| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 1 绪论 | 第14-26页 |
| 1.1 背景及意义 | 第14-15页 |
| 1.2 研究问题的提出 | 第15-17页 |
| 1.3 国内外研究现状 | 第17-21页 |
| 1.3.1 定点岗位识别相关研究 | 第17-18页 |
| 1.3.2 网格化勤务管理相关研究 | 第18-19页 |
| 1.3.3 动态警力指挥调度相关研究 | 第19-21页 |
| 1.4 研究内容与技术路线 | 第21-24页 |
| 1.4.1 研究内容 | 第21-22页 |
| 1.4.2 研究方法与过程 | 第22-24页 |
| 1.5 论文的组织与结构 | 第24-26页 |
| 2 交通警力资源部署的定点岗位识别方法 | 第26-70页 |
| 2.1 定点岗位识别影响关键因素 | 第26-27页 |
| 2.2 定点岗位识别交通网络模型的构建 | 第27-30页 |
| 2.2.1 拓扑结构网络 | 第28-29页 |
| 2.2.2 运行状态网络 | 第29-30页 |
| 2.3 定点岗位识别路口关键性评估指标体系 | 第30-39页 |
| 2.3.1 拓扑结构网络关键性指标 | 第30-33页 |
| 2.3.2 运行状态网络关键性指标 | 第33-35页 |
| 2.3.3 路口关键性评估指标体系 | 第35-37页 |
| 2.3.4 指标项的规范化处理 | 第37-39页 |
| 2.4 定点岗位识别TOPSIS-RBF综合评价方法 | 第39-52页 |
| 2.4.1 定点岗位识别路口关键性评估 | 第39-41页 |
| 2.4.2 TOPSIS-RBF综合评价方法的确定 | 第41-44页 |
| 2.4.3 基于熵权法的TOPSIS预评估的实现方法 | 第44-46页 |
| 2.4.4 广义RBF神经网络的构造方法 | 第46-49页 |
| 2.4.5 TOPSIS-RBF综合评价方法实现流程 | 第49-52页 |
| 2.5 实验案例及结果分析 | 第52-67页 |
| 2.5.1 实验及数据说明 | 第52-53页 |
| 2.5.2 指标体系中各项关键性指标实验分析 | 第53-63页 |
| 2.5.3 TOPSIS-RBF综合评价方法实验分析 | 第63-67页 |
| 2.6 本章小结 | 第67-70页 |
| 3 网格化勤务管理的责任区划分模型和求解算法 | 第70-104页 |
| 3.1 基于二元覆盖模型的责任区划分方法 | 第70-74页 |
| 3.1.1 假设条件与参数说明 | 第70-71页 |
| 3.1.2 应用SCM和MCM解决警力部署问题 | 第71-73页 |
| 3.1.3 构建基于覆盖度的扩展集合覆盖模型 | 第73-74页 |
| 3.2 二元覆盖模型在应用中的关联性分析 | 第74-78页 |
| 3.2.1 SCM和MCM应用的关联性分析 | 第74-75页 |
| 3.2.2 ESCM和MCM组合的双目标线性规划模型 | 第75-78页 |
| 3.3 基于动态覆盖模型的责任区划分方法 | 第78-80页 |
| 3.3.1 具有时空特性动态覆盖模型 | 第78-79页 |
| 3.3.2 责任区划分动态覆盖模型的时间非连续特性 | 第79-80页 |
| 3.4 基于已部署警力的责任区划分覆盖模型 | 第80-81页 |
| 3.4.1 基于已部署警力的二元覆盖模型 | 第80页 |
| 3.4.2 基于已部署警力的动态覆盖模型 | 第80-81页 |
| 3.5 覆盖模型求解算法的实现 | 第81-88页 |
| 3.5.1 应用线性规划求解覆盖模型的方法 | 第81-82页 |
| 3.5.2 覆盖模型遗传算法关键步骤的优化 | 第82-86页 |
| 3.5.3 覆盖模型遗传算法的实现流程 | 第86-87页 |
| 3.5.4 已部署警力覆盖模型求解遗传算法 | 第87-88页 |
| 3.6 实验验证及结果分析 | 第88-101页 |
| 3.6.1 实验数据说明及实验介绍 | 第88页 |
| 3.6.2 覆盖模型关联性实验验证 | 第88-94页 |
| 3.6.3 覆盖模型求解遗传算法实验分析 | 第94-98页 |
| 3.6.4 已部署警力覆盖模型求解实验分析 | 第98-101页 |
| 3.7 本章小结 | 第101-104页 |
| 4 基于执勤状态的动态警力资源调度方法 | 第104-130页 |
| 4.1 基于执勤状态的动态警力资源调度 | 第104-106页 |
| 4.1.1 动态警力资源调度处理流程 | 第104-105页 |
| 4.1.2 动态警力资源调度的关键问题 | 第105-106页 |
| 4.2 交警执勤状态辨识方法 | 第106-112页 |
| 4.2.1 交警行为的背景要素定义 | 第106-109页 |
| 4.2.2 交警执勤状态划分与描述 | 第109页 |
| 4.2.3 执勤行为与交通事件状态的关联 | 第109-110页 |
| 4.2.4 基于状态自动机的交警执勤状态判定 | 第110-111页 |
| 4.2.5 交警位置变化状态判定的实现方法 | 第111-112页 |
| 4.3 具有误差控制能力的优化Dijkstra算法 | 第112-117页 |
| 4.3.1 优化Dijkstra算法主要思路 | 第112-113页 |
| 4.3.2 优化Dijkstra算法计算步骤 | 第113-115页 |
| 4.3.3 优化Dijkstra算法的误差控制 | 第115-116页 |
| 4.3.4 误差控制系数的非线性插值计算法 | 第116-117页 |
| 4.4 动态警力资源搜索的逆Dijkstra算法 | 第117-118页 |
| 4.5 实验及结果分析 | 第118-127页 |
| 4.5.1 实验数据说明及实验介绍 | 第118-119页 |
| 4.5.2 具有误差控制能力的Dijkstra算法实验分析 | 第119-127页 |
| 4.5.3 动态警力资源搜索的逆Dijkstra算法实验分析 | 第127页 |
| 4.6 本章小结 | 第127-130页 |
| 5 总结与展望 | 第130-134页 |
| 5.1 主要研究结论 | 第130-132页 |
| 5.2 主要创新点 | 第132页 |
| 5.3 研究展望 | 第132-134页 |
| 参考文献 | 第134-144页 |
| 附录 部分实验结果数据 | 第144-158页 |
| 作者简历及攻读博士学位期间取得的研究成果 | 第158-162页 |
| 学位论文数据集 | 第162页 |
