基于多源数据的单点过饱和动态信号控制研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题来源 | 第11页 |
| 1.2 研究背景及意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 过饱和交通状态判别 | 第12-13页 |
| 1.3.2 过饱和交叉口信号优化 | 第13-15页 |
| 1.3.3 研究现状总结 | 第15页 |
| 1.4 研究内容及技术路线 | 第15-18页 |
| 1.4.1 研究内容 | 第15-17页 |
| 1.4.2 技术路线 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 过饱和交叉口交通信号控制目标分析 | 第19-35页 |
| 2.1 过饱和交叉口的界定方法 | 第19-20页 |
| 2.2 过饱和交叉口交通流特性分析 | 第20-30页 |
| 2.2.1 车辆到达分布分析 | 第20-23页 |
| 2.2.2 车辆受阻过程分析 | 第23-24页 |
| 2.2.3 车辆排队集结与消散过程分析 | 第24-27页 |
| 2.2.4 车辆延误特性分析 | 第27-30页 |
| 2.2.5 绿灯时间利用率分析 | 第30页 |
| 2.3 控制策略分析 | 第30-32页 |
| 2.3.1 动态信号控制 | 第30-31页 |
| 2.3.2 排队率相等 | 第31页 |
| 2.3.3 主动排队控制 | 第31-32页 |
| 2.3.4 延误最小化控制 | 第32页 |
| 2.4 信号控制指标 | 第32-34页 |
| 2.4.1 通行能力 | 第33页 |
| 2.4.2 延误时间 | 第33-34页 |
| 2.4.3 排队长度 | 第34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于线圈检测的交通数据研究 | 第35-46页 |
| 3.1 线圈检测技术简介 | 第35页 |
| 3.2 线圈交通数据的采集分析 | 第35-37页 |
| 3.3 交通流量预测分析 | 第37-41页 |
| 3.3.1 基于自适应权重指数平滑法的流量预测 | 第37-39页 |
| 3.3.2 流量预测实例分析 | 第39-41页 |
| 3.4 排队长度预测分析 | 第41-45页 |
| 3.4.1 基于定数理论的排队长度预测 | 第42-43页 |
| 3.4.2 排队长度预测实例分析 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于视频检测的交通数据研究 | 第46-57页 |
| 4.1 车牌自动识别技术简介 | 第46-47页 |
| 4.2 视频交通数据的采集分析 | 第47-48页 |
| 4.3 车辆延误时间预测分析 | 第48-53页 |
| 4.3.1 基于BP神经网络算法的延误时间预测 | 第48-52页 |
| 4.3.2 延误时间预测实例分析 | 第52-53页 |
| 4.4 基于卡尔曼滤波技术的交通信息融合分析 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 单点过饱和交叉口信号配时优化研究 | 第57-69页 |
| 5.1 基于粒子群算法的信号配时优化模型 | 第57-61页 |
| 5.1.1 信号配时优化计算模型 | 第57页 |
| 5.1.2 粒子群优化模型算法 | 第57-61页 |
| 5.2 实例路口配时优化与仿真评价 | 第61-68页 |
| 5.2.1 实例路口现状分析 | 第61-63页 |
| 5.2.2 信号配时优化 | 第63-65页 |
| 5.2.3 仿真评价分析 | 第65-68页 |
| 5.3 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 论文主要研究成果 | 第69页 |
| 6.2 展望待进一步解决的问题 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录A | 第76页 |
