| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国外研究现状 | 第9-10页 |
| 1.3 国内研究现状 | 第10-11页 |
| 1.4 研究目标及内容 | 第11-12页 |
| 1.4.1 研究目标 | 第11-12页 |
| 1.4.2 研究内容 | 第12页 |
| 1.5 本章小结 | 第12-14页 |
| 2 隧道照明特点及影响因素 | 第14-22页 |
| 2.1 隧道照明设置 | 第14页 |
| 2.2 隧道光源及灯具 | 第14-16页 |
| 2.2.1 高压钠灯的光源特性 | 第15页 |
| 2.2.2 高压钠灯的工作特性 | 第15-16页 |
| 2.3 影响隧道灯光配置的因素 | 第16-18页 |
| 2.3.1 人眼对于光的适应特性 | 第16-17页 |
| 2.3.2 洞外亮度对隧道灯光配置的影响 | 第17页 |
| 2.3.3 车流量及车速对隧道灯光配置的影响 | 第17-18页 |
| 2.4 世界上著名缓解疲劳驾驶的隧道 | 第18-20页 |
| 2.5 本章小结 | 第20-22页 |
| 3 基于灰色理论的车流量预测研究 | 第22-30页 |
| 3.1 灰色系统理论的发展 | 第22页 |
| 3.2 灰色系统理论的研究内容 | 第22-23页 |
| 3.3 灰色预测技术 | 第23-25页 |
| 3.3.1 灰色模型预测过程 | 第23-24页 |
| 3.3.2 GM(1,1)模型 | 第24-25页 |
| 3.4 隧道车流量预测实验 | 第25-29页 |
| 3.5 本章小结 | 第29-30页 |
| 4 基于神经网络的隧道出入口灯光配置研究 | 第30-40页 |
| 4.1 人工神经网络的发展 | 第30页 |
| 4.2 神经网络的基本特征与功能 | 第30-31页 |
| 4.3 BP 神经网络模型 | 第31-32页 |
| 4.4 BP 神经网络学习原理 | 第32-34页 |
| 4.5 隧道出入口灯光配置优化策略 | 第34-35页 |
| 4.6 隧道出入口灯光配置 BP 网络学习实验 | 第35-39页 |
| 4.7 本章小结 | 第39-40页 |
| 5 公路隧道出入口灯光控制系统研究 | 第40-58页 |
| 5.1 隧道照明设计概述 | 第40-43页 |
| 5.1.1 隧道照明设计思想 | 第40页 |
| 5.1.2 隧道照明标准 | 第40-42页 |
| 5.1.3 隧道照明与行车安全 | 第42页 |
| 5.1.4 现行隧道照明系统所存在的问题 | 第42-43页 |
| 5.2 基于 CAN 总线的照明控制系统 | 第43-48页 |
| 5.2.1 照明控制系统分类 | 第44-46页 |
| 5.2.2 CAN 总线技术 | 第46页 |
| 5.2.3 CAN 总线控制系统 | 第46-48页 |
| 5.3 基于 CAN 总线分布式的隧道照明控制系统实现 | 第48-49页 |
| 5.4 CAN 总线系统的结点设计 | 第49-54页 |
| 5.4.1 CAN 总线接口电路 | 第50-51页 |
| 5.4.2 智能继电器电路 | 第51-54页 |
| 5.5 CAN 总线控制系统软件设计 | 第54-56页 |
| 5.5.1 CAN 模块程序设计 | 第54-55页 |
| 5.5.2 智能继电器主程序设计 | 第55-56页 |
| 5.6 本章小结 | 第56-58页 |
| 6 总结与展望 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 附录 硕士研究生学习阶段发表论文 | 第66页 |