| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 智能交通控制的研究背景 | 第15-16页 |
| 1.2 智能交通控制的研究现状 | 第16页 |
| 1.3 本文的工作及组织形式 | 第16-19页 |
| 第二章 基于强化学习的智能交通控制 | 第19-25页 |
| 2.1 强化学习的基本原理与模型 | 第19页 |
| 2.2 强化学习的主要组成元素及应用 | 第19-20页 |
| 2.3 控制过程相关概念分析 | 第20-22页 |
| 2.3.1 马尔可夫决策问题 | 第20-21页 |
| 2.3.2 动态规划问题 | 第21-22页 |
| 2.4 强化学习交通控制算法分析 | 第22-24页 |
| 2.4.1 Q-learning算法背景下的基本交通建模过程 | 第22-23页 |
| 2.4.2 基于模型的强化学习在智能交通控制方案上的应用 | 第23-24页 |
| 2.5 小结 | 第24-25页 |
| 第三章 基于马尔科夫博弈论的多交叉.信号灯控制 | 第25-45页 |
| 3.1 交通模型的相关问题描述 | 第25-31页 |
| 3.1.1 交通控制的基本模型 | 第25-27页 |
| 3.1.2 马尔科夫博弈论的基本设计架构 | 第27-31页 |
| 3.2 马尔科夫博弈论下的多交叉.协作控制实现 | 第31-34页 |
| 3.2.1 马尔科夫博弈论下交叉.之间的交互协作模型 | 第31-32页 |
| 3.2.2 基于纳什均衡点求解的信号灯决策过程 | 第32-33页 |
| 3.2.3 多Agent马尔科夫博弈强化学习算法 | 第33-34页 |
| 3.3 仿真实验与结果分析 | 第34-43页 |
| 3.3.1 仿真环境配置及效益指标参数说明 | 第35-36页 |
| 3.3.2 交通网络场景设计以及实验对比 | 第36-43页 |
| 3.4 小结 | 第43-45页 |
| 第四章 结合预测分析和车道模型的智能控制 | 第45-63页 |
| 4.1 整体路网下的ARIMA交通流量预测模型 | 第45-49页 |
| 4.1.1 ARIMA的基本预测过程 | 第46-47页 |
| 4.1.2 整体交通路网下的ARIMA预测模型实现思路 | 第47-49页 |
| 4.2 基于城市路网的车道流量模型 | 第49-54页 |
| 4.2.1 城市路网的基本组件 | 第49-50页 |
| 4.2.2 改进车道模型下的流量分析 | 第50-52页 |
| 4.2.3 模型预测控制下的智能交通优化实现 | 第52-54页 |
| 4.3 仿真实验及结果分析 | 第54-62页 |
| 4.4 小结 | 第62-63页 |
| 第五章 POMDP背景下的强化学习交通控制优化算法 | 第63-77页 |
| 5.1 POMDP在交通控制上的问题描述 | 第63-65页 |
| 5.1.1 POMDP的交通应用背景 | 第63-64页 |
| 5.1.2 POMDP的基本组成架构 | 第64-65页 |
| 5.1.3 信任状态的引入 | 第65页 |
| 5.2 智能交通控制下的POMDP实现 | 第65-71页 |
| 5.2.1 POMDP智能交通基本模型的建立 | 第65-67页 |
| 5.2.2 交通控制下车道信任状态的优化求解 | 第67-69页 |
| 5.2.3 控制器具体决策 | 第69-70页 |
| 5.2.4 POMDP交通模型的学习 | 第70-71页 |
| 5.3 仿真实验与结果分析 | 第71-76页 |
| 5.4 小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77页 |
| 6.2 展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 作者简介 | 第85-86页 |
| 1.基本情况 | 第85页 |
| 2.教育背景 | 第85页 |
| 3.在学期间的研究成果 | 第85-86页 |
