基于人工神经网络的智能交通系统检测与控制
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 1 引言 | 第9-14页 |
| ·课题背景 | 第9-10页 |
| ·智能交通系统在国内外的发展 | 第10-11页 |
| ·智能交通系统仿真技术 | 第11-12页 |
| ·论文的主要内容 | 第12-14页 |
| 2 智能交通系统理论 | 第14-22页 |
| ·交通信号控制参数 | 第14-16页 |
| ·步与步长 | 第14页 |
| ·周期 | 第14页 |
| ·相位 | 第14-15页 |
| ·绿信比 | 第15-16页 |
| ·相位差 | 第16页 |
| ·交通量检测 | 第16页 |
| ·交通检测器的类型与基本工作原理 | 第16-20页 |
| ·环形线圈检测器 | 第17-18页 |
| ·超声波检测器 | 第18-19页 |
| ·视频检测器 | 第19-20页 |
| ·交通控制的类型 | 第20-22页 |
| 3 BP神经网络理论及其应用 | 第22-41页 |
| ·人工神经网络的发展史 | 第22-23页 |
| ·BP神经网络用于交通流的预测 | 第23-32页 |
| ·交通流预测概述 | 第23-24页 |
| ·BP神经网络结构及其算法 | 第24-27页 |
| ·BP神经网络用于交通流的预测 | 第27-32页 |
| ·改进BP神经网络算法用于交通流的预测 | 第32-41页 |
| ·附加动量法 | 第32-33页 |
| ·自适应学习速率 | 第33-37页 |
| ·Levenberg-Marquardt法 | 第37-41页 |
| 4 RBF神经网络原理及应用 | 第41-49页 |
| ·径向基函数神经网络 | 第41-42页 |
| ·RBF神经网络的学习规则 | 第42-44页 |
| ·RBF神经网络用于交通流的预测 | 第44-48页 |
| ·RBF神经网络与BP神经网络的比较 | 第48-49页 |
| 5 遗传神经网络 | 第49-59页 |
| ·遗传算法简介 | 第49页 |
| ·遗传算法基本原理 | 第49-55页 |
| ·参数编码 | 第49-51页 |
| ·适应度函数 | 第51-52页 |
| ·选择算子 | 第52-53页 |
| ·交叉算子 | 第53-54页 |
| ·变异算子 | 第54-55页 |
| ·遗传神经网络在智能交通系统中的应用 | 第55-59页 |
| 6 智能交通系统仿真平台 | 第59-67页 |
| ·模糊控制原理 | 第59页 |
| ·单交叉口模糊控制 | 第59-65页 |
| ·多相位模糊控制器的设计 | 第60-61页 |
| ·模糊化 | 第61-62页 |
| ·模糊控制规则 | 第62-63页 |
| ·解模糊 | 第63页 |
| ·仿真实验 | 第63-65页 |
| ·变相位模糊控制 | 第65-67页 |
| ·控制原理 | 第65-66页 |
| ·仿真实验 | 第66-67页 |
| 7 结束语 | 第67-69页 |
| 附录 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间发表的论文 | 第76-77页 |
