| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第10-24页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-20页 |
| 1.2.1 定时控制 | 第12-13页 |
| 1.2.2 感应控制 | 第13-14页 |
| 1.2.3 智能控制 | 第14-18页 |
| 1.2.4 协调控制 | 第18-20页 |
| 1.3 研究内容与结构 | 第20-23页 |
| 1.3.1 研究内容 | 第20-21页 |
| 1.3.2 论文结构安排 | 第21-23页 |
| 1.4 本章小结 | 第23-24页 |
| 2 快速路入口匝道控制系统的基本问题研究 | 第24-41页 |
| 2.1 快速路入口匝道控制问题 | 第24-25页 |
| 2.2 快速路交通流模型 | 第25-30页 |
| 2.2.1 动态密度模型 | 第27-28页 |
| 2.2.2 动态速度模型 | 第28-29页 |
| 2.2.3 动态流量模型 | 第29-30页 |
| 2.3 入口匝道控制算法 | 第30-40页 |
| 2.3.1 定时控制 | 第31页 |
| 2.3.2 需求容量控制 | 第31-32页 |
| 2.3.3 占有率控制 | 第32-33页 |
| 2.3.4 ALINEA控制 | 第33-35页 |
| 2.3.5 基于BP神经网络的入口匝道控制 | 第35-40页 |
| 2.4 本章小结 | 第40-41页 |
| 3 支持向量回归机算法研究 | 第41-57页 |
| 3.1 支持向量回归机基本算法 | 第41-50页 |
| 3.2 支持向量回归机的参数选择与优化方法研究 | 第50-56页 |
| 3.3 本章小结 | 第56-57页 |
| 4 基于支持向量回归机的入口匝道控制模型研究 | 第57-71页 |
| 4.1 基于支持向量回归机的交通流密度预测模型 | 第57-65页 |
| 4.1.1 数据采集与处理 | 第58-61页 |
| 4.1.2 交通流密度预测模型 | 第61-64页 |
| 4.1.3 交通流预测模型的评价指标 | 第64-65页 |
| 4.2 基于支持向量回归机的入口匝道控制模型 | 第65-70页 |
| 4.2.1 基于当前误差信息的SVR入口匝道控制模型 | 第66-67页 |
| 4.2.2 基于历史误差和当前误差信息的SVR入口匝道控制模型 | 第67-68页 |
| 4.2.3 基于历史、当前和预测误差信息的SVR入口匝道控制模型 | 第68-69页 |
| 4.2.4 入口匝道控制模型的评价指标 | 第69-70页 |
| 4.3 本章小结 | 第70-71页 |
| 5 模型的训练与仿真分析 | 第71-87页 |
| 5.1 数据的获取 | 第71-75页 |
| 5.2 交通流密度预测模型的训练与仿真分析 | 第75-78页 |
| 5.2.1 交通流密度预测模型的训练 | 第75-78页 |
| 5.2.2 交通流密度预测模型的仿真分析 | 第78页 |
| 5.3 入口匝道控制模型的训练与仿真分析 | 第78-86页 |
| 5.3.1 基于支持向量机的入口匝道控制模型的训练 | 第80-82页 |
| 5.3.2 入口匝道控制模型的仿真分析 | 第82-86页 |
| 5.4 本章小结 | 第86-87页 |
| 6 结论与展望 | 第87-89页 |
| 6.1 主要研究成果 | 第87-88页 |
| 6.2 工作展望 | 第88-89页 |
| 参考文献 | 第89-93页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第93-95页 |
| 学位论文数据集 | 第95页 |
