电梯交通流分析及电梯群控策略研究
摘要 | 第1-5页 |
ABSTRACT | 第5-12页 |
第一章 绪论 | 第12-25页 |
·研究背景和意义 | 第12-14页 |
·电梯群控系统性能评价 | 第14-15页 |
·电梯交通流研究概况 | 第15-16页 |
·电梯群控调度方法 | 第16-20页 |
·电梯群控策略 | 第16-17页 |
·电梯群控调度方法 | 第17-20页 |
·电梯群控技术应用概况 | 第20-23页 |
·本文主要研究内容及章节安排 | 第23-25页 |
·课题来源 | 第23页 |
·主要研究内容及章节安排 | 第23-25页 |
第二章 电梯交通流分布推算模型及客流仿真 | 第25-48页 |
·引言 | 第25-26页 |
·乘客O-D 矩阵推算问题 | 第26-31页 |
·乘客O-D 矩阵概念 | 第26页 |
·电梯乘客O-D 矩阵推算问题的提出 | 第26-28页 |
·电梯交通调查 | 第28-30页 |
·O-D 矩阵推算模型 | 第30-31页 |
·乘客 O-D 矩阵推算的极大熵模型 | 第31-33页 |
·极大熵原理 | 第31页 |
·O-D 矩阵推算的极大熵模型 | 第31-33页 |
·极大熵模型的传统方法求解 | 第33-37页 |
·模型修正 | 第33页 |
·先验O-D 矩阵确定 | 第33-34页 |
·模型求解产生实数O-D 矩阵 | 第34-35页 |
·整数O-D 矩阵推定 | 第35-36页 |
·计算实例 | 第36-37页 |
·极大熵模型的遗传算法求解 | 第37-44页 |
·编码及群体初始化 | 第38页 |
·适应值计算及选择策略 | 第38页 |
·交叉操作 | 第38-40页 |
·变异操作 | 第40-41页 |
·计算实例与分析 | 第41-44页 |
·基于乘客O-D 矩阵的客流仿真 | 第44-46页 |
·小结 | 第46-48页 |
第三章 电梯交通流预测方法研究 | 第48-64页 |
·引言 | 第48-49页 |
·支持向量机与神经网络之比较 | 第49-50页 |
·基于小波支持向量机的电梯交通流预测模型 | 第50-60页 |
·支持向量回归原理 | 第50-52页 |
·小波框架核函数 | 第52-54页 |
·WSVM 交通流预测模型结构 | 第54-55页 |
·交通流预测的WSVM 训练 | 第55-60页 |
·基于BP 神经网络的电梯交通流预测模型 | 第60页 |
·基于WSVM的交通流预测 | 第60-63页 |
·模型训练 | 第60-61页 |
·评价指标 | 第61页 |
·实例 | 第61-63页 |
·结果分析 | 第63页 |
·小结 | 第63-64页 |
第四章 基于聚类的电梯交通模式识别 | 第64-79页 |
·电梯交通模式识别 | 第64-67页 |
·电梯交通模式类型 | 第64-65页 |
·电梯交通流特征数据获取 | 第65-66页 |
·电梯交通模式识别方法 | 第66-67页 |
·电梯交通模式识别的高斯核粒子群聚类算法 | 第67-75页 |
·标准粒子群优化算法简述 | 第67-68页 |
·Mercer 核距离度量 | 第68-70页 |
·高斯核粒子群聚类算法 | 第70-73页 |
·鲁棒统计分析 | 第73-75页 |
·应用实例 | 第75-78页 |
·小结 | 第78-79页 |
第五章 基于强化学习系统的电梯群控调度研究 | 第79-104页 |
·引言 | 第79-80页 |
·强化学习系统 | 第80-89页 |
·强化学习原理 | 第80-81页 |
·马尔可夫决策过程(MDP)模型 | 第81-84页 |
·Q 学习算法 | 第84-85页 |
·基于CMAC 网络的Q 学习算法 | 第85-87页 |
·基于先验知识的强化学习系统 | 第87-89页 |
·电梯仿真系统 | 第89-91页 |
·电梯群控算法 | 第91-99页 |
·强化学习群控算法 | 第91-95页 |
·应用先验知识的群控算法改进 | 第95-99页 |
·仿真结果及分析 | 第99-103页 |
·仿真参数设置 | 第99-100页 |
·结果分析 | 第100-103页 |
·小结 | 第103-104页 |
第六章 电梯群控仿真环境设计及试验研究 | 第104-122页 |
·引言 | 第104-105页 |
·电梯群控仿真环境设计 | 第105-116页 |
·电梯群控试验台设计 | 第105-113页 |
·电梯群控仿真系统设计 | 第113-116页 |
·电梯群控系统综合指标函数和群控策略 | 第116-118页 |
·多目标的综合指标评价 | 第116-117页 |
·电梯群控系统群控策略 | 第117-118页 |
·试验研究 | 第118-121页 |
·试验参数 | 第118-119页 |
·试验结果分析 | 第119-121页 |
·小结 | 第121-122页 |
第七章 结论与展望 | 第122-124页 |
·全文总结 | 第122-123页 |
·展望 | 第123-124页 |
参考文献 | 第124-134页 |
攻读博士学位期间发表及录用的学术论文 | 第134-135页 |
致谢 | 第135-137页 |