基于交通流模式的交叉口动态信号控制研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 1 绪论 | 第8-15页 |
| ·研究背景 | 第8-9页 |
| ·交通信号控制方法研究现状 | 第9-12页 |
| ·研究思路 | 第12-13页 |
| ·研究内容 | 第13-15页 |
| 2 城市交叉口交通信号控制基础 | 第15-19页 |
| ·交通信号控制的基本术语 | 第15-16页 |
| ·信号控制常用的评价指标 | 第16-19页 |
| 3 交通流模式划分 | 第19-33页 |
| ·交通流特征分析 | 第19-21页 |
| ·模糊聚类分析 | 第21-22页 |
| ·模糊C均值聚类算法 | 第22-25页 |
| ·FCM算法基本概念 | 第22-23页 |
| ·FCM算法 | 第23-24页 |
| ·FCM算法程序 | 第24-25页 |
| ·聚类质量评价 | 第25-27页 |
| ·交通流模式的传统定义 | 第27-31页 |
| ·交通流模式的聚类定义 | 第31-33页 |
| 4 信号配时设计 | 第33-45页 |
| ·信号配时设计流程 | 第33页 |
| ·信号配时设计方法 | 第33-39页 |
| ·TRRL法 | 第33-38页 |
| ·ARRB法 | 第38页 |
| ·HCM法 | 第38-39页 |
| ·用于信号控制设计的交通流仿真 | 第39-43页 |
| ·交通流仿真模型 | 第39-41页 |
| ·典型交通仿真软件介绍 | 第41-43页 |
| ·南京市北京西路交叉口信号配时设计 | 第43-45页 |
| 5 短时交通流预测研究与分析 | 第45-52页 |
| ·概述 | 第45-47页 |
| ·加权平均短时交通预测法 | 第47-49页 |
| ·短时交通流预测权重 | 第49-50页 |
| ·方法验证 | 第50-52页 |
| ·固定权重预测法 | 第50页 |
| ·自适应权重预测法 | 第50-52页 |
| 6 基于模糊-神经网络的交通流模式决策 | 第52-68页 |
| ·概述 | 第52-56页 |
| ·模糊-神经网络 | 第52-55页 |
| ·用于模式划分的ANN分类 | 第55-56页 |
| ·连续输入督导式神经网络 | 第56页 |
| ·ANN训练与BP算法 | 第56-65页 |
| ·ANN训练 | 第56-58页 |
| ·BP算法 | 第58-63页 |
| ·BP算法的MATLAB程序 | 第63-65页 |
| ·交通流模式匹配 | 第65-66页 |
| ·测试分析 | 第66-68页 |
| ·模式选择持续性测试 | 第66页 |
| ·动态交通流变化反应测试 | 第66-67页 |
| ·方法的稳定性与鲁棒性 | 第67-68页 |
| 7 案例分析 | 第68-77页 |
| ·交叉口现状分析 | 第68-71页 |
| ·交叉口现状 | 第68页 |
| ·交通流量 | 第68-70页 |
| ·信号配时现状与分析 | 第70-71页 |
| ·基于交通流模式的交叉口动态信号控制方法应用 | 第71-77页 |
| 8 总结和展望 | 第77-79页 |
| ·总结 | 第77-78页 |
| ·展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-83页 |
