| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-12页 |
| 第一章 绪论 | 第12-27页 |
| ·城市交通信号控制系统发展简史 | 第12-15页 |
| ·交通信号配时优化技术发展简史 | 第15-19页 |
| ·交通信号配时优化技术发展的新动向 | 第19-22页 |
| ·目前的交通控制系统存在的问题 | 第22-24页 |
| ·论文研究背景及其意义 | 第24-25页 |
| ·本文工作概述 | 第25-27页 |
| 第二章 信号交叉口模糊感应式控制 | 第27-48页 |
| ·交叉口信号感应式控制 | 第27-28页 |
| ·半感应式控制 | 第28-31页 |
| ·感应式控制参数设定 | 第31-32页 |
| ·感应控制下车辆延误时间的计算 | 第32-33页 |
| ·模糊感应交通控制的结构 | 第33-39页 |
| ·模糊感应交通控制的控制策略 | 第39-40页 |
| ·模糊变量的隶属函数 | 第40-43页 |
| ·仿真研究结果 | 第43-45页 |
| ·感应式控制和定时控制适用的条件 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第三章 基于常规数学模型的交叉口交通量预测 | 第48-56页 |
| ·交通信号配时技术涉及的主要因素 | 第48-49页 |
| ·传统的交通流量预测方法 | 第49-50页 |
| ·SCOOT系统的交通流量预测 | 第50-53页 |
| ·SCAT系统的交通流量预测 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 遗传算法在交通量预测模型参数求解中的应用 | 第56-63页 |
| ·交通量预测模型 | 第56页 |
| ·遗传算法的基本原理 | 第56-59页 |
| ·利用遗传算法估计参数 | 第59-61页 |
| ·本章小结 | 第61-63页 |
| 第五章 基于模糊神经网络的交通量预测 | 第63-94页 |
| ·人工神经网络发展概述 | 第63-69页 |
| ·多层前向人工神经网络(BeckPropagation Network) | 第65-66页 |
| ·BP网络在实际应用中存在的问题 | 第66-67页 |
| ·模糊和神经网络之间的联系和区别 | 第67-69页 |
| ·基于神经网络的模糊系统 | 第69-73页 |
| ·智能化交叉口交通量预测方法的提出 | 第73-74页 |
| ·一种交叉口交通流量预测模型 | 第74-75页 |
| ·基于模糊神经网络模块的交通量预测 | 第75-80页 |
| ·基于FNM模型的交通量在线滚动预测算法 | 第80-83页 |
| ·交通仿真系统 | 第83-84页 |
| ·研究算例 | 第84-85页 |
| ·FNM和常规NN(Neural Network)模型的测试比较 | 第85-88页 |
| ·本章小结 | 第88-94页 |
| 第六章 交叉口信号配时计算机辅助设计软件系统 | 第94-123页 |
| ·基本概念 | 第94-95页 |
| ·交通信号配时设计的制约条件 | 第95-96页 |
| ·单点(孤立)信号交叉口信号配时的Webster法 | 第96-101页 |
| ·三代计算机交通信号控制系统的特点 | 第101-103页 |
| ·系统主要参数的设定条件 | 第103-105页 |
| ·数据文件 | 第105-106页 |
| ·文件存放点 | 第105页 |
| ·系统数据库 | 第105-106页 |
| ·交叉口交通量数据库的管理办法 | 第106页 |
| ·窗体结构 | 第106-107页 |
| ·使用说明 | 第107-115页 |
| ·TSCS交叉口名称输入窗口 | 第107-110页 |
| ·TSCS交叉口交通量数据输入窗口 | 第110-115页 |
| ·算例 | 第115页 |
| ·主流程 | 第115-121页 |
| ·本章小结 | 第121-123页 |
| 结论 | 第123-126页 |
| 参考文献 | 第126-134页 |
| 攻读博士学位期间发表的论文 | 第134-135页 |
| 致谢 | 第135页 |
