| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 智能交通的起源和发展 | 第11-12页 |
| 1.2.2 国内外智能交通研究现状 | 第12-15页 |
| 1.3 研究目的和意义 | 第15页 |
| 1.4 论文的主要研究工作 | 第15-16页 |
| 1.4.1 研究构想与思路 | 第15-16页 |
| 1.4.2 研究方法 | 第16页 |
| 1.5 论文组织结构 | 第16-19页 |
| 第2章 信息融合技术 | 第19-31页 |
| 2.1 信息融合结构 | 第19-21页 |
| 2.2 三种信息融合层次 | 第21-22页 |
| 2.3 多传感器信息融合算法 | 第22-29页 |
| 2.3.1 人工神经网络算法 | 第22-25页 |
| 2.3.2 经典遗传算法 | 第25-27页 |
| 2.3.3 遗传算法的交叉和变异 | 第27-29页 |
| 2.3.4 遗传算法三种变体 | 第29页 |
| 2.4 信息融合技术在智能交通中的应用情况 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 智能交通控制中信息融合方法研究 | 第31-49页 |
| 3.1 智能交通信息融合的流程 | 第31-32页 |
| 3.2 数据级信息融合方法 | 第32-38页 |
| 3.2.1 路口车流量检测中传感器的选择与设置 | 第32-35页 |
| 3.2.2 数据级信息融合算法 | 第35-38页 |
| 3.3 决策级信息融合方法 | 第38-48页 |
| 3.3.1 BP神经网络 | 第39-44页 |
| 3.3.2 进化规则算法(Evolutionary Programming) | 第44-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第4章 信息融合决策层的实现与仿真 | 第49-67页 |
| 4.1 BP神经网络结构 | 第49-56页 |
| 4.1.1 BP神经网络输入输出 | 第49-50页 |
| 4.1.2 BP神经网络隐层单元 | 第50-54页 |
| 4.1.3 BP神经网络训练算法Levenberg-Marquardt | 第54-56页 |
| 4.2 EP优化BP神经网络初始权值 | 第56-62页 |
| 4.2.1 BP神经网络的权值的确定 | 第56-57页 |
| 4.2.2 EP确定神经网络初始权值 | 第57-62页 |
| 4.3 改进算法与传统BP神经网络的对比 | 第62-65页 |
| 4.3.1 数据准备 | 第62-64页 |
| 4.3.2 结果分析 | 第64-65页 |
| 4.4 本章小结 | 第65-67页 |
| 第5章 基于车流量的智能信号灯设计与实现 | 第67-77页 |
| 5.1 功能分析设计 | 第67-68页 |
| 5.2 总体架构设计与实现 | 第68-72页 |
| 5.2.1 运行环境 | 第68-69页 |
| 5.2.2 系统架构 | 第69-70页 |
| 5.2.3 子模块详细设计 | 第70-72页 |
| 5.3 数据库表设计 | 第72-73页 |
| 5.4 系统效果与结果分析 | 第73-75页 |
| 5.5 本章小结 | 第75-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 本文的主要工作总结 | 第77页 |
| 6.2 研究工作展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83页 |