| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-31页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究目的及意义 | 第14-15页 |
| 1.2 国内外研究现状及评述 | 第15-27页 |
| 1.2.1 国外研究现状 | 第15-24页 |
| 1.2.2 国内研究现状 | 第24-26页 |
| 1.2.3 国内外研究现状评述 | 第26-27页 |
| 1.3 研究内容与方法 | 第27-31页 |
| 1.3.1 研究内容 | 第27-29页 |
| 1.3.2 研究方法 | 第29-31页 |
| 第2章 城市交通突发拥堵分析 | 第31-46页 |
| 2.1 交通拥堵的判断要素 | 第31-33页 |
| 2.2 交通拥堵的属性 | 第33-34页 |
| 2.3 城市交通突发拥堵现象分析 | 第34-35页 |
| 2.3.1 城市交通突发拥堵的界定 | 第34-35页 |
| 2.3.2 城市交通突发拥堵的类型与特性 | 第35页 |
| 2.4 突发交通事件对交通拥堵的影响分析 | 第35-43页 |
| 2.4.1 突发拥堵的交通流特性 | 第35-38页 |
| 2.4.2 突发事件造成的突发拥堵演变机理分析 | 第38-43页 |
| 2.5 城市交通突发拥堵的管理流程 | 第43-45页 |
| 2.5.1 突发拥堵处理的全过程 | 第43-45页 |
| 2.5.2 事件响应控制策略 | 第45页 |
| 2.6 本章小结 | 第45-46页 |
| 第3章 城市交通突发拥堵下动态交通流信息的预测 | 第46-67页 |
| 3.1 动态交通流信息的预测分析 | 第46-49页 |
| 3.1.1 动态交通流预测要素的界定 | 第46-47页 |
| 3.1.2 动态交通流信息预测最小时段分析 | 第47-49页 |
| 3.2 突发拥堵下动态交通流信息预测的输入参数 | 第49-52页 |
| 3.2.1 动态交通流信息预测输入数据的结构 | 第49-51页 |
| 3.2.2 突发拥堵下动态交通流输入参数时空相关性分析 | 第51-52页 |
| 3.3 基于深度学习理论的动态交通流信息的预测 | 第52-60页 |
| 3.3.1 深度学习理论 | 第52-53页 |
| 3.3.2 考虑分类预训练策略的深度学习结构的构建 | 第53-54页 |
| 3.3.3 基于深度信念网络的分类预训练模型 | 第54-58页 |
| 3.3.4 交通事件识别的 Logistic 回归 | 第58-60页 |
| 3.3.5 交通流信息预测的微调网络 | 第60页 |
| 3.4 动态交通流信息预测算例分析 | 第60-66页 |
| 3.4.1 数据描述 | 第60-61页 |
| 3.4.2 评估要素的定义 | 第61-62页 |
| 3.4.3 参数的设置 | 第62页 |
| 3.4.4 对比模型描述 | 第62页 |
| 3.4.5 实验过程 | 第62-66页 |
| 3.5 本章小结 | 第66-67页 |
| 第4章 城市交通突发拥堵的交叉口信号控制策略 | 第67-89页 |
| 4.1 突发拥堵的排队机理分析 | 第67-75页 |
| 4.1.1 双排队理论介绍 | 第68-70页 |
| 4.1.2 突发事件下双排队传输模型的构建 | 第70-75页 |
| 4.2 双排队模型下突发拥堵的信号控制 | 第75-82页 |
| 4.2.1 突发拥堵的信号控制分析 | 第75-77页 |
| 4.2.2 突发拥堵下基于双排队模型的信号控制 | 第77-81页 |
| 4.2.3 基于双排队模型的信号控制约束条件 | 第81-82页 |
| 4.3 基于遗传算法的信号控制求解过程 | 第82-84页 |
| 4.4 突发拥堵信号控制算例分析 | 第84-88页 |
| 4.4.1 模型捕捉交通突发拥堵现象的实验分析 | 第84-85页 |
| 4.4.2 信号控制算例分析 | 第85-88页 |
| 4.5 本章小结 | 第88-89页 |
| 第5章 动态交通流信息下突发拥堵的路径诱导策略 | 第89-107页 |
| 5.1 突发拥堵下动态交通流信息对交通分配的影响分析 | 第89-96页 |
| 5.1.1 动态交通流信息下基于 wardrop 平衡的交通分配 | 第89-91页 |
| 5.1.2 动态交通流信息下交通分配特性分析 | 第91-96页 |
| 5.2 基于动态交通流信息的在途路径诱导策略 | 第96-105页 |
| 5.2.1 基于动态交通流信息的最短路径寻优过程 | 第97-101页 |
| 5.2.2 考虑用户紧急程度的路径分配模型 | 第101-104页 |
| 5.2.3 基于动态交通流信息的在途路径诱导策略实施过程 | 第104-105页 |
| 5.3 本章小结 | 第105-107页 |
| 第6章 动态交通流信息下突发拥堵的信号控制与路径诱导协同策略 | 第107-122页 |
| 6.1 城市交通智能控制诱导系统 | 第107-109页 |
| 6.1.1 城市交通系统特点 | 第107-108页 |
| 6.1.2 引入信息平台的智能交通控制诱导管理系统 | 第108-109页 |
| 6.2 基于动态交通流信息的信号控制与路径诱导协同策略 | 第109-115页 |
| 6.2.1 动态交通流信息对控制诱导协同方案的影响及应用模式 | 第109-111页 |
| 6.2.2 基于动态交通流信息的控制与诱导协同策略的设计 | 第111-115页 |
| 6.3 突发拥堵的控制诱导协同策略关键问题 | 第115-121页 |
| 6.3.1 滑动时间窗的阶段时长的计算 | 第115-116页 |
| 6.3.2 突发拥堵交叉口信号控制的区域划分方式 | 第116-118页 |
| 6.3.3 突发拥堵路径诱导的行程时间 | 第118-121页 |
| 6.4 本章小结 | 第121-122页 |
| 第7章 动态交通流信息下突发拥堵的控制诱导仿真及评估 | 第122-141页 |
| 7.1 控制诱导策略仿真分析的流程 | 第122-123页 |
| 7.2 基于SUMO仿真平台的仿真 | 第123-128页 |
| 7.2.1 微观仿真软件SUMO | 第123-124页 |
| 7.2.2 基于SUMO的仿真流程 | 第124-125页 |
| 7.2.3 突发拥堵下基于动态交通流信息的拥堵控制策略的仿真 | 第125-128页 |
| 7.3 仿真评估结果及分析 | 第128-140页 |
| 7.3.1 仿真评估指标的设计 | 第128-130页 |
| 7.3.2 交叉口信号控制策略仿真及分析 | 第130-133页 |
| 7.3.3 在途路径诱导策略仿真及分析 | 第133-136页 |
| 7.3.4 信号控制与路径诱导协同策略仿真及分析 | 第136-140页 |
| 7.4 本章小结 | 第140-141页 |
| 结论 | 第141-144页 |
| 参考文献 | 第144-160页 |
| 附录 SUMO仿真实验主要测试数据 | 第160-177页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第177-178页 |
| 致谢 | 第178页 |
