首页--交通运输论文--公路运输论文--交通工程与公路运输技术管理论文--交通工程与交通管理论文--线路交通安全设施论文

群智能算法在智能交通中的研究与应用

摘要第1-4页
ABSTRACT第4-8页
第一章 绪论第8-13页
   ·研究背景第8-9页
   ·研究意义第9-10页
   ·国内外研究现状第10-11页
     ·交通流量预测第10页
     ·交通信号控制方法第10-11页
   ·存在问题及发展趋势第11-12页
   ·本文的研究内容和结构安排第12-13页
第二章 基于自适应混沌搜索的粒子群优化算法第13-32页
   ·粒子群优化算法及改进算法第13-24页
     ·基本粒子群算法第13页
     ·GCPSO 算法第13-14页
     ·混沌粒子群优化算法第14-16页
     ·改进PSO 算法的实验研究第16-24页
   ·基于自适应混沌搜索的粒子群优化算法第24-31页
     ·混沌映射与混沌序列第24-25页
     ·基于自适应混沌搜索的粒子群优化算法第25-27页
     ·算法效果分析第27-31页
   ·小结第31-32页
第三章 基于小波分析、遗传算法、神经网络的交通流预测第32-45页
   ·小波变换及其多尺度分析第32-35页
   ·基于小波分析的交通流消噪第35-37页
   ·神经网络预测模型第37页
     ·数据预处理第37页
     ·神经网络预测模型第37页
   ·基于遗传算法优化的神经网络第37-38页
   ·基于多尺度分析与遗传算法优化神经网络的交通流预测第38-39页
   ·仿真实验第39-43页
     ·数据源第39页
     ·误差指标定义第39-40页
     ·参数设置第40页
     ·结果分析第40-43页
   ·小结第43-45页
第四章 基于多粒子群优化算法和神经网络的交通流预测第45-54页
   ·多种群协同进化粒子群算法第45-48页
     ·微调策略第45-46页
     ·自适应混沌搜索勘探策略第46-47页
     ·种群之间共享信息第47页
     ·算法设计第47-48页
   ·神经网络测模型第48-49页
     ·数据预处理第48-49页
     ·神经网络预测模型第49页
   ·多粒子群算法优化BP 神经网络第49-50页
   ·基于多粒子群优化算法和神经网络的交通流预测第50-53页
     ·数据源第50页
     ·误差指标定义第50页
     ·参数设置第50-51页
     ·结果分析第51-53页
   ·小结第53-54页
第五章 基于粒子群优化算法的交叉口信号优化控制第54-61页
   ·交叉口信号控制模型第54-56页
     ·模型的参数分析第54-55页
     ·优化模型第55-56页
   ·最佳配时优化算法第56-57页
     ·Webster 算法第56-57页
     ·基于遗传算法的交通配时优化第57页
     ·基于粒子群算法的交通配时优化第57页
   ·实例分析第57-60页
     ·路口现状第57-58页
     ·实时优化控制第58-60页
   ·小结第60-61页
第六章 基于群智能算法的交叉路口多相位信号配时优化第61-70页
   ·种群小生境粒子群算法(SNPSO)第61-62页
     ·基本概念第61-62页
     ·算法设计第62页
   ·多相位信号配时优化模型第62-65页
     ·车流组合与相位映射关系第62-63页
     ·交叉口信号控制模型的参数分析第63-64页
     ·优化目标函数第64-65页
   ·基于种群小生境粒子群算法的交叉口相位优化和配时优化第65-68页
     ·路口现状第66页
     ·交叉口优化控制第66-68页
   ·小结第68-70页
第七章 交叉口优化模型仿真系统第70-80页
   ·系统建设目标和功能需求第70-71页
     ·建设目标第70页
     ·功能需求第70-71页
   ·系统构成第71-72页
   ·道路交通状况评价第72-73页
   ·系统实现第73-79页
     ·交叉口基本信息第74-75页
     ·模型管理第75-76页
     ·交通流预测第76-77页
     ·交叉口信号优化第77-78页
     ·优化效果第78-79页
   ·小结第79-80页
总结与展望第80-82页
致谢第82-83页
参考文献第83-87页
在学期间发表的论著及参与的科研项目第87页

论文共87页,点击 下载论文
上一篇:基于节能减排的车辆路径问题及优化算法研究
下一篇:基于数据挖掘和数据融合的短时交通流预测研究