城市单交叉口的交通流量预测及信号控制
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究的背景和意义 | 第8-9页 |
| 1.1.1 研究的背景 | 第8-9页 |
| 1.1.2 研究的意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 国外的研究现状 | 第9-10页 |
| 1.2.2 国内的研究现状 | 第10页 |
| 1.3 本文的研究内容及结构安排 | 第10-12页 |
| 第二章 单交叉口交通流及信号控制的基本理论 | 第12-29页 |
| 2.1 交通流的基本理论 | 第12-17页 |
| 2.1.1 交通流理论的分类与研究内容 | 第12-13页 |
| 2.1.2 交通流的基本特性 | 第13-15页 |
| 2.1.3 交通流统计分布特性 | 第15-17页 |
| 2.2 单交叉口交通信号的一般控制方法介绍 | 第17-22页 |
| 2.2.1 交通信号控制主要参数 | 第17-19页 |
| 2.2.2 交通信号控制性能指标 | 第19-20页 |
| 2.2.3 定时控制方法简介 | 第20-21页 |
| 2.2.4 感应控制方法简介 | 第21-22页 |
| 2.3 单交叉口交通信号的模糊控制方法 | 第22-29页 |
| 2.3.1 模糊控制的基本理论 | 第22-23页 |
| 2.3.2 单交叉口交通信号模糊控制的基本思想 | 第23页 |
| 2.3.3 模糊控制器设计的一般步骤 | 第23-29页 |
| 第三章 基于 BP 网络的短时交通流量的预测 | 第29-46页 |
| 3.1 交通流量的预测 | 第29-30页 |
| 3.1.1 交通流量数据的特点 | 第29页 |
| 3.1.2 交通流量数据的预处理方法 | 第29-30页 |
| 3.2 神经网络的基本理论 | 第30-37页 |
| 3.2.1 人工神经网络理论 | 第30-32页 |
| 3.2.2 BP 神经网络基础 | 第32-37页 |
| 3.3 BP 神经网络的短时交通量预测模型 | 第37-43页 |
| 3.3.1 数据说明 | 第37页 |
| 3.3.2 BP 网络结构的确定 | 第37-40页 |
| 3.3.3 网络的预测及分析 | 第40-43页 |
| 3.4 BP 神经网络预测模型的改进 | 第43-46页 |
| 3.4.1 输入数据的处理 | 第43页 |
| 3.4.2 改进后的 BP 网络仿真 | 第43-46页 |
| 第四章 单交叉口交通信号糊控制系统的设计 | 第46-59页 |
| 4.1 模糊控制的总体设计概述 | 第46-48页 |
| 4.1.1 交通信号模糊控制的基本原则 | 第46页 |
| 4.1.2 单交叉口交通信号的相位设置 | 第46页 |
| 4.1.3 模糊控制结构的设计 | 第46-48页 |
| 4.2 两级模糊控制器的设计 | 第48-59页 |
| 4.2.1 绿灯相位模糊控制器的设计 | 第48-52页 |
| 4.2.2 红灯相位模糊控制器的设计 | 第52-56页 |
| 4.2.3 决策模糊控制器的设计 | 第56-59页 |
| 第五章 两级模糊控制系统的评价 | 第59-64页 |
| 5.1 两级模糊控制系统的控制流程 | 第59-61页 |
| 5.1.1 控制流程参数设置 | 第59-60页 |
| 5.1.2 两级模糊控制器的控制流程图 | 第60-61页 |
| 5.2 与经典模糊控制器的比较 | 第61-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69页 |
