| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外交通控制研究现状 | 第9-11页 |
| 1.3 本文主要研究内容 | 第11页 |
| 1.4 论文的组织结构 | 第11-13页 |
| 第二章 智能交通技术 | 第13-19页 |
| 2.1 交通信号控制概述 | 第13-14页 |
| 2.1.1 交通相位与相位周期 | 第13页 |
| 2.1.2 信号控制参数 | 第13-14页 |
| 2.2 智能交通控制系统 | 第14-15页 |
| 2.3 自学习自适应交通控制技术 | 第15-18页 |
| 2.3.1 智能模糊控制技术 | 第15-16页 |
| 2.3.2 Q学习算法 | 第16-18页 |
| 2.3.3 神经网络与Q学习相结合 | 第18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 基于Q学习及模糊技术的自适应交通信号控制研究 | 第19-27页 |
| 3.1 引言 | 第19页 |
| 3.2 基于模糊技术的Q学习改进研究 | 第19-26页 |
| 3.2.1 Q学习算法基本流程 | 第19-20页 |
| 3.2.2 基于Q学习的自适应交通控制系统 | 第20-21页 |
| 3.2.3 针对交通状态的算法优化及改进 | 第21-26页 |
| 3.3 本章小结 | 第26-27页 |
| 第四章 基于状态融合及FE-Q学习的交通信号自适应控制 | 第27-37页 |
| 4.1 引言 | 第27页 |
| 4.2 单路口信号灯控制系统建模 | 第27-28页 |
| 4.3 基于改进Q学习的自适应交通控制系统 | 第28-31页 |
| 4.3.1 交通控制系统模型的建立 | 第28-29页 |
| 4.3.2 模糊评价器及状态融合模型的建立 | 第29-31页 |
| 4.4 FE-Q学习自适应交通控制系统控制流程 | 第31-32页 |
| 4.5 仿真实验 | 第32-36页 |
| 4.6 本章小结 | 第36-37页 |
| 第五章 基于FE-Q学习的多路口自适应交通协调控制 | 第37-46页 |
| 5.1 引言 | 第37页 |
| 5.2 基于FE-Q学习的多路口自适应协调控制技术 | 第37-41页 |
| 5.2.1 路口间协调控制研究 | 第37-38页 |
| 5.2.2 路口间相位差的获取 | 第38-39页 |
| 5.2.3 基于车辆平均延误及速度的Q学习反馈机制 | 第39页 |
| 5.2.4 基于相位差的路口配时方案协调 | 第39-41页 |
| 5.3 基于FE-Q学习的多路口自适应协调控制系统构造 | 第41-42页 |
| 5.4 仿真实验 | 第42-45页 |
| 5.5 本章小结 | 第45-46页 |
| 第六章 总结与展望 | 第46-48页 |
| 6.1 工作总结 | 第46页 |
| 6.2 研究展望 | 第46-48页 |
| 参考文献 | 第48-50页 |
| 附录 攻读硕士学位期间取得的科研成果 | 第50-51页 |
| 致谢 | 第51页 |
