城市智能交通系统交通流协同优化与诱导关键技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 目录 | 第9-11页 |
| 1 绪论 | 第11-26页 |
| ·研究的背景及意义 | 第11-13页 |
| ·城市智能交通系统关键技术的国内外研究现状 | 第13-23页 |
| ·交通信号控制技术研究现状 | 第13-18页 |
| ·移动车载传感器网络研究现状 | 第18-20页 |
| ·交通流诱导研究现状 | 第20-23页 |
| ·论文的主要研究内容 | 第23-24页 |
| ·论文的组织 | 第24-26页 |
| 2 城市智能交通系统交通流优化与诱导方法研究 | 第26-43页 |
| ·城市交通流的协同优化与诱导 | 第26-29页 |
| ·城市交通流控制与路径诱导的主要要素 | 第26-28页 |
| ·城市交通流运行状态描述的基本参数 | 第28-29页 |
| ·城市交通流的研究与分析 | 第29-32页 |
| ·大规模城市交通路网的信号控制和诱导难点分析 | 第32-36页 |
| ·通信均衡的实时交通数据的收集 | 第32-34页 |
| ·域均衡的城市交通流信号控制优化 | 第34-35页 |
| ·满足时延约束的在线交通流诱导 | 第35-36页 |
| ·城市交通流协同优化与诱导的设计方案 | 第36-42页 |
| ·基于同心均衡分簇的数据收集和交通流预测 | 第39页 |
| ·基于相邻路口协同的交通信号控制优化策略 | 第39-40页 |
| ·增量搜索的自主车流交通诱导 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 3 实时智能交通数据收集与交通流预测 | 第43-66页 |
| ·城市智能交通中的数据收集与预测技术分析研究 | 第43-47页 |
| ·车载传感器网络数据收集协议的特点 | 第43-47页 |
| ·交通流预测方法分析研究 | 第47页 |
| ·车载传感器网络通信模式建立 | 第47-49页 |
| ·基于同心均衡分簇的数据收集算法研究 | 第49-59页 |
| ·车载传感器网络模型和基本假定 | 第50-51页 |
| ·基于同心均衡分簇的路由选择算法 | 第51-59页 |
| ·基于自适应粒子滤波的交通流预测算法 | 第59-65页 |
| ·交通流量动态状态空间模型 | 第59-61页 |
| ·基于置信水平的自适应粒子滤波算法 | 第61-65页 |
| ·本章小结 | 第65-66页 |
| 4 城市交通网络的学习优化协同控制策略 | 第66-89页 |
| ·城市交通路口信号控制的基本控制输入 | 第66-70页 |
| ·城市交通路口信号控制的基本控制方式 | 第70-72页 |
| ·城市交通流的分段仿射模型和优化目标 | 第72-75页 |
| ·城市交通网络的学习优化协同控制策略 | 第75-88页 |
| ·学习优化协同控制策略设计 | 第76-84页 |
| ·仿真与分析 | 第84-88页 |
| ·本章小结 | 第88-89页 |
| 5 智能交通系统交通流诱导任务的分解与路径选择 | 第89-108页 |
| ·智能交通系统交通流诱导问题和应用 | 第89-94页 |
| ·智能交通流诱导系统的应用 | 第89-92页 |
| ·智能交通流诱导系统的交通分配与路径选择 | 第92-94页 |
| ·多源多目标群体车流量的交通诱导任务分解与协调 | 第94-100页 |
| ·基于带权与或树的群体车流量交通诱导任务分解 | 第94-98页 |
| ·交通诱导任务分解的AOE网数学模型 | 第98-100页 |
| ·智能交通诱导的动态重规划路径选择方法 | 第100-104页 |
| ·智能交通诱导的路网模型 | 第100-101页 |
| ·基于动态重规划的智能交通路径选择 | 第101-104页 |
| ·智能交通诱导的仿真与分析 | 第104-107页 |
| ·本章小结 | 第107-108页 |
| 6 总结与展望 | 第108-111页 |
| ·主要研究内容与结论 | 第108-110页 |
| ·展望 | 第110-111页 |
| 参考文献 | 第111-121页 |
| 附录1 图索引 | 第121-123页 |
| 致谢 | 第123-124页 |
| 攻读博士学位期间主要研究成果 | 第124-125页 |
