城市动态路径诱导系统框架及最优路径选择算法研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-16页 |
| 1．1 研究背景 | 第9-13页 |
| 1．1．1 交通问题的提出 | 第9页 |
| 1．1．2 出行者信息系统的提出 | 第9-12页 |
| 1．1．3 出行者信息系统发展史 | 第12页 |
| 1．1．4 路径诱导系统的分类 | 第12-13页 |
| 1．2 路径诱导系统的研究现状 | 第13-15页 |
| 1．2．1 国外研究情况介绍 | 第13-15页 |
| 1．2．2 我国研究情况介绍 | 第15页 |
| 1．3 本文的主要研究工作 | 第15-16页 |
| 2 动态路径诱导系统框架研究 | 第16-31页 |
| 2．1 概述 | 第16-19页 |
| 2．1．1 研究意义 | 第16页 |
| 2．1．2 理论基础及技术支持 | 第16-18页 |
| 2．1．3 研究思路与要解决的问题 | 第18-19页 |
| 2．2 动态路径诱导系统的功能要求 | 第19-20页 |
| 2．2．1 系统功能 | 第19页 |
| 2．2．2 具体功能要求 | 第19-20页 |
| 2．3 动态路径诱导系统的系统设计基础 | 第20-27页 |
| 2．3．1 定位方法选择 | 第20-22页 |
| 2．3．2 实时交通信息的获取 | 第22-23页 |
| 2．3．3 诱导方式的选择 | 第23-25页 |
| 2．3．4 通信方式 | 第25-26页 |
| 2．3．5 在何处进行交通信息预测 | 第26页 |
| 2．3．6 各种数据的存储与更新以及数据库的处理 | 第26-27页 |
| 2．4 动态路径诱导系统的框架设计 | 第27-29页 |
| 2．4．1 交通信息中心TIC | 第27-28页 |
| 2．4．2 通信系统 | 第28页 |
| 2．4．3 车载导航系统ONS | 第28-29页 |
| 2．5 小结 | 第29-31页 |
| 3 最优路径选择算法 | 第31-34页 |
| 3．1 传统最优路径选择算法 | 第31-32页 |
| 3．2 适用于路径诱导的最优路径算法 | 第32-33页 |
| 3．3 小结 | 第33-34页 |
| 4 基于遗传算法的最优路径选择算法 | 第34-50页 |
| 4．1 遗传算法的基本概念 | 第34-36页 |
| 4．2 算法的基本描述 | 第36-44页 |
| 4．2．1 路网的表示 | 第36页 |
| 4．2．2 染色体编码 | 第36-37页 |
| 4．2．3 适应度函数定义 | 第37-38页 |
| 4．2．4 选择 | 第38-39页 |
| 4．2．5 交叉 | 第39-40页 |
| 4．2．6 变异 | 第40-41页 |
| 4．2．7 群体更新方式 | 第41页 |
| 4．2．8 遗传算法运行参数的选取 | 第41-42页 |
| 4．2．9 本文遗传算法的框图表示 | 第42-43页 |
| 4．2．10 算法的程序实现 | 第43-44页 |
| 4．3 应用举例 | 第44-49页 |
| 4．4 小结 | 第49-50页 |
| 5 遗传算法的并行实现 | 第50-55页 |
| 5．1 遗传算法的本质并行性 | 第50页 |
| 5．2 遗传算法的并行处理 | 第50-53页 |
| 5．2．1 主从式并行遗传算法 | 第50-51页 |
| 5．2．2 粗粒度并行遗传算法 | 第51-52页 |
| 5．2．3 细粒度并行遗传算法 | 第52-53页 |
| 5．3 适用于最优路径计算的并行遗传算法 | 第53-54页 |
| 5．4 小结 | 第54-55页 |
| 6 全文总结 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 附：作者在攻读硕士学位期间发表的论文目录 | 第59页 |
