| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 绪论 | 第12-20页 |
| 1.1 研究背景及目的 | 第12-13页 |
| 1.2 交通信号控制的研究现状 | 第13-14页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14页 |
| 1.3 计算的研究现状与需求分析 | 第14-17页 |
| 1.3.1 国内外研究现状 | 第15-16页 |
| 1.3.2 智能交通系统的云需求分析 | 第16-17页 |
| 1.4 论文的研究内容及组织结构 | 第17-20页 |
| 2 交通流预测控制 | 第20-34页 |
| 2.1 预测控制的基本原理 | 第20-23页 |
| 2.2 交通信号预测控制原理 | 第23-24页 |
| 2.3 基于元胞自动机的交通流仿真预测 | 第24-25页 |
| 2.3.1 元胞自动机的基本原理 | 第24-25页 |
| 2.3.2 元胞自动机在交通领域的应用 | 第25页 |
| 2.4 元胞自动机交通流建模 | 第25-27页 |
| 2.4.1 车辆前进子模型 | 第25-26页 |
| 2.4.2 车辆换道子模型 | 第26-27页 |
| 2.4.3 车辆转弯子模型 | 第27页 |
| 2.5 仿真与分析 | 第27-32页 |
| 2.6 本章小结 | 第32-34页 |
| 3 区域交通信号预测控制 | 第34-46页 |
| 3.1 区域交通信号控制的基本概念 | 第34-44页 |
| 3.1.1 区域协调控制分析 | 第36-38页 |
| 3.1.2 目标函数的建立 | 第38-43页 |
| 3.1.3 约束条件 | 第43-44页 |
| 3.2 本章小结 | 第44-46页 |
| 4 基于云计算的模型求解 | 第46-72页 |
| 4.1 计算概述 | 第46-48页 |
| 4.2 Hadoop简介及实验环境的搭建 | 第48-55页 |
| 4.2.1 Hadoop | 第48页 |
| 4.2.2 HDFS架构 | 第48-50页 |
| 4.2.3 MapReduce框架详解 | 第50-51页 |
| 4.2.4 Hadoop实验环境搭建 | 第51-55页 |
| 4.3 遗传算法的并行化 | 第55-63页 |
| 4.3.1 遗传算法的基本原理 | 第55-57页 |
| 4.3.2 遗传算法的并行化分析 | 第57-59页 |
| 4.3.3 遗传算法在Hadoop平台上的并行实现 | 第59-63页 |
| 4.4 基于MapReduce的并行遗传算法求解信号控制模型 | 第63-70页 |
| 4.4.1 编码与解码 | 第63-64页 |
| 4.4.2 适应度函数 | 第64-65页 |
| 4.4.3 选择算子 | 第65页 |
| 4.4.4 交叉算子 | 第65-66页 |
| 4.4.5 变异算子 | 第66页 |
| 4.4.6 并行遗传算法对模型求解的具体步骤 | 第66-70页 |
| 4.5 本章小结 | 第70-72页 |
| 5 仿真及结果分析 | 第72-82页 |
| 5.1 区域交通信号控制仿真 | 第72-75页 |
| 5.2 仿真结果分析 | 第75-81页 |
| 5.2.1 信号预测控制策略和定时控制策略对比分析 | 第76-78页 |
| 5.2.2 比较单机遗传算法与云计算遗传算法 | 第78-81页 |
| 5.3 本章小结 | 第81-82页 |
| 6 总结与展望 | 第82-84页 |
| 6.1 论文总结 | 第82页 |
| 6.2 研究展望 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 作者简历 | 第88-92页 |
| 学位论文数据集 | 第92页 |
