| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第15-30页 |
| 1.1 研究背景与意义 | 第15-17页 |
| 1.1.1 研究背景 | 第15-16页 |
| 1.1.2 研究意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-26页 |
| 1.2.1 多源异构数据融合技术概述 | 第17-20页 |
| 1.2.2 交通信息提取技术研究现状 | 第20-22页 |
| 1.2.3 交通控制子区划分研究现状 | 第22-24页 |
| 1.2.4 交通管理策略协同优化技术研究现状 | 第24-26页 |
| 1.3 研究内容 | 第26-28页 |
| 1.4 研究方法与技术路线 | 第28-30页 |
| 1.4.1 研究方法 | 第28页 |
| 1.4.2 技术路线 | 第28-30页 |
| 第2章 城市动态交通信息采集及分析 | 第30-56页 |
| 2.1 交通信息采集系统概述 | 第30-31页 |
| 2.2 城市快速路系统特征分析 | 第31-32页 |
| 2.2.1 城市快速路定义 | 第31页 |
| 2.2.2 城市快速路特点 | 第31-32页 |
| 2.2.3 快速路交通流特征 | 第32页 |
| 2.3 基于GPS浮动车的交通信息采集技术 | 第32-39页 |
| 2.3.1 浮动车采集技术基本原理与流程 | 第32-33页 |
| 2.3.2 技术特点及优劣分析 | 第33-35页 |
| 2.3.3 成都市浮动车采集技术使用现状 | 第35-39页 |
| 2.4 基于视频的交通信息采集技术 | 第39-46页 |
| 2.4.1 基本原理与流程 | 第39页 |
| 2.4.2 技术特点及优劣分析 | 第39-40页 |
| 2.4.3 成都市视频采集技术使用现状 | 第40-46页 |
| 2.5 基于微波检测器的交通信息采集技术 | 第46-51页 |
| 2.5.1 基本原理与流程 | 第46-47页 |
| 2.5.2 技术特点及优劣分析 | 第47-48页 |
| 2.5.3 成都市微波采集技术使用现状 | 第48-51页 |
| 2.6 交通信息采集器技术性能比较 | 第51-52页 |
| 2.7 数据清洗 | 第52-55页 |
| 2.8 本章小结 | 第55-56页 |
| 第3章 基于AF-SVR的城市快速路多源交通信息融合研究 | 第56-73页 |
| 3.1 交通数据融合简述 | 第56页 |
| 3.2 支持向量机基本理论 | 第56-61页 |
| 3.2.1 线性回归情形 | 第57-59页 |
| 3.2.2 非线性回归情形 | 第59-60页 |
| 3.2.3 核函数 | 第60-61页 |
| 3.3 基于AF-SVR的城市快速路多源交通信息融合模型 | 第61-64页 |
| 3.3.1 人工鱼群算法 | 第61页 |
| 3.3.2 SVR模型参数分析 | 第61-62页 |
| 3.3.3 基于AF-SVR多源交通信息融合模型构建 | 第62-64页 |
| 3.4 实例验证 | 第64-72页 |
| 3.4.1 融合数据准备 | 第64-67页 |
| 3.4.2 算法的参数设置 | 第67-68页 |
| 3.4.3 实验结果和分析 | 第68-72页 |
| 3.5 结论 | 第72-73页 |
| 第4章 基于信息提取技术的交通状态动态预测 | 第73-90页 |
| 4.1 模型相关定义 | 第73-77页 |
| 4.1.1 模糊时间序列 | 第73-74页 |
| 4.1.2 模糊Gath and Geva聚类理论 | 第74-75页 |
| 4.1.3 信息颗粒构建 | 第75-77页 |
| 4.2 信息颗粒区间长度的划定 | 第77-78页 |
| 4.3 基于模糊时间颗粒序列的交通状态预测模型 | 第78-82页 |
| 4.3.1 模型假设 | 第78-79页 |
| 4.3.2 模型构建 | 第79-82页 |
| 4.4 算例分析 | 第82-86页 |
| 4.5 应用扩展 | 第86-89页 |
| 4.6 本章小结 | 第89-90页 |
| 第5章 交通控制子区动态划分研究 | 第90-114页 |
| 5.1 数据基础分析 | 第90-91页 |
| 5.2 常态下的动态划分方法 | 第91-96页 |
| 5.2.1 常态下的子区划分影响因素分析 | 第91-93页 |
| 5.2.2 常态下的子区动态划分流程 | 第93-96页 |
| 5.3 非常态下的动态划分方法 | 第96-113页 |
| 5.3.1 城市道路交通事件分析 | 第96-98页 |
| 5.3.2 事件交通波传播分析 | 第98-101页 |
| 5.3.3 事件响应时间分析 | 第101-104页 |
| 5.3.4 事件影响范围模型 | 第104-107页 |
| 5.3.5 事件影响范围空间域的补充研究 | 第107-109页 |
| 5.3.6 事件影响范围模型算法设计 | 第109-111页 |
| 5.3.7 算例分析 | 第111-113页 |
| 5.4 本章小结 | 第113-114页 |
| 第6章 基于模型预测控制的城市快速路交通协同控制 | 第114-129页 |
| 6.1 现有研究简述 | 第114-115页 |
| 6.2 模型预测控制(MPC)基本原理 | 第115-117页 |
| 6.2.1 模型概述 | 第115-116页 |
| 6.2.2 模型优缺点分析 | 第116-117页 |
| 6.3 对于交通流的一般性模型描述 | 第117-121页 |
| 6.3.1 METANET模型形式 | 第117-118页 |
| 6.3.2 快速路控制策略的模型化描述 | 第118-121页 |
| 6.4 改进的MPC最优控制模型 | 第121-126页 |
| 6.4.1 目标函数 | 第121-125页 |
| 6.4.2 分区协同控制问题 | 第125-126页 |
| 6.5 算例分析 | 第126-128页 |
| 6.5.1 TTS 目标及改进目标函数的系统效益及稳定性分析 | 第126-128页 |
| 6.5.2 集中控制与分区协同控制的比较 | 第128页 |
| 6.6 本章小结 | 第128-129页 |
| 第7章 软件应用示范-以成都市三环快速路为例 | 第129-137页 |
| 7.1 软件概述 | 第129-130页 |
| 7.2 软件系统功能-以成都市三环快速路为例 | 第130-136页 |
| 7.2.1 三环快速路路况信息查看 | 第130-131页 |
| 7.2.2 三环快速路交通事件查看 | 第131-132页 |
| 7.2.3 三环快速路匝道出入口信息查看 | 第132页 |
| 7.2.4 三环快速路VMS信息查看 | 第132-133页 |
| 7.2.5 三环快速路检测设备信息查看 | 第133-134页 |
| 7.2.6 三环快速路拥堵报警 | 第134-135页 |
| 7.2.7 三环快速路交通数据分析 | 第135页 |
| 7.2.8 三环快速路分区动态控制 | 第135-136页 |
| 7.2.9 三环快速路智能协同优化 | 第136页 |
| 7.3 本章小结 | 第136-137页 |
| 结论与展望 | 第137-140页 |
| 一、主要工作与成果 | 第137页 |
| 二、主要创新点 | 第137-138页 |
| 三、研究展望 | 第138-140页 |
| 致谢 | 第140-141页 |
| 参考文献 | 第141-149页 |
| 攻读博士学位期间发表的论文及科研成果 | 第149-152页 |
