| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 引言 | 第14-15页 |
| 1 绪论 | 第15-21页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.1.1 研究背景 | 第15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 国内外研究综述 | 第16-19页 |
| 1.2.1 元胞自动机模型研究 | 第16-18页 |
| 1.2.2 DQN在交通领域的应用 | 第18页 |
| 1.2.3 以提高通行效率为目标的可变限速控制策略研究 | 第18-19页 |
| 1.3 研究目标、内容和技术路线 | 第19-21页 |
| 1.3.1 研究目标 | 第19页 |
| 1.3.2 研究内容 | 第19-20页 |
| 1.3.3 研究技术路线 | 第20-21页 |
| 2 元胞自动机模型 | 第21-28页 |
| 2.1 跟驰模型 | 第21-23页 |
| 2.1.1 184号模型 | 第21-22页 |
| 2.1.2 NaSch模型 | 第22-23页 |
| 2.1.3 VE模型 | 第23页 |
| 2.2 换道模型 | 第23-26页 |
| 2.2.1 三车道换道模型 | 第23-24页 |
| 2.2.2 强制换道模型 | 第24-26页 |
| 2.3 作业区限速条件下的CA模型 | 第26-27页 |
| 2.4 边界条件 | 第27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 基于元胞自动机模型的仿真软件实现及效果评价 | 第28-56页 |
| 3.1 基本信息模块 | 第28页 |
| 3.2 演化规则模块 | 第28-31页 |
| 3.3 参数配置模块 | 第31页 |
| 3.4 数据统计模块 | 第31-33页 |
| 3.5 可视化展示模块 | 第33-34页 |
| 3.6 仿真效果评价 | 第34-55页 |
| 3.6.1 实验数据 | 第34-36页 |
| 3.6.2 仿真程序调整 | 第36-38页 |
| 3.6.3 模型参数标定 | 第38-44页 |
| 3.6.4 仿真数据误差分析 | 第44-47页 |
| 3.6.5 时空图分析 | 第47-52页 |
| 3.6.6 作业区通行能力下降现象 | 第52-55页 |
| 3.7 本章小结 | 第55-56页 |
| 4 可变限速控制策略及效果分析 | 第56-75页 |
| 4.1 基于反馈算法的可变限速控制策略 | 第56-58页 |
| 4.2 基于强化学习的可变限速控制策略 | 第58-59页 |
| 4.3 基于DQN的可变限速控制策略 | 第59-65页 |
| 4.3.1 Deep Q-Learning Network(DQN) | 第59-60页 |
| 4.3.2 算法关键要素设计 | 第60-65页 |
| 4.4 基于DQN的可变限速控制效果分析 | 第65-74页 |
| 4.4.1 固定限速值条件下时空图分析 | 第65-70页 |
| 4.4.2 可变限速控制效果分析 | 第70-74页 |
| 4.5 分级限速控制 | 第74页 |
| 4.6 本章小结 | 第74-75页 |
| 5 高速公路主线可变限速控制系统实现 | 第75-83页 |
| 5.1 系统设计需求 | 第75-76页 |
| 5.2 可变限速控制系统软件架构 | 第76-77页 |
| 5.3 系统主要界面 | 第77-80页 |
| 5.3.1 登陆界面 | 第77-78页 |
| 5.3.2 主要信息管理界面 | 第78-80页 |
| 5.4 系统数据库设计 | 第80-82页 |
| 5.5 本章小结 | 第82-83页 |
| 结论 | 第83-85页 |
| 参考文献 | 第85-89页 |
| 在学研究成果 | 第89-90页 |
| 致谢 | 第90页 |