| 提要 | 第1-20页 |
| 第一章 绪论 | 第20-38页 |
| ·课题来源 | 第20页 |
| ·本论文研究背景、目的和意义 | 第20-28页 |
| ·研究背景 | 第20-22页 |
| ·交通控制与诱导协同的必要性分析 | 第22-27页 |
| ·研究目的及其意义 | 第27-28页 |
| ·交通控制和诱导协同研究的现状 | 第28-35页 |
| ·交通控制与诱导协同的研究的现有成果 | 第28-33页 |
| ·交通控制与诱导协同目前存在的问题 | 第33-35页 |
| ·本文的研究思路和内容 | 第35-36页 |
| ·小结 | 第36-38页 |
| 第二章 基于MAS的交通控制与诱导的协同框架研究 | 第38-68页 |
| ·多智能体技术 | 第39-48页 |
| ·多智能体概述 | 第39-47页 |
| ·多智能体在交通中的应用可行性分析 | 第47-48页 |
| ·基于MAS的智能决策支持系统 | 第48-60页 |
| ·IDSS概述 | 第49-53页 |
| ·基于MAS的IDSS研究现状 | 第53-57页 |
| ·基于MAS的IDSS在交通中的应用 | 第57-60页 |
| ·基于MAS的交通控制与诱导的协同框架 | 第60-66页 |
| ·基于MAS的交通控制与诱导的协同框架 | 第60-62页 |
| ·交通控制与诱导协同中的Agent建模 | 第62-65页 |
| ·Agent之间的协调 | 第65-66页 |
| ·小结 | 第66-68页 |
| 第三章 交通控制与交通诱导协同的信息处理 | 第68-98页 |
| ·交通控制与交通诱导协同信息分析 | 第68-74页 |
| ·基础交通信息 | 第70-72页 |
| ·交通控制与交通诱导信息需求分析 | 第72-74页 |
| ·交通控制与交通诱导协同信息采集 | 第74-77页 |
| ·常用交通信息采集技术 | 第74页 |
| ·行程时间的采集技术 | 第74-77页 |
| ·交通控制与交通诱导协同信息处理技术 | 第77-97页 |
| ·交通信息预处理内容 | 第77-79页 |
| ·异常交通数据处理 | 第79-90页 |
| ·交通控制与交通诱导协同信息融合技术 | 第90-91页 |
| ·基于D-S理论的车型识别法统计交通流量的方法研究 | 第91-97页 |
| ·本章小结 | 第97-98页 |
| 第四章 基于MAS的子区交通控制与诱导协同优化 | 第98-122页 |
| ·交通控制与诱导协同优化建模 | 第98-108页 |
| ·交通控制与诱导协同优化过程分析 | 第98-99页 |
| ·交通控制与交通诱导协同实现子区域划分 | 第99-101页 |
| ·交通控制与诱导协同协同建模前提 | 第101-102页 |
| ·交通控制和诱导协同建模的常用函数 | 第102-108页 |
| ·基于强化学习的交通控制和交通诱导协同优化 | 第108-117页 |
| ·强化学习 | 第108-111页 |
| ·遗传算法 | 第111-115页 |
| ·基于强化学习和遗传算法的交通控制和诱导协同的优化算法 | 第115-117页 |
| ·仿真分析 | 第117-121页 |
| ·路网模型参数设定 | 第117-118页 |
| ·路网算法求解 | 第118-119页 |
| ·仿真结果分析 | 第119-121页 |
| ·小结 | 第121-122页 |
| 第五章 基于MAS的交通控制与诱导协同决策层全局优化策略研究 | 第122-146页 |
| ·基于知识模型在在交通控制和诱导协同决策层的应用 | 第122-130页 |
| ·交通控制和诱导协同中的知识模型 | 第122-129页 |
| ·基于知识的MAS-IDSS在交通控制和诱导协同中的模型 | 第129-130页 |
| ·基于MAS的智能决策支持系统的决策模型建立 | 第130-144页 |
| ·基于Q学习的MASI-DSS在交通控制和诱导协同中的模型 | 第130-139页 |
| ·基于博弈论的MAS-IDSS在交通控制和诱导协同中的模型 | 第139-144页 |
| ·系统评价指标 | 第144页 |
| ·小结 | 第144-146页 |
| 第六章 全文总结与展望 | 第146-148页 |
| 参考文献 | 第148-156页 |
| 攻博期间的论文发表、参与项目 | 第156-158页 |
| 1 攻博期间发表的学术论文 | 第156-157页 |
| 2 攻博期间参与的科研项目 | 第157-158页 |
| 致谢 | 第158-159页 |
| 摘要 | 第159-162页 |
| ABSTRACT | 第162-164页 |
