基于动态行程时间预测模型的公交优先控制研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究目的和意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-15页 |
| 1.2.1 国外研究现状 | 第10-12页 |
| 1.2.2 国内研究现状 | 第12-15页 |
| 1.3 主要研究内容与技术路线 | 第15-17页 |
| 第二章 公交优先概述 | 第17-23页 |
| 2.1 公交优先概念 | 第17-19页 |
| 2.1.1 公交优先的定义 | 第17页 |
| 2.1.2 公交优先的内涵 | 第17-18页 |
| 2.1.3 公交优先的优点 | 第18-19页 |
| 2.2 公交优先策略分类 | 第19页 |
| 2.3 公交优先方式 | 第19-22页 |
| 2.3.1 被动优先 | 第19-21页 |
| 2.3.2 主动优先 | 第21-22页 |
| 2.3.3 实时优先 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 公交运行数据的采集与处理 | 第23-33页 |
| 3.1 车辆信息采集技术 | 第23-26页 |
| 3.1.1 车辆信息需求分析 | 第23-24页 |
| 3.1.2 车辆信息采集技术 | 第24-26页 |
| 3.2 乘客信息采集技术 | 第26-29页 |
| 3.2.1 乘客信息需求分析 | 第26-27页 |
| 3.2.2 典型客流信息采集方法 | 第27-29页 |
| 3.3 信息处理系统 | 第29-30页 |
| 3.4 信息采集与处理的框架体系 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 基于RBF神经网络的公交行程时间预测 | 第33-41页 |
| 4.1 人工神经网络模型选择 | 第33-35页 |
| 4.2 公交行程时间影响因素分析 | 第35-38页 |
| 4.3 实例分析 | 第38-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 基于行程时间预测的主动优先控制策略 | 第41-58页 |
| 5.1 基于公交行程时间预测的主动策略 | 第41-43页 |
| 5.1.1 绿灯时间延长策略 | 第41-42页 |
| 5.1.2 绿灯提前启亮策略 | 第42页 |
| 5.1.3 相位插入策略 | 第42-43页 |
| 5.2 公交优先控制目标函数及延误分析 | 第43-51页 |
| 5.2.1 目标函数 | 第43-44页 |
| 5.2.2 绿灯延长策略延误分析 | 第44-48页 |
| 5.2.3 绿灯提前启亮策略延误分析 | 第48-51页 |
| 5.2.4 相位插入策略延误分析 | 第51页 |
| 5.3 公交信号优先控制配时分析 | 第51-55页 |
| 5.4 优先控制流程 | 第55-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 公交信号优先控制仿真实例分析 | 第58-71页 |
| 6.1 交叉口现状与交通数据采集 | 第58-62页 |
| 6.2 交通数据分析处理 | 第62-66页 |
| 6.3 优先控制效益分析 | 第66-70页 |
| 6.3.1 限制参数 | 第66-67页 |
| 6.3.2 优先控制方法下的交叉口效益评价 | 第67-70页 |
| 6.4 本章小结 | 第70-71页 |
| 第七章 总结与展望 | 第71-73页 |
| 7.1 论文总结 | 第71页 |
| 7.2 论文展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读学位期间发表的论著及参与的科研项目 | 第78页 |
