相邻交叉口协调控制算法研究及微观仿真
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·论文研究的内容 | 第13页 |
| ·论文研究的意义 | 第13-14页 |
| 第二章 城市交通信号控制系统概述 | 第14-30页 |
| ·交通信号控制的基本理论 | 第14-19页 |
| ·交通控制的概述 | 第14页 |
| ·交通控制的目标和约束 | 第14-15页 |
| ·交通信号控制的基本方式和参数 | 第15-19页 |
| ·简单交通流理论 | 第19-23页 |
| ·交通流的基本参数 | 第20-21页 |
| ·三参数的基本关系 | 第21-23页 |
| ·传统的协调控制模型 | 第23-27页 |
| ·定时控制模型 | 第23页 |
| ·相位差优化协调控制 | 第23-27页 |
| ·交通信号控制的评价指标 | 第27-30页 |
| ·平均排队长度 | 第27页 |
| ·平均起停次数 | 第27页 |
| ·通行能力 | 第27-28页 |
| ·延误时间 | 第28-30页 |
| 第三章 双交叉口协调控制算法设计 | 第30-60页 |
| ·模糊控制理论简介 | 第30-34页 |
| ·模糊集合的定义 | 第30页 |
| ·模糊集合的表示方法 | 第30-31页 |
| ·模糊集合的运算 | 第31-32页 |
| ·模糊语言及语言变量 | 第32页 |
| ·模糊推理 | 第32-34页 |
| ·模糊控制系统 | 第34-37页 |
| ·模糊控制及模糊控制系统 | 第34-35页 |
| ·模糊控制系统的工作原理 | 第35-37页 |
| ·神经网络概述 | 第37-42页 |
| ·人工神经网络结构 | 第37-38页 |
| ·BP网络的特点 | 第38-39页 |
| ·BP神经网络的改进 | 第39-40页 |
| ·BP神经网络层数的选取 | 第40页 |
| ·BP神经网络各层的设计 | 第40-41页 |
| ·BP神经网络初始权值、学习速率和期望误差的选取 | 第41-42页 |
| ·交通模型描述及算法设计 | 第42-55页 |
| ·两交叉口交通流预测模型 | 第43-46页 |
| ·两级模糊协调控制算法 | 第46-48页 |
| ·模糊控制器的设计 | 第48-55页 |
| ·模糊神经网络概述 | 第55-60页 |
| ·模糊神经网络的基本原理 | 第55页 |
| ·模糊神经网络的设计流程 | 第55-56页 |
| ·模糊神经网络结构的选取 | 第56页 |
| ·模糊神经网络输入和输出因素的选取 | 第56页 |
| ·BP网络参数设计及训练结果分析 | 第56-60页 |
| 第四章 信号交叉口微观仿真的基本模型 | 第60-70页 |
| ·静态模型 | 第60页 |
| ·车辆产生模型 | 第60-63页 |
| ·产生车辆数的分布 | 第60-62页 |
| ·产生车辆的车型分布 | 第62-63页 |
| ·车辆的速度分布 | 第63页 |
| ·车辆的行驶方向分布 | 第63页 |
| ·车辆运动特性模型 | 第63-70页 |
| ·车辆加减速模型 | 第64-65页 |
| ·车辆的自由行驶模型 | 第65-66页 |
| ·车辆的跟驰行驶模型 | 第66-67页 |
| ·超车模型 | 第67-68页 |
| ·车道变换模型 | 第68-69页 |
| ·车辆延误模型 | 第69-70页 |
| 第五章 微观仿真软件设计及实现 | 第70-83页 |
| ·面向对象的软件设计方法 | 第70-74页 |
| ·面向对象技术的概念 | 第70页 |
| ·对象建模技术(OMT) | 第70-71页 |
| ·交叉口信号控制仿真实体分析 | 第71-72页 |
| ·交叉口信号控制仿真对象模型 | 第72-74页 |
| ·系统设计 | 第74-79页 |
| ·系统的总体结构 | 第74页 |
| ·参数输入模块 | 第74-75页 |
| ·背景绘制模块 | 第75页 |
| ·信号配时模块 | 第75-76页 |
| ·车辆产生模块 | 第76-78页 |
| ·车辆运行模块 | 第78-79页 |
| ·仿真结果分析 | 第79-82页 |
| ·小结 | 第82-83页 |
| 结论 | 第83-84页 |
| 参考文献 | 第84-87页 |
| 附录 | 第87-88页 |
| 攻读硕士学位期间发表的论文 | 第88-89页 |
| 致谢 | 第89页 |
