车联网环境下智能车辆走停控制建模与优化研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-23页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 研究现状 | 第11-20页 |
| 1.2.1 排放模型 | 第11-12页 |
| 1.2.2 跟驰模型 | 第12-16页 |
| 1.2.3 车联网技术 | 第16-20页 |
| 1.3 研究目标与内容 | 第20-21页 |
| 1.4 研究技术路线 | 第21-22页 |
| 1.5 本章小结 | 第22-23页 |
| 第二章 车联网环境下智能车辆走停控制建模 | 第23-35页 |
| 2.1 控制系统结构 | 第23-24页 |
| 2.2 基本模型建立 | 第24-33页 |
| 2.2.1 模型结构 | 第24-25页 |
| 2.2.2 CMEM排放测算模型建立 | 第25-29页 |
| 2.2.3 基于最小安全距离的车辆走停模型建立 | 第29-33页 |
| 2.3 系统流程 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 基于行驶状态预测的多目标优化走停控制 | 第35-56页 |
| 3.1 基本卡尔曼滤波理论 | 第36-37页 |
| 3.2 无迹卡尔曼滤波算法 | 第37-40页 |
| 3.2.1 无迹变换和对称采样策略 | 第37-38页 |
| 3.2.2 无迹卡尔曼滤波的实现算法 | 第38-40页 |
| 3.3 基于无迹卡尔曼滤波的车辆行驶状态预测模型 | 第40-44页 |
| 3.3.1 目标状态模型和量测模型 | 第40页 |
| 3.3.2 跟踪坐标系的选取 | 第40-42页 |
| 3.3.3 机动目标模型的建立 | 第42-44页 |
| 3.4 卡尔曼滤波仿真结果及分析 | 第44-48页 |
| 3.5 基于行驶状态预测的多目标优化控制模型 | 第48-55页 |
| 3.5.1 优化模型建立 | 第48-51页 |
| 3.5.2 多目标优化模型求解方法 | 第51-55页 |
| 3.6 本章小结 | 第55-56页 |
| 第四章 可行性验证及分析 | 第56-78页 |
| 4.1 车联网环境下系统状态的获取 | 第57-58页 |
| 4.2 无迹卡尔曼滤波预测模型仿真验证及分析 | 第58-59页 |
| 4.3 多目标优化走停控制模型仿真验证及分析 | 第59-67页 |
| 4.3.1 跟驰模型仿真验证及分析 | 第59-60页 |
| 4.3.2 CMEM排放测算模型仿真验证及分析 | 第60-63页 |
| 4.3.3 优化模型仿真验证及分析 | 第63-67页 |
| 4.4 指标权重系数影响 | 第67-76页 |
| 4.4.1 跟驰效率指标的影响 | 第67-70页 |
| 4.4.2 排放量指标的影响 | 第70-73页 |
| 4.4.3 舒适度指标的影响 | 第73-76页 |
| 4.5 本章小结 | 第76-78页 |
| 第五章 总结 | 第78-80页 |
| 5.1 主要研究成果与结论 | 第78页 |
| 5.2 论文创新点 | 第78-79页 |
| 5.3 进一步研究展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 附录A | 第84-87页 |
| 在学期间的研究成果 | 第87-88页 |
| 致谢 | 第88页 |
