| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 注释表 | 第13-14页 |
| 第1章 引言 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 转向车流量预测 | 第16-18页 |
| 1.2.2 交通信号智能控制 | 第18-19页 |
| 1.3 课题来源和研究内容 | 第19-20页 |
| 1.4 论文组织结构 | 第20-22页 |
| 第2章 相关技术综述 | 第22-36页 |
| 2.1 交叉口信号控制基本概念 | 第22-24页 |
| 2.1.1 周期长度 | 第22页 |
| 2.1.2 相位 | 第22-23页 |
| 2.1.3 绿信比 | 第23页 |
| 2.1.4 交叉口控制评价指标 | 第23-24页 |
| 2.2 RFID技术应用 | 第24-25页 |
| 2.2.1 工作原理 | 第24页 |
| 2.2.2 RFID在重庆市智能交通中的应用 | 第24-25页 |
| 2.3 机器学习算法研究 | 第25-31页 |
| 2.3.1 线性回归 | 第25-27页 |
| 2.3.2 随机森林 | 第27-29页 |
| 2.3.3 BP神经网络 | 第29-31页 |
| 2.4 强化学习算法研究 | 第31-33页 |
| 2.4.1 Agent概念 | 第31-32页 |
| 2.4.2 强化学习原理 | 第32-33页 |
| 2.5 Spark分布式计算 | 第33-35页 |
| 2.5.1 基本原理 | 第34页 |
| 2.5.2 MLlib | 第34-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第3章 基于RFID数据的区域交通信号智能控制方法设计 | 第36-51页 |
| 3.1 基于RFID数据的区域交通信号智能控制整体设计 | 第36-37页 |
| 3.2 车辆转向识别模块设计 | 第37-41页 |
| 3.2.1 信号灯相位划分 | 第38-39页 |
| 3.2.2 基于时间相位划分的车辆转向识别方法 | 第39-40页 |
| 3.2.3 转向车流量计算 | 第40-41页 |
| 3.3 转向车流量预测模块设计 | 第41-43页 |
| 3.3.1 特征分析 | 第42页 |
| 3.3.2 模型训练 | 第42-43页 |
| 3.4 交通信号智能控制模块设计 | 第43-49页 |
| 3.4.1 单路口交通信号智能控制 | 第44-48页 |
| 3.4.2 区域交通信号智能控制 | 第48-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第4章 基于RFID数据的区域交通信号智能控制方法实现 | 第51-65页 |
| 4.1 数据预处理 | 第51-53页 |
| 4.1.1 多读数据处理 | 第52页 |
| 4.1.2 数据方向处理 | 第52-53页 |
| 4.2 车辆转向识别模块实现 | 第53-56页 |
| 4.2.1 转向识别算法流程 | 第53-54页 |
| 4.2.2 转向识别算法实现 | 第54-55页 |
| 4.2.3 转向车流量统计 | 第55-56页 |
| 4.3 转向车流量预测模块实现 | 第56-59页 |
| 4.3.1 特征集构建 | 第56-57页 |
| 4.3.2 模型训练 | 第57-59页 |
| 4.4 交通信号智能控制模块实现 | 第59-64页 |
| 4.4.1 基于BP神经网络的Q-Learning算法 | 第60-62页 |
| 4.4.2 参数设置 | 第62页 |
| 4.4.3 仿真过程 | 第62-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第5章 方法验证与结果分析 | 第65-76页 |
| 5.1 实验环境概述 | 第65页 |
| 5.2 评价指标 | 第65-66页 |
| 5.3 结果分析 | 第66-75页 |
| 5.3.1 转向车流量预测模块结果分析 | 第66-69页 |
| 5.3.2 交通信号智能控制模块结果分析 | 第69-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第6章 总结与展望 | 第76-78页 |
| 6.1 研究工作总结 | 第76-77页 |
| 6.2 未来工作展望 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第84页 |
