| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 交叉口定时控制的国内外研究现状 | 第13-15页 |
| 1.2.2 交叉口模糊控制的国内外研究现状 | 第15-16页 |
| 1.3 论文的主要研究内容与技术路线 | 第16-19页 |
| 1.3.1 论文的主要研究内容 | 第16-17页 |
| 1.3.2 技术路线 | 第17-19页 |
| 2 交叉口信号控制理论基础 | 第19-24页 |
| 2.1 基本概念 | 第19-21页 |
| 2.1.1 信号相位与步长和步伐 | 第19页 |
| 2.1.2 基本控制参数 | 第19-21页 |
| 2.2 交叉口信号评价指标 | 第21-22页 |
| 2.3 基本信号配时方法 | 第22页 |
| 2.3.1 等饱和度配时方法 | 第22页 |
| 2.3.2 基于延误最小的信号配时方法 | 第22页 |
| 2.4 交通信号控制的分类 | 第22-23页 |
| 2.4.1 按控制范围分类 | 第22-23页 |
| 2.4.2 按控制方法分类 | 第23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 基于粒子群算法的多目标优化模型 | 第24-43页 |
| 3.1 经典的信号配时方法 | 第24-27页 |
| 3.1.1 本章的主要参数及指标 | 第24页 |
| 3.1.2 经典的信号配时优化办法 | 第24-27页 |
| 3.2 基于延误、停车率和通行能力的多目标优化模型 | 第27-30页 |
| 3.2.1 车辆平均延误 | 第27-28页 |
| 3.2.2 通行能力和停车率 | 第28-29页 |
| 3.2.3 多目标优化配时模型的建立 | 第29-30页 |
| 3.3 粒子群算法求解过程 | 第30-32页 |
| 3.3.1 粒子群算法的函数处理与参数设置 | 第30-31页 |
| 3.3.2 算法的迭代步骤 | 第31-32页 |
| 3.4 案例分析 | 第32-42页 |
| 3.4.1 交叉口的几何结构 | 第32-33页 |
| 3.4.2 交叉口的数据调查和处理 | 第33-36页 |
| 3.4.3 参数计算 | 第36-40页 |
| 3.4.4 多目标优化模型的结果分析 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 基于模糊神经网络的智能信号控制方法 | 第43-60页 |
| 4.1 经典的单交叉口信号模糊控制方法 | 第43-50页 |
| 4.1.1 交通信号模糊控制的基本原理 | 第43-44页 |
| 4.1.2 交通信号模糊控制的方案设计 | 第44-50页 |
| 4.2 可变相序的模糊控制方法 | 第50-52页 |
| 4.2.1 可变相序的模糊控制的基本原理 | 第50页 |
| 4.2.2 相序优化模块的方案设计 | 第50-52页 |
| 4.3 基于模糊神经网络的信号控制方法 | 第52-59页 |
| 4.3.1 ANFIS的结构和工作原理 | 第52-54页 |
| 4.3.2 模糊神经网络推理系统的建立 | 第54-59页 |
| 4.4 本章小结 | 第59-60页 |
| 5 案例分析与仿真 | 第60-72页 |
| 5.1 交叉口仿真的几何模型和相位设置 | 第60页 |
| 5.2 车辆到达分布拟合 | 第60-62页 |
| 5.3 仿真模型的建立 | 第62-65页 |
| 5.3.1 仿真评价的指标 | 第62-64页 |
| 5.3.2 主要模块的仿真程序 | 第64-65页 |
| 5.4 仿真结果的分析 | 第65-71页 |
| 5.5 本章小结 | 第71-72页 |
| 6 结论与展望 | 第72-74页 |
| 6.1 论文主要研究成果 | 第72-73页 |
| 6.2 论文需要进一步研究的问题 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 附录A | 第77-80页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第80-82页 |
| 学位论文数据集 | 第82页 |