目录 | 第3-7页 |
摘要 | 第7-8页 |
ABSTRACT | 第8-9页 |
第一章 绪论 | 第11-17页 |
1.1 选题的背景及意义 | 第11-12页 |
1.2 交通信号控制系统 | 第12-13页 |
1.3 智能交通系统 | 第13-15页 |
1.3.1 国外研究概况 | 第14-15页 |
1.3.2 国内研究概况 | 第15页 |
1.4 论文的主要内容和章节安排 | 第15-17页 |
第二章 智能交通系统理论 | 第17-23页 |
2.1 交通信号控制参数 | 第17-20页 |
2.1.1 步与步长 | 第17页 |
2.1.2 周期 | 第17-18页 |
2.1.3 相位 | 第18页 |
2.1.4 绿信比 | 第18-19页 |
2.1.5 相位差与绿波带控制 | 第19-20页 |
2.2 交通信号控制的类型及评价指标 | 第20-22页 |
2.2.1 交通信号控制的分类 | 第20-21页 |
2.2.2 交通信号控制的评价指标 | 第21-22页 |
2.3 交通信号的优化控制 | 第22-23页 |
第三章 人工神经网络及车流量预测 | 第23-42页 |
3.1 神经网络概述 | 第23页 |
3.2 人工神经网络结构 | 第23-26页 |
3.2.1 人工神经网络基本单元 | 第23-24页 |
3.2.2 人工神经网络的学习方式 | 第24-25页 |
3.2.3 人工神经网络常见的学习算法 | 第25-26页 |
3.3 BP神经网络 | 第26-29页 |
3.3.1 BP神经网络结构 | 第26-27页 |
3.3.2 BP神经网络层数的选取 | 第27页 |
3.3.3 BP神经网络各层的设计 | 第27-28页 |
3.3.4 BP神经网络初始权值、学习速率和期望误差的选取 | 第28-29页 |
3.4 基于BP神经网络的车流量预测 | 第29-32页 |
3.4.1 预测模型的原理及结构 | 第29-30页 |
3.4.2 BP预测网络的结构 | 第30页 |
3.4.3 BP预测网络的编程实现及结果 | 第30-32页 |
3.5 BP神经网络的改进 | 第32-38页 |
3.5.1 自适应学习速率法 | 第33-34页 |
3.5.2 Levenberg-Marquardt法 | 第34-36页 |
3.5.3 有回弹的BP算法 | 第36-38页 |
3.6 RBF神经网络 | 第38-42页 |
3.6.1 RBF网络的结构 | 第38-39页 |
3.6.2 RBF神经网络用于车流量预测 | 第39-41页 |
3.6.3 RBF神经网络预测结果的分析 | 第41-42页 |
第四章 遗传算法 | 第42-49页 |
4.1 遗传算法简介 | 第42页 |
4.2 遗传算法的基本原理 | 第42-46页 |
4.2.1 基本遗传算法 | 第43-45页 |
4.2.2 改进的遗传算法 | 第45-46页 |
4.3 遗传算法在神经网络中的应用 | 第46页 |
4.4 遗传神经网络在智能交通系统中的应用 | 第46-49页 |
第五章 模糊控制及模糊神经网络 | 第49-54页 |
5.1 模糊控制系统的组成和基本原理 | 第49-51页 |
5.2 模糊控制与神经网络 | 第51-52页 |
5.2.1 模糊系统的特点 | 第51页 |
5.2.2 神经网络的特点 | 第51页 |
5.2.3 模糊系统和神经网络的关系 | 第51-52页 |
5.3 模糊神经网络 | 第52-54页 |
5.3.1 模糊神经网络的发展 | 第52页 |
5.3.2 模糊神经网络的结构 | 第52-54页 |
第六章 城市交通干线多路口的协调控制 | 第54-67页 |
6.1 城市交通干线协调控制 | 第54-57页 |
6.1.1 问题描述 | 第54-55页 |
6.1.2 分层递阶控制原理 | 第55-57页 |
6.2 干线分层递阶模糊控制 | 第57-62页 |
6.2.1 控制过程 | 第57页 |
6.2.2 控制层控制器设计 | 第57-59页 |
6.2.3 协调层控制器设计 | 第59-62页 |
6.3 模糊神经网络的实现 | 第62-63页 |
6.4 计算机仿真 | 第63-67页 |
第七章 小结 | 第67-69页 |
附录 | 第69-71页 |
参考文献 | 第71-75页 |
致谢 | 第75-76页 |
攻读硕士学位期间发表的论文 | 第76-77页 |
学位论文评阅及答辩情况表 | 第77页 |