| 摘要 | 第1-6页 |
| ABSTRACT | 第6-15页 |
| 第一章 绪论 | 第15-26页 |
| ·引言 | 第15-16页 |
| ·高速公路交通控制研究动态 | 第16-23页 |
| ·课题研究的目的和意义 | 第23-24页 |
| ·内容安排 | 第24-26页 |
| 第二章 高速公路动态交通流的Elman神经网络模型 | 第26-38页 |
| ·引言 | 第26-27页 |
| ·宏观动态交通流数学模型 | 第27-30页 |
| ·Elman回归神经网络的原理 | 第30-31页 |
| ·Elman回归神经网络对动态交通流的建模 | 第31-34页 |
| ·仿真实例 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 高速公路入口匝道模糊逻辑控制 | 第38-51页 |
| ·引言 | 第38-39页 |
| ·模糊控制的特点 | 第39-40页 |
| ·模糊逻辑控制器的基本结构与模糊控制算法 | 第40-43页 |
| ·模糊化接口 | 第40页 |
| ·知识库 | 第40页 |
| ·模糊推理 | 第40-42页 |
| ·反模糊化接口 | 第42-43页 |
| ·模糊逻辑控制器的设计步骤 | 第43页 |
| ·入口匝道模糊逻辑控制器的设计 | 第43-49页 |
| ·入口匝道控制的基本原理和目标 | 第43-44页 |
| ·入口匝道模糊逻辑控制器输入量的确定 | 第44-45页 |
| ·输入变量隶属度函数的确定 | 第45-47页 |
| ·模糊控制规则的确定 | 第47-49页 |
| ·仿真研究 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 高速公路入口匝道非线性反馈控制 | 第51-66页 |
| ·引言 | 第51-52页 |
| ·入口匝道控制原理 | 第52页 |
| ·入口匝道反馈控制方法 | 第52-54页 |
| ·高速公路匝道非线性反馈控制器的设计 | 第54-60页 |
| ·高速公路交通流模型 | 第54-56页 |
| ·匝道控制目标 | 第56页 |
| ·高速公路匝道非线性反馈模糊逻辑控制器 | 第56-59页 |
| ·高速公路匝道非线性反馈比例积分控制器 | 第59-60页 |
| ·仿真研究 | 第60-64页 |
| ·本章小结 | 第64-66页 |
| 第五章 高速公路多匝道协调控制 | 第66-82页 |
| ·引言 | 第66-67页 |
| ·高速公路递阶控制结构 | 第67-68页 |
| ·高速公路多匝道模糊逻辑协调控制 | 第68-77页 |
| ·高速公路交通流有限差分模型 | 第68-70页 |
| ·多匝道模糊逻辑协调控制系统的设计 | 第70-74页 |
| ·仿真实例 | 第74-77页 |
| ·高速公路多匝道比例积分协调控制 | 第77-81页 |
| ·多匝道比例积分协调控制系统的设计 | 第78页 |
| ·仿真实例 | 第78-81页 |
| ·本章小结 | 第81-82页 |
| 第六章 高速公路主线限速控制 | 第82-107页 |
| ·引言 | 第82-83页 |
| ·高速公路模糊逻辑限速控制 | 第83-89页 |
| ·限速控制的必要性 | 第83-84页 |
| ·限速控制的影响因素 | 第84-85页 |
| ·路面温度、湿度等气象参数的实时监测 | 第85页 |
| ·模糊逻辑限速控制器的设计 | 第85-88页 |
| ·仿真研究 | 第88-89页 |
| ·高速公路 BP神经网络限速控制 | 第89-93页 |
| ·BP神经网络模型 | 第89-90页 |
| ·学习算法 | 第90-91页 |
| ·BP神经网络限速控制器的设计 | 第91-92页 |
| ·仿真研究 | 第92-93页 |
| ·高速公路 RBF神经网络限速控制 | 第93-96页 |
| ·RBF神经网络限速控制器的设计 | 第94-95页 |
| ·仿真研究 | 第95-96页 |
| ·高速公路模糊神经网络限速控制 | 第96-100页 |
| ·模糊神经网络限速控制器的设计 | 第97-99页 |
| ·仿真研究 | 第99-100页 |
| ·基于支持向量机的高速公路限速控制 | 第100-105页 |
| ·支持向量机回归 | 第101-102页 |
| ·基于支持向量机的高速公路限速控制器设计 | 第102-103页 |
| ·仿真研究 | 第103-105页 |
| ·几种限速控制方法的比较 | 第105-106页 |
| ·本章小结 | 第106-107页 |
| 第七章 基于支持向量机的高速公路事件检测 | 第107-119页 |
| ·引言 | 第107-109页 |
| ·支持向量机分类 | 第109-114页 |
| ·基于支持向量机分类的事件自动检测 | 第114-118页 |
| ·事件检测系统结构 | 第114页 |
| ·支持向量机输入量的选择 | 第114-116页 |
| ·事件检测数据 | 第116-117页 |
| ·事件检测系统的仿真 | 第117-118页 |
| ·本章小结 | 第118-119页 |
| 结论 | 第119-122页 |
| 参考文献 | 第122-131页 |
| 攻读博士学位期间发表的论文 | 第131-133页 |
| 致谢 | 第133页 |