| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-18页 |
| ·研究背景 | 第7-8页 |
| ·研究意义 | 第8-9页 |
| ·国内外研究现状 | 第9-16页 |
| ·基本概念 | 第9-10页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·国内外研究小结 | 第12-16页 |
| ·论文主要研究内容 | 第16-17页 |
| ·论文的技术路线 | 第17-18页 |
| 第2章 互通立交合流区数据调查与分析 | 第18-25页 |
| ·研究范围和对象确定 | 第18-19页 |
| ·北京市快速路系统互通立交概况 | 第18页 |
| ·北京市互通立交功能分类 | 第18-19页 |
| ·确定研究对象 | 第19页 |
| ·互通立交合流区数据调查与处理 | 第19-24页 |
| ·调查目的 | 第19-20页 |
| ·调查内容 | 第20页 |
| ·交通调查方案设计 | 第20-21页 |
| ·调查数据的处理 | 第21-22页 |
| ·调查数据的有效性分析 | 第22-23页 |
| ·调查数据统计分析 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 互通立交合流区交通特性分析 | 第25-35页 |
| ·数据统计间隔的确定 | 第25-28页 |
| ·合流区交通流统计特征分析 | 第28-30页 |
| ·同一位置不同车道流量对比关系 | 第28-29页 |
| ·同一位置不同车道速度对比关系 | 第29-30页 |
| ·基于实测数据的合流区通行能力和临界速度估计 | 第30-33页 |
| ·本章小结 | 第33-35页 |
| 第4章 基于 GA-BP 的互通立交合流区通行能力建模 | 第35-58页 |
| ·BP 神经网络概述 | 第35-37页 |
| ·BP 神经网络学习规则 | 第35-36页 |
| ·BP 神经网络的特点 | 第36-37页 |
| ·GA-BP 模型在互通立交合流区通行能力建模的可行性分析 | 第37-38页 |
| ·BP 确定通行能力的思路 | 第38-39页 |
| ·BP 模型的建立 | 第39-48页 |
| ·输入输出变量的分析 | 第39-41页 |
| ·网络结构的建立 | 第41-43页 |
| ·训练算法及参数确定 | 第43-45页 |
| ·网络训练流程 | 第45-46页 |
| ·网络训练及检验 | 第46-48页 |
| ·遗传算法优化 BP 网络 | 第48-51页 |
| ·遗传算法概述 | 第48页 |
| ·遗传算法实现流程 | 第48-49页 |
| ·遗传算法对 BP 神经网络的改进 | 第49-51页 |
| ·基于 GA-BP 神经网络的通行能力分析 | 第51-58页 |
| ·遗传算法参数设置 | 第51-52页 |
| ·GA-BP 网络训练流程 | 第52-53页 |
| ·网络训练检验 | 第53-54页 |
| ·BP 与 GA-BP 网络模型的对比 | 第54-56页 |
| ·通行能力的确定 | 第56-58页 |
| 第5章 基于 VISSIM 的互通立交合流区通行能力研究 | 第58-69页 |
| ·交通仿真的目的和作用 | 第58页 |
| ·仿真软件的选取 | 第58-59页 |
| ·互通立交合流区交通仿真分析 | 第59-67页 |
| ·模型构建 | 第59-60页 |
| ·模型标定 | 第60-62页 |
| ·模型验证 | 第62-66页 |
| ·确定通行能力 | 第66-67页 |
| ·方法对比分析 | 第67-69页 |
| 第6章 结论与展望 | 第69-71页 |
| ·论文主要结论 | 第69-70页 |
| ·研究展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间发表学术论文情况 | 第75-76页 |
| 附录 | 第76-78页 |
