基于交通流预测的控制子区交通状态识别技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-26页 |
| ·研究背景及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-21页 |
| ·智能交通控制系统 | 第13-14页 |
| ·区域交通状态识别技术 | 第14-18页 |
| ·交通控制子区划分技术 | 第18-20页 |
| ·短时交通流预测技术 | 第20-21页 |
| ·立题依据 | 第21-22页 |
| ·研究内容与框架 | 第22-26页 |
| 第2章 关键路口选取技术 | 第26-36页 |
| ·引言 | 第26页 |
| ·静态关键路口 | 第26-28页 |
| ·动态关键路口 | 第28-32页 |
| ·基于层次分析法的关键度计算 | 第28-32页 |
| ·基于关键度的关键路口选取方法 | 第32页 |
| ·关键路口选取仿真 | 第32-35页 |
| ·关键路口仿真案例 | 第32-34页 |
| ·关键路口选取仿真分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 交通控制子区划分技术 | 第36-52页 |
| ·引言 | 第36页 |
| ·相邻路口关联度计算 | 第36-41页 |
| ·交通流变量的选择 | 第36-37页 |
| ·间距关联度 | 第37页 |
| ·周期关联度 | 第37-38页 |
| ·流量关联度 | 第38-39页 |
| ·路口关联度计算 | 第39-40页 |
| ·多路口关联度计算 | 第40-41页 |
| ·基于改进遗传算法的子区划分方法 | 第41-47页 |
| ·基于改进遗传算法的子区划分方法框架 | 第41页 |
| ·建立子区划分模型 | 第41-43页 |
| ·子区划分模型求解 | 第43-47页 |
| ·交通控制子区划分方法仿真 | 第47-50页 |
| ·交通控制子区划分案例 | 第47-48页 |
| ·交通控制子区划分仿真分析 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第4章 短时交通流预测技术 | 第52-66页 |
| ·引言 | 第52页 |
| ·交通流特性分析 | 第52-55页 |
| ·短时交通流特性分析 | 第52-54页 |
| ·交通流主要影响因素 | 第54-55页 |
| ·交通流预测技术路线 | 第55-56页 |
| ·交通流预测框架 | 第55页 |
| ·交通流预测模型描述 | 第55-56页 |
| ·基于单一模型的交通流预测 | 第56-60页 |
| ·基于卡尔曼滤波的交通流预测 | 第56-58页 |
| ·基于神经网络的交通流预测 | 第58-60页 |
| ·基于组合模型的交通流预测方法 | 第60-62页 |
| ·组合模型描述 | 第60页 |
| ·组合模型分析 | 第60-62页 |
| ·短时交通流预测方法仿真 | 第62-65页 |
| ·仿真样本与评价指标 | 第62-63页 |
| ·预测结果分析 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第5章 区域交通状态识别技术 | 第66-78页 |
| ·引言 | 第66页 |
| ·交通流参数分析 | 第66-70页 |
| ·交通流参数分析 | 第66-68页 |
| ·交通流参数的选取 | 第68-70页 |
| ·实时交通流数据与预测数据的融合 | 第70-72页 |
| ·实时交通流数据的获取 | 第70-71页 |
| ·实时数据与预测数据融合 | 第71-72页 |
| ·基于融合数据的交通状态识别技术 | 第72-76页 |
| ·交通状态识别技术框架 | 第72-73页 |
| ·交通状态识别模型描述 | 第73-76页 |
| ·区域交通状态识别技术仿真 | 第76-77页 |
| ·交通状态识别案例 | 第76页 |
| ·交通状态识别结果分析 | 第76-77页 |
| ·本章小结 | 第77-78页 |
| 第6章 总结与展望 | 第78-80页 |
| ·结论与创新点 | 第78-79页 |
| ·研究展望 | 第79-80页 |
| 参考文献 | 第80-86页 |
| 攻读学位期间发表的论文以及参与的项目 | 第86-88页 |
| 致谢 | 第88页 |
