| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外发展现状及发展动态分析 | 第10-13页 |
| 1.2.1 定时式信号控制 | 第10-11页 |
| 1.2.2 感应式信号控制 | 第11-12页 |
| 1.2.3 智能式信号控制 | 第12-13页 |
| 1.3 交通参数的检测及其检测技术的研究现状 | 第13-14页 |
| 1.3.1 交通参数的检测 | 第13-14页 |
| 1.3.2 交通参数检测技术 | 第14页 |
| 1.4 本文主要工作 | 第14-16页 |
| 第2章 信息融合理论及交通状态评估的相关技术 | 第16-26页 |
| 2.1 信息融合理论 | 第16-17页 |
| 2.2 态势评估 | 第17-18页 |
| 2.3 交通流模型 | 第18-20页 |
| 2.4 交通状态评估方法 | 第20-25页 |
| 2.4.1 投票表决法 | 第20-21页 |
| 2.4.2 Bagging算法 | 第21-23页 |
| 2.4.3 Boosting算法 | 第23-24页 |
| 2.4.4 CMM算法 | 第24页 |
| 2.4.5 DAGGER算法 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 智能交通信号灯控制系统方法设计与实现 | 第26-45页 |
| 3.1 小波神经网络 | 第26-32页 |
| 3.1.1 小波神经网络及其特点 | 第26-27页 |
| 3.1.2 小波神经网络算法 | 第27-28页 |
| 3.1.3 BP神经网络与小波神经网络交通流预测对比 | 第28-32页 |
| 3.2 一种基于尖点突变理论的交通拥堵预测算法 | 第32-39页 |
| 3.2.1 尖点突变理论的提出 | 第32-33页 |
| 3.2.2 突变模型的可行性分析 | 第33-34页 |
| 3.2.3 尖点突变模型的建立 | 第34-38页 |
| 3.2.4 尖点突变理论的论证 | 第38-39页 |
| 3.3 车辆调度策略 | 第39-43页 |
| 3.3.1 交叉口交通延误的确定 | 第39页 |
| 3.3.2 车辆在交叉口前排队等待时间的确定 | 第39-40页 |
| 3.3.3 车辆在排队队列中向前移动到达队列顶部时间的确定 | 第40页 |
| 3.3.4 车辆在排队队列顶部等待获得通行权时间的确定 | 第40-42页 |
| 3.3.5 车辆在交叉口内行驶时间的确定 | 第42-43页 |
| 3.4 系统设计方案 | 第43-44页 |
| 3.4.1 总体架构方案 | 第43页 |
| 3.4.2 功能架构方案 | 第43页 |
| 3.4.3 技术架构方案 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 实验结果与分析 | 第45-52页 |
| 4.1 实验数据描述 | 第45页 |
| 4.2 小波神经网络预测 | 第45-47页 |
| 4.3 交通拥堵预测临界值 | 第47页 |
| 4.4 交通调度策略 | 第47-48页 |
| 4.5 实验结果比较 | 第48-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 在学研究成果 | 第56-57页 |
| 致谢 | 第57页 |
