| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外发展状况及发展趋势 | 第11-13页 |
| 1.2.1 国外发展状况 | 第11-12页 |
| 1.2.2 国内发展状况 | 第12-13页 |
| 1.3 技术路线 | 第13页 |
| 1.4 研究内容 | 第13-15页 |
| 第二章 公路隧道照明节能控制策略 | 第15-21页 |
| 2.1 隧道照明控制硬件架构 | 第15-16页 |
| 2.2 隧道照明调光控制方法分析 | 第16-17页 |
| 2.2.1 分级调光控制方法 | 第16-17页 |
| 2.2.2 无级调光控制方法 | 第17页 |
| 2.2.3 细分子回路调光控制方法 | 第17页 |
| 2.3 隧道照明调光神经网络控制原理 | 第17-19页 |
| 2.3.1 神经网络控制原理 | 第17-19页 |
| 2.3.2 隧道照明调光神经网络控制模型 | 第19页 |
| 2.4 隧道照明调光控制算法研究的核心内容 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 基于 SUMO 的实时交通量及速度预测 | 第21-32页 |
| 3.1 SUMO 仿真软件介绍 | 第21-22页 |
| 3.2 公路隧道交通流仿真 | 第22-29页 |
| 3.2.1 仿真交通需求 | 第23-24页 |
| 3.2.2 仿真方案实现 | 第24-29页 |
| 3.3 仿真结果分析 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 公路隧道照明需求计算 | 第32-54页 |
| 4.1 隧道照明理论亮度计算 | 第32页 |
| 4.2 隧道照明回路布置 | 第32-33页 |
| 4.3 隧道照明灯具布置 | 第33-36页 |
| 4.3.1 入口段照明灯具布置 | 第33-34页 |
| 4.3.2 过渡段照明灯具布置 | 第34-35页 |
| 4.3.3 基本段照明灯具布置 | 第35页 |
| 4.3.4 出口段照明灯具布置 | 第35页 |
| 4.3.5 灯具布置图例 | 第35-36页 |
| 4.4 隧道灯具全开模式下亮度计算 | 第36-38页 |
| 4.5 隧道照明需求亮度控制模型 | 第38-41页 |
| 4.5.1 入口段需求亮度控制模型 | 第38-39页 |
| 4.5.2 基本段需求亮度控制模型 | 第39-40页 |
| 4.5.3 过渡段需求亮度控制模型 | 第40页 |
| 4.5.4 出口段需求亮度控制模型 | 第40页 |
| 4.5.5 隧道照明评价指标 | 第40-41页 |
| 4.6 细分子回路无级调光控制算法研究 | 第41-50页 |
| 4.6.1 细分子回路无级调光控制原理 | 第41-42页 |
| 4.6.2 细分子回路无级调光控制算法 | 第42-45页 |
| 4.6.3 05:00~12:00 时段灯具调光期望功率 | 第45-50页 |
| 4.7 节能能耗计算 | 第50-51页 |
| 4.7.1 传统控制方式的能耗 | 第50页 |
| 4.7.2 细分子回路无级调光控制方式的能耗 | 第50-51页 |
| 4.8 隧道照明调光性能及均匀度分析 | 第51-53页 |
| 4.8.1 隧道照明灯具调光性能分析 | 第51-52页 |
| 4.8.2 隧道照明调光均匀度分析 | 第52-53页 |
| 4.9 本章小结 | 第53-54页 |
| 第五章 隧道照明调光神经网络控制算法 | 第54-67页 |
| 5.1 隧道照明调光神经网络结构 | 第54-55页 |
| 5.2 隧道照明调光 BP 神经网络学习算法 | 第55-56页 |
| 5.3 隧道照明调光控制模型 BP 网络训练 | 第56-66页 |
| 5.3.1 Input Data 和 Target Data | 第57-58页 |
| 5.3.2 Network | 第58-61页 |
| 5.3.3 BP 网络训练结果 | 第61-65页 |
| 5.3.4 权值和阈值 | 第65-66页 |
| 5.4 隧道照明调光控制模型 BP 网络仿真 | 第66页 |
| 5.5 本章小结 | 第66-67页 |
| 总结与展望 | 第67-69页 |
| 总结 | 第67页 |
| 展望 | 第67-69页 |
| 参考文献 | 第69-71页 |
| 致谢 | 第71页 |