| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-18页 |
| ·选题背景 | 第11-12页 |
| ·国内外研究概况 | 第12-15页 |
| ·国外研究概况 | 第12-13页 |
| ·国内研究概况 | 第13-15页 |
| ·课题研究的内容和目标 | 第15-16页 |
| ·内容安排 | 第16-18页 |
| 第2章 交通流模型及入口匝道控制分析 | 第18-30页 |
| ·高速公路交通流模型 | 第18-19页 |
| ·宏观动态交通流数学模型 | 第19-23页 |
| ·动态密度模型 | 第20-21页 |
| ·动态流量模型 | 第21页 |
| ·动态速度模型 | 第21-23页 |
| ·高速公路系统性能指标 | 第23-24页 |
| ·入口匝道平均等待时间最小指标 | 第23页 |
| ·总行程时间最小的性能指标 | 第23页 |
| ·总的服务流量最大的性能指标 | 第23-24页 |
| ·"动能"最大的性能指标 | 第24页 |
| ·行程时间延误最小指标 | 第24页 |
| ·高速公路入口匝道控制 | 第24-29页 |
| ·静态匝道控制 | 第25-26页 |
| ·动态匝道控制 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 高速公路交通流预测模型研究 | 第30-44页 |
| ·ELMAN神经网络的原理 | 第30-34页 |
| ·人工神经网络简述 | 第30-32页 |
| ·Elman神经网络的结构 | 第32-33页 |
| ·Elman神经网络的学习过程 | 第33-34页 |
| ·粒子群优化算法 | 第34-37页 |
| ·粒子群算法的生物模型 | 第34页 |
| ·粒子群算法基本原理 | 第34-35页 |
| ·粒子群算法流程 | 第35-36页 |
| ·参数设置 | 第36-37页 |
| ·基于PSO算法的ELMAN神经网络混合优化策略 | 第37-41页 |
| ·PSO-Elman策略基本思想 | 第37-38页 |
| ·PSO-Elman混合优化算法设计步骤 | 第38-40页 |
| ·PSO-Elman混合优化流程 | 第40-41页 |
| ·基于PSO-ELMAN的神经网络辨识预测器仿真试验 | 第41-43页 |
| ·基于PSO-Elman的神经网络辨识预测器(NNI) | 第41页 |
| ·仿真试验与比较 | 第41-43页 |
| ·高速公路交通流密度预测实例 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于PSO-ELMAN神经网络的高速公路交通流建模与仿真 | 第44-53页 |
| ·引言 | 第44-45页 |
| ·高速公路交通流预测原理 | 第45-46页 |
| ·PSO-ELMAN神经网络对动态交通流的建模 | 第46-52页 |
| ·输入输出变量的选择 | 第46-47页 |
| ·数据的预处理 | 第47-48页 |
| ·网络设计 | 第48-49页 |
| ·性能分析 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 基于PSO的入口匝道神经网络预测控制模型与仿真 | 第53-69页 |
| ·引言 | 第53页 |
| ·神经网络预测控制 | 第53-56页 |
| ·预测控制的基本原理 | 第53-54页 |
| ·神经网络预测控制的一般结构 | 第54-56页 |
| ·基于PSO算法的ELMAN神经网络预测控制 | 第56-58页 |
| ·Elman神经网络预测模型的建立 | 第56-57页 |
| ·基于PSO算法的滚动优化 | 第57页 |
| ·反馈校正设计 | 第57-58页 |
| ·算法设计与结果比较 | 第58-68页 |
| ·约束处理 | 第58-60页 |
| ·仿真参数设置 | 第60-63页 |
| ·仿真结果与比较 | 第63-68页 |
| ·本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第76页 |
