危化品公路运输调度优化与预警技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 缩略词 | 第10-11页 |
| 第一章 绪论 | 第11-20页 |
| ·研究背景及意义 | 第11-12页 |
| ·危化品公路运输管理研究现状 | 第12-14页 |
| ·关键技术研究现状 | 第14-18页 |
| ·车辆调度优化技术 | 第14-16页 |
| ·疲劳状态识别技术 | 第16-18页 |
| ·论文主要工作及结构安排 | 第18-20页 |
| ·论文主要工作 | 第18-19页 |
| ·论文结构安排 | 第19-20页 |
| 第二章 危化品运输调度与监管系统设计 | 第20-34页 |
| ·系统需求分析 | 第20-29页 |
| ·系统功能需求 | 第20-22页 |
| ·主要业务处理流程 | 第22-29页 |
| ·系统性能需求 | 第29页 |
| ·系统总体框架 | 第29-31页 |
| ·关键技术 | 第31-33页 |
| ·车辆调度优化 | 第31-32页 |
| ·安全监控 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 MODVRP建模及优化 | 第34-48页 |
| ·MODVRP描述及建模 | 第34-36页 |
| ·两阶段求解策略流程 | 第36-37页 |
| ·预优化阶段 | 第37-41页 |
| ·MOHPSO算法 | 第38-40页 |
| ·自适应网格算子 | 第40页 |
| ·算法具体步骤 | 第40-41页 |
| ·实时优化阶段 | 第41-43页 |
| ·贪婪插入 | 第41页 |
| ·变邻域搜索 | 第41-43页 |
| ·实验及结果分析 | 第43-46页 |
| ·本章小结 | 第46-48页 |
| 第四章 基于深度学习的疲劳状态识别算法 | 第48-61页 |
| ·深度学习相关概念 | 第48-51页 |
| ·深度学习思想 | 第48-49页 |
| ·限制玻尔兹曼机 | 第49-50页 |
| ·深信度网络 | 第50-51页 |
| ·疲劳识别相关算法 | 第51-53页 |
| ·FRADL算法设计 | 第53-56页 |
| ·基于非监督贪婪的逐层自适应预训练 | 第54-55页 |
| ·分层权重调整 | 第55-56页 |
| ·基于时间窗的疲劳状态判别 | 第56页 |
| ·实验及结果分析 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 系统实现与应用 | 第61-74页 |
| ·项目背景 | 第61-62页 |
| ·系统开发与运行环境 | 第62页 |
| ·系统开发环境 | 第62页 |
| ·系统运行环境 | 第62页 |
| ·系统功能结构 | 第62-64页 |
| ·关键技术实现 | 第64-69页 |
| ·车辆调度 | 第64-66页 |
| ·疲劳预警 | 第66-69页 |
| ·系统运行实例 | 第69-72页 |
| ·系统应用效果 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| ·总结 | 第74页 |
| ·展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-81页 |
| 在学期间的研究成果及发表的学术论文 | 第81页 |
