单路口交通信号ANN自校正预测控制的研究
| 目录 | 第1-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 插图索引 | 第10-12页 |
| 附表索引 | 第12页 |
| 第1章 绪论 | 第12-16页 |
| ·研究现状 | 第12-14页 |
| ·遗传算法 | 第12-13页 |
| ·蚁群算法 | 第13页 |
| ·神经网络 | 第13页 |
| ·多智能体技术 | 第13页 |
| ·模糊控制理论 | 第13页 |
| ·我国交通信号控制现状 | 第13-14页 |
| ·课题意义与研究的必要性 | 第14页 |
| ·主要研究内容 | 第14-16页 |
| 第2章 交通流检测与预测 | 第16-25页 |
| ·数据采集 | 第16-17页 |
| ·环形线圈检测器法 | 第16页 |
| ·超声波检测器法 | 第16页 |
| ·视频检测器方法 | 第16-17页 |
| ·数据预处理 | 第17页 |
| ·阈值法与多规则判断 | 第17页 |
| ·图像采集与处理 | 第17页 |
| ·预测方法 | 第17-24页 |
| ·传统统计理论方法 | 第18-19页 |
| ·基于神经网络的预测方法 | 第19-22页 |
| ·基于非线性理论的预测方法 | 第22-23页 |
| ·基于新兴技术的预测方法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 交通信号的控制 | 第25-44页 |
| ·相位与车道的关系 | 第25-30页 |
| ·两车道 | 第25-29页 |
| ·三车道 | 第29-30页 |
| ·定时控制 | 第30-31页 |
| ·特性与优缺点 | 第30页 |
| ·原理与算法 | 第30-31页 |
| ·感应控制 | 第31-40页 |
| ·传统感应控制方法 | 第31-32页 |
| ·半相位感应控制 | 第32-34页 |
| ·流量-密度控制 | 第34页 |
| ·具有抢要功能的全感应控制 | 第34页 |
| ·基于绿时有效利用率的感应控制 | 第34-35页 |
| ·基于模糊控制和绿时有效利用率的全感应控制 | 第35-36页 |
| ·基于Q-O模型的全感应控制 | 第36-37页 |
| ·具有跳相功能的全感应控制 | 第37-38页 |
| ·具有相序优化功能的全感应控制 | 第38-39页 |
| ·优化感应控制 | 第39页 |
| ·感应控制的延时策略分析 | 第39-40页 |
| ·智能控制 | 第40-43页 |
| ·模糊控制 | 第40-42页 |
| ·神经网络控制 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 神经网络预测控制及其实现 | 第44-57页 |
| ·平面交叉口交通模型 | 第44-46页 |
| ·信号周期与队长 | 第44-45页 |
| ·队长状态方程的讨论 | 第45-46页 |
| ·关于车流比例的问题 | 第46页 |
| ·车流量检测和预测 | 第46-49页 |
| ·转向车流比例 | 第46-47页 |
| ·交通量调查 | 第47-48页 |
| ·车流量预测 | 第48-49页 |
| ·控制器设计 | 第49-55页 |
| ·预测模型与目标函数 | 第49-51页 |
| ·反馈校正 | 第51-52页 |
| ·滚动优化 | 第52-55页 |
| ·算法步骤 | 第55-57页 |
| 第5章 仿真分析 | 第57-80页 |
| ·车辆排队模型计算机模拟 | 第57-58页 |
| ·随机车流的计算机模拟 | 第57-58页 |
| ·队长模型的表示 | 第58页 |
| ·神经网络训练 | 第58-63页 |
| ·训练数据准备 | 第58页 |
| ·网络参数选择 | 第58-59页 |
| ·网络训练 | 第59-63页 |
| ·程序实现 | 第63-67页 |
| ·最优目标函数求解 | 第63-65页 |
| ·程序流程 | 第65-67页 |
| ·仿真结果及分析 | 第67-79页 |
| ·程序参数设定 | 第67-68页 |
| ·仿真结果数据 | 第68-79页 |
| ·分析与讨论 | 第79-80页 |
| 结论及展望 | 第80-82页 |
| 参考文献 | 第82-87页 |
| 致谢 | 第87-88页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第88页 |
