| 摘要 | 第1-8页 |
| ABSTRACT | 第8-16页 |
| 第一章 绪论 | 第16-24页 |
| ·选题研究背景与意义 | 第16-17页 |
| ·研究现状 | 第17-20页 |
| ·交通灯调度研究现状 | 第17-19页 |
| ·交通流预测研究现状 | 第19-20页 |
| ·研究方法和论文结构 | 第20-22页 |
| ·研究方法 | 第20-21页 |
| ·论文结构 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第二章 调度相关算法介绍 | 第24-32页 |
| ·遗传算法 | 第24-26页 |
| ·机器学习算法 | 第26-30页 |
| ·机器学习算法概述 | 第26-27页 |
| ·线性回归算法 | 第27-28页 |
| ·自回归模型预测算法 | 第28-30页 |
| ·本章小节 | 第30-32页 |
| 第三章 基于遗传算法和线性回归的智能交通灯调度研究 | 第32-64页 |
| ·基于遗传算法的交通灯调度 | 第32-43页 |
| ·算法调度架构 | 第32-33页 |
| ·ITLSG算法介绍 | 第33-43页 |
| ·基于遗传算法和线性回归的交通灯调度 | 第43-49页 |
| ·算法调度架构 | 第43-44页 |
| ·ITLSGMLR算法介绍 | 第44-49页 |
| ·仿真交通场景的设计 | 第49-54页 |
| ·交通场景描述 | 第49-50页 |
| ·数据表结构介绍 | 第50-53页 |
| ·车辆分流情况描述 | 第53-54页 |
| ·惩罚值变量 | 第54-57页 |
| ·惩罚值定义 | 第54-55页 |
| ·惩罚值计算方法 | 第55-57页 |
| ·实验结果与性能评估 | 第57-62页 |
| ·基于遗传算法的交通灯调度算法结果评估 | 第57-59页 |
| ·基于遗传算法和线性回归算法的交通灯调度算法结果评估 | 第59-62页 |
| ·本章小结 | 第62-64页 |
| 第四章 融合自回归模型短时预测的智能交通灯调度研究 | 第64-76页 |
| ·算法调度架构 | 第64-66页 |
| ·调度架构 | 第64-65页 |
| ·算法调用过程 | 第65-66页 |
| ·ITLSGMAR算法介绍 | 第66-69页 |
| ·算法介绍 | 第66-68页 |
| ·算法伪代码 | 第68-69页 |
| ·实验结果与性能分析 | 第69-75页 |
| ·本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-80页 |
| ·论文总结 | 第76-77页 |
| ·未来工作 | 第77-80页 |
| 附录 | 第80-88页 |
| 附录A 遗传算法Java功能代码 | 第80-83页 |
| 附录B 线性回归预测模型MATLAB代码 | 第83-85页 |
| 附录C 自回归预测模型MATLAB代码 | 第85-88页 |
| 参考文献 | 第88-98页 |
| 攻读硕士学位期间发表论文和参与科研项目情况 | 第98-100页 |
| 致谢 | 第100页 |
