基于短时交通流预测的交叉口优化配时研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-15页 |
| 1.3.1 短时交通流量预测 | 第11-13页 |
| 1.3.2 交通信号控制 | 第13-15页 |
| 1.4 研究目标和内容 | 第15页 |
| 1.5 论文组织架构 | 第15-18页 |
| 第2章 基本概念和理论 | 第18-26页 |
| 2.1 交通控制基本理论 | 第18-23页 |
| 2.1.1 交通信号控制参数 | 第18-20页 |
| 2.1.2 交通控制的评价指标 | 第20-22页 |
| 2.1.3 交通信号控制方式 | 第22-23页 |
| 2.2 多目标优化原理 | 第23-24页 |
| 2.2.1 多目标优化模型 | 第23页 |
| 2.2.2 多目标优化问题的解 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第3章 短时交通流预测 | 第26-40页 |
| 3.1 交通流量特性 | 第26-27页 |
| 3.2 交通流序列时空相关性 | 第27-28页 |
| 3.3 神经网络基本理论 | 第28-33页 |
| 3.3.1 人工神经元 | 第28-29页 |
| 3.3.2 BP神经网络结构 | 第29-32页 |
| 3.3.3 BP神经网络参数设置 | 第32-33页 |
| 3.4 短时交通流预测模型 | 第33-35页 |
| 3.4.1 交通数据预处理 | 第33-34页 |
| 3.4.2 基于BP神经网络短时预测模型 | 第34-35页 |
| 3.5 实验分析 | 第35-38页 |
| 3.5.1 实验数据 | 第35-36页 |
| 3.5.2 预测效果 | 第36-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第4章 交叉口优化配时 | 第40-60页 |
| 4.1 信号配时方法 | 第40-42页 |
| 4.1.1 HCM配时方法 | 第40页 |
| 4.1.2 TRRL配时法 | 第40-41页 |
| 4.1.3 ARRB配时法 | 第41-42页 |
| 4.2 多目标优化配时模型 | 第42-47页 |
| 4.2.1 性能指标 | 第42-45页 |
| 4.2.2 多目标配时优化模型构建 | 第45-46页 |
| 4.2.3 最优方案选择 | 第46-47页 |
| 4.3 改进的多目标蜻蜓优化算法 | 第47-56页 |
| 4.3.1 基本多目标蜻蜓优化算法 | 第48-50页 |
| 4.3.2 改进的多目标蜻蜓算法 | 第50-51页 |
| 4.3.3 IMODA算法步骤 | 第51-52页 |
| 4.3.4 算法测试及分析 | 第52-56页 |
| 4.4 交通仿真与实验分析 | 第56-59页 |
| 4.4.1 交通仿真 | 第56-57页 |
| 4.4.2 实验分析 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 研究工作总结 | 第60页 |
| 5.2 下一步工作展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 在读期间发表的学术论文与取得的其他科研成果 | 第70页 |
