-162页 |
| 8.4.5 推理机制 | 第162-164页 |
| 8.4.6 学习机制 | 第164页 |
| 8.4.7 对周期、相位差、绿信比的处理 | 第164-165页 |
| 8.5 针对我国交通特点给予特别考虑的问题 | 第165-167页 |
| 8.5.1 关于交通控制系统的相位相序模式 | 第165-166页 |
| 8.5.2 关于自行车-行人相位设置 | 第166页 |
| 8.5.3 关于先进交通控制系统的分步实施 | 第166-167页 |
| 8.6 小结 | 第167-168页 |
| 第九章 结束语 | 第168-172页 |
| 参考文献 | 第172-188页 |
| 附录1: 作者攻读博士学位期间完成的论文 | 第188-190页 |
| 附录2: 作者攻读博士学位期间参与的项目 | 第190页 |
