| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 问题的提出 | 第10-11页 |
| 1.2 智能交通系统的发展现状 | 第11-14页 |
| 1.2.1 国外智能交通发展概况 | 第11-13页 |
| 1.2.2 国内智能交通发展概况 | 第13-14页 |
| 1.3 智能控制技术的发展 | 第14-15页 |
| 1.4 智能交通控制系统概述 | 第15-19页 |
| 1.4.1 智能交通控制系统发展概况 | 第15-17页 |
| 1.4.2 基于模糊控制的智能交通控制系统的研究概况 | 第17-18页 |
| 1.4.3 基于Multi-Agent的智能交通控制系统的研究概况 | 第18-19页 |
| 1.5 论文的主要研究内容 | 第19-21页 |
| 第二章 交通流模型 | 第21-26页 |
| 2.1 交通流的特性 | 第21-24页 |
| 2.1.1 交通流参数 | 第21-22页 |
| 2.1.2 交通流基本参数的关系模型 | 第22-24页 |
| 2.2 跟驰理论 | 第24-26页 |
| 2.2.1 概述 | 第24-25页 |
| 2.2.2 非线性跟驰模型分析 | 第25-26页 |
| 第三章 基于模糊控制的智能交通控制系统的研究 | 第26-47页 |
| 3.1 模糊控制 | 第26-30页 |
| 3.1.1 模糊控制概念及特点 | 第26-27页 |
| 3.1.2 模糊控制器的结构及设计 | 第27-30页 |
| 3.2 基于模糊控制的单路口交通流控制算法 | 第30-36页 |
| 3.2.1 延误模型描述 | 第31-33页 |
| 3.2.2 模糊控制器的设计 | 第33-36页 |
| 3.3 基于模糊控制的主干线协调控制算法 | 第36-47页 |
| 3.3.1 引言 | 第36-37页 |
| 3.3.2 模型及原理 | 第37-41页 |
| 3.3.3 交通信号的协调控制算法 | 第41-43页 |
| 3.3.4 模糊控制器的设计 | 第43-44页 |
| 3.3.5 仿真实例 | 第44-45页 |
| 3.3.6 结论 | 第45-47页 |
| 第四章 基于强化学习的路口交通流控制算法研究 | 第47-57页 |
| 4.1 强化学习方法 | 第47-51页 |
| 4.1.1 强化学习的概念 | 第47页 |
| 4.1.2 强化学习的发展历史及研究现状 | 第47-49页 |
| 4.1.3 强化学习的主要算法 | 第49-50页 |
| 4.1.4 强化学习在控制系统中的应用 | 第50-51页 |
| 4.2 基于强化学习的单路口交通流智能控制算法研究 | 第51-57页 |
| 4.2.1 引言 | 第51-52页 |
| 4.2.2 强化学习控制原理 | 第52-53页 |
| 4.2.3 控制算法 | 第53-54页 |
| 4.2.4 仿真结果 | 第54-56页 |
| 4.2.5 结论 | 第56-57页 |
| 第五章 基于Multi-Agent的智能交通控制系统 | 第57-66页 |
| 5.1 Agent简介 | 第57-59页 |
| 5.1.1 Agent的概念 | 第57-58页 |
| 5.1.2 Agent系统的结构 | 第58-59页 |
| 5.2 Multi-Agent简介 | 第59-61页 |
| 5.2.1 Multi-Agent的概念 | 第59-60页 |
| 5.2.2 Multi-Agent系统的结构 | 第60页 |
| 5.2.3 Multi-Agent系统的通信 | 第60-61页 |
| 5.3 基于Multi-Agent的交通区域协调控制决策系统的结构 | 第61-66页 |
| 5.3.1 现有交通结构分析 | 第62-63页 |
| 5.3.2 基于MAS的区域协调控制系统结构 | 第63-66页 |
| 第六章 结论与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 硕士期间发表及参与发表的论文 | 第73-74页 |
| 硕士期间参与的科研项目 | 第74-75页 |
| 学位论文评阅及答辩情况表 | 第75页 |
