摘要 | 第4-5页 |
Abstract | 第5页 |
1 绪论 | 第9-17页 |
1.1 研究背景 | 第9页 |
1.2 国内外研究现状 | 第9-14页 |
1.2.1 国外研究现状 | 第9-11页 |
1.2.2 国内研究现状 | 第11-14页 |
1.3 研究目的及意义 | 第14页 |
1.3.1 研究目的 | 第14页 |
1.3.2 研究意义 | 第14页 |
1.4 研究内容及方法 | 第14-17页 |
2 绕城高速公路的交通流特性分析和状态划分 | 第17-27页 |
2.1 绕城高速公路的特点 | 第17-18页 |
2.2 绕城高速公路的交通流特性分析 | 第18-20页 |
2.2.1 绕城高速公路主路交通流特性 | 第18页 |
2.2.2 绕城高速公路匝道交通流特性 | 第18-19页 |
2.2.3 绕城高速公路交通流特性基本参数之间的关系 | 第19-20页 |
2.3 绕城高速公路的数据整理 | 第20-21页 |
2.4 绕城高速公路交通流模型 | 第21-22页 |
2.5 绕城高速公路交通状态划分 | 第22-26页 |
2.5.1 灰色聚类理论 | 第23-24页 |
2.5.2 灰色聚类算法求解交通状态划分 | 第24-25页 |
2.5.3 数据求解分析 | 第25-26页 |
2.6 本章小结 | 第26-27页 |
3 基于粒子滤波的绕城高速公路交通状态估计 | 第27-37页 |
3.1 绕城高速公路交通状态估计思路 | 第27页 |
3.2 标准粒子滤波算法 | 第27-30页 |
3.2.1 基本原则 | 第27-28页 |
3.2.2 粒子多样性匮乏现象 | 第28-29页 |
3.2.3 粒子重采样 | 第29-30页 |
3.3 基于标准粒子滤波的交通状态参数估计 | 第30-32页 |
3.3.1 交通状态估计模型的建立 | 第30-31页 |
3.3.2 粒子滤波算法实现步骤 | 第31-32页 |
3.4 改进算法的交通状态参数估计 | 第32-35页 |
3.4.1 蚁群算法 | 第32-33页 |
3.4.2 基于蚁群算法的粒子滤波算法 | 第33-35页 |
3.4.3 基于改进粒子滤波算法 | 第35页 |
3.4.4 交通状态参数估计模型的建立 | 第35页 |
3.5 本章小结 | 第35-37页 |
4 绕城高速公路双策略协同控制 | 第37-46页 |
4.1 绕城高速公路双策略协同控制概述 | 第37-38页 |
4.2 绕城高速公路双策略协同控制 | 第38-40页 |
4.2.1 入口匝道的相关理论知识 | 第38-39页 |
4.2.2 可变限速控制作用机理及模型 | 第39-40页 |
4.2.3 双策略协同控制 | 第40页 |
4.3 绕城高速公路交通控制最优问题 | 第40-42页 |
4.3.1 畅通状态下的控制最优问题 | 第40-41页 |
4.3.2 轻度拥挤状态下的控制最优问题 | 第41-42页 |
4.3.3 拥挤状态下的控制最优问题 | 第42页 |
4.4 绕城高速公路双策略协同控制约束条件 | 第42-43页 |
4.5 绕城高速公路双策略模型求解 | 第43-45页 |
4.5.1 遗传算法的相关理论 | 第43-44页 |
4.5.2 双策略控制模型求解 | 第44-45页 |
4.6 本章小结 | 第45-46页 |
5 实例研究——以西安绕城高速公路为例 | 第46-55页 |
5.1 西安绕城高速公路概况 | 第46页 |
5.2 交通数据的采集及处理 | 第46-47页 |
5.2.1 绕城高速公路的数据采集 | 第46-47页 |
5.2.2 绕城高速公路交通数据处理 | 第47页 |
5.3 西安绕城高速公路的交通状态估计 | 第47-53页 |
5.3.1 交通状态参数估计模型初始化 | 第47-48页 |
5.3.2 基于基本粒子滤波实验结果分析及对比 | 第48-50页 |
5.3.3 基于改进算法的实验结果分析及对比 | 第50-51页 |
5.3.4 绕城高速公路交通状态估计结果 | 第51-53页 |
5.4 西安绕城高速公路双策略控制 | 第53-55页 |
5.4.1 双策略控制模型的建立与求解 | 第53页 |
5.4.2 双策略控制结果分析 | 第53-55页 |
结论与展望 | 第55-57页 |
致谢 | 第57-58页 |
参考文献 | 第58-61页 |
攻读学位期间的研究成果 | 第61页 |