| 摘要 | 第1-11页 |
| Abstract | 第11-14页 |
| 缩略词注释表 | 第14-16页 |
| 第一章 概述 | 第16-20页 |
| 第二章 智能计算应用于城市交通的研究综述 | 第20-27页 |
| ·引言 | 第20-21页 |
| ·智能计算技术应用于城市交通控制的研究发展 | 第21-23页 |
| ·智能计算技术应用于城市交通流预测的研究发展 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 城市道路交叉口交通流的模糊逻辑控制器设计 | 第27-34页 |
| ·引言 | 第27页 |
| ·系统模型描述 | 第27-28页 |
| ·模糊控制器的设计原理 | 第28-30页 |
| ·模糊控制器的进一步完善 | 第30-31页 |
| ·模糊化给定值 | 第30-31页 |
| ·开关控制 | 第31页 |
| ·其它 | 第31页 |
| ·计算机仿真 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第四章 城市交通流的模糊神经网络控制 | 第34-54页 |
| ·引言 | 第34-35页 |
| ·模糊神经网络控制器设计原理 | 第35-37页 |
| ·模糊神经网络控制器的实现 | 第37-42页 |
| ·网络结构 | 第37-38页 |
| ·网络参数的确定 | 第38-40页 |
| ·网络训练及训练结果 | 第40-42页 |
| ·城市交通流多路口模糊神经网络协调控制 | 第42-52页 |
| ·问题的提出(绿波带) | 第42-45页 |
| ·协调控制的实现 | 第45-50页 |
| ·计算机仿真 | 第50-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 城市短期交通流的神经网络预测模型研究 | 第54-73页 |
| ·引言 | 第54页 |
| ·问题描述 | 第54-55页 |
| ·基于PSO的RBF网络预测模型 | 第55-62页 |
| ·RBF神经网络 | 第55-56页 |
| ·粒子群优化算法 | 第56-58页 |
| ·算法实现 | 第58-59页 |
| ·仿真结果 | 第59-62页 |
| ·交通流的神经树预测模型 | 第62-71页 |
| ·FNT结构的表示方法 | 第63-64页 |
| ·FNT的产生 | 第64-65页 |
| ·适应度函数 | 第65页 |
| ·学习算法 | 第65-68页 |
| ·基于FNT的交通流预测模型 | 第68-71页 |
| ·本章小结 | 第71-73页 |
| 第六章 交通流建模综述 | 第73-81页 |
| ·交通流的基本关系 | 第74页 |
| ·流体动力学交通流模型 | 第74-77页 |
| ·一阶连续介质模型 | 第74-76页 |
| ·高阶连续介质模型 | 第76-77页 |
| ·气体分子动力学交通流模型 | 第77-78页 |
| ·元胞自动机交通流模型 | 第78-80页 |
| ·本章小结 | 第80-81页 |
| 第七章 气体分子动力学交通流建模研究 | 第81-99页 |
| ·气体分子动力学(Boltzmann-like)交通流模型 | 第81-84页 |
| ·Euler型交通流控制方程 | 第84-85页 |
| ·Nayier-Stokes型交通流控制方程 | 第85-87页 |
| ·气体分子动力学交通流模型的改进一弛豫时间τ | 第87-88页 |
| ·数值方法 | 第88-89页 |
| ·线性稳定性分析 | 第89-92页 |
| ·算例 | 第92-97页 |
| ·本章小结 | 第97-99页 |
| 第八章 总结 | 第99-101页 |
| 附录1 | 第101-105页 |
| 附录2 | 第105-112页 |
| 参考文献 | 第112-125页 |
| 致谢 | 第125-126页 |
| 攻读博士学位期间完成的论文及参加的科研工作 | 第126-128页 |
| 学位论文评阅及答辩情况表 | 第128页 |