基于可变导向车道及信号配时优化的交叉口组合优化控制方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 交叉口空间优化 | 第13-15页 |
| 1.2.2 交叉口时间优化 | 第15-16页 |
| 1.2.3 交叉口协同优化 | 第16-17页 |
| 1.3 研究现状总结 | 第17-18页 |
| 1.4 研究目标与方法 | 第18-19页 |
| 1.4.1 研究目的 | 第18页 |
| 1.4.2 研究方法 | 第18-19页 |
| 1.5 研究的主要内容 | 第19-21页 |
| 第2章 可变导向车道概述 | 第21-34页 |
| 2.1 交叉口交通流特征分析 | 第21-30页 |
| 2.1.1 交叉口基本情况简介 | 第21-22页 |
| 2.1.2 直行车道车流特征 | 第22-26页 |
| 2.1.3 左转车道车流特征 | 第26-30页 |
| 2.2 可变导向车道设置条件分析 | 第30-31页 |
| 2.2.1 渠化条件 | 第30-31页 |
| 2.2.2 交通条件 | 第31页 |
| 2.2.3 信号条件 | 第31页 |
| 2.3 检测器布设方法分析 | 第31-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 组合优化系统结构 | 第34-38页 |
| 3.1 交叉口情况概述 | 第34-35页 |
| 3.2 系统结构简介 | 第35-36页 |
| 3.3 系统优化流程 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 交通状态预测子系统 | 第38-47页 |
| 4.1 模糊C均值聚类算法 | 第38-42页 |
| 4.1.1 模糊聚类简介 | 第38-41页 |
| 4.1.2 模糊C均值聚类 | 第41-42页 |
| 4.1.3 基于FCM的交通状态识别 | 第42页 |
| 4.2 自适应模糊神经推理系统算法 | 第42-45页 |
| 4.2.1 ANFIS概述 | 第42-43页 |
| 4.2.2 ANFIS结构 | 第43-45页 |
| 4.2.3 ANFIS算法 | 第45页 |
| 4.3 交通状态预测 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 VAL功能决策子系统 | 第47-53页 |
| 5.1 VAL功能确定原理 | 第47-49页 |
| 5.1.1 阈值取值 | 第48页 |
| 5.1.2 流程化算法 | 第48-49页 |
| 5.2 VAL功能转变控制方法 | 第49-52页 |
| 5.2.1 VAL属性由直行变为左转 | 第50-51页 |
| 5.2.2 VAL属性由左转变为直行 | 第51-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第6章 信号优化子系统 | 第53-61页 |
| 6.1 触发原理 | 第53-54页 |
| 6.2 信号配时优化模型 | 第54-60页 |
| 6.2.1 经典的配时优化方法 | 第54-58页 |
| 6.2.2 信号配时动态优化方法 | 第58-60页 |
| 6.3 本章小结 | 第60-61页 |
| 第7章 算例分析 | 第61-73页 |
| 7.1 算例情况简介 | 第61-63页 |
| 7.2 优化过程分析 | 第63-71页 |
| 7.2.1 交通状态预测 | 第63-68页 |
| 7.2.2 组合优化策略 | 第68-70页 |
| 7.2.3 优化效果分析 | 第70-71页 |
| 7.3 本章小结 | 第71-73页 |
| 结论 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 附录 模糊C均值聚类算法的主程序 | 第80-82页 |
| 攻读硕士学位期间发表的论文 | 第82页 |
