| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·课题的背景及研究意义 | 第10-11页 |
| ·智能交通系统简介 | 第11-12页 |
| ·国内外城市交通信号控制的发展历程 | 第12-13页 |
| ·城市交通信号灯控制的发展方向 | 第13-14页 |
| ·论文的主要工作 | 第14-15页 |
| 第二章 城市交通信号控制的基本理论 | 第15-30页 |
| ·交通信号控制的基本概念及术语 | 第15-18页 |
| ·交通信号灯 | 第15-16页 |
| ·交通信号控制的基本概念 | 第16-17页 |
| ·交通信号控制的基本参数 | 第17-18页 |
| ·交通信号控制系统的分类 | 第18-22页 |
| ·按控制范围分类 | 第18-21页 |
| ·按控制方法分类 | 第21-22页 |
| ·交通信号控制的常用性能指标 | 第22-25页 |
| ·车辆延误 | 第23-24页 |
| ·平均排队长度 | 第24页 |
| ·平均起停次数 | 第24页 |
| ·通行能力 | 第24-25页 |
| ·典型的城市交通信号控制系统 | 第25-28页 |
| ·TRANSYT系统 | 第26页 |
| ·SCOOT系统 | 第26-27页 |
| ·SCATS系统 | 第27页 |
| ·OPAC系统 | 第27页 |
| ·RHODES系统 | 第27-28页 |
| ·SPOT/UTOPIA系统 | 第28页 |
| ·我国城市交通控制系统现状及发展前景 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 基于 RBF神经网络的单交叉口自学习控制系统 | 第30-37页 |
| ·引言 | 第30页 |
| ·问题描述 | 第30-32页 |
| ·控制器的设计及其算法 | 第32-34页 |
| ·基于神经网络的单交叉口模型 | 第32页 |
| ·RBF神经网络 | 第32-33页 |
| ·神经网络自学习方案 | 第33-34页 |
| ·仿真分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于相序优化的城市交通干道模糊神经网络控制 | 第37-50页 |
| ·引言 | 第37-38页 |
| ·城市交通干线的控制问题 | 第38-40页 |
| ·交通干线控制问题的描述 | 第38页 |
| ·控制策略 | 第38-40页 |
| ·控制目标 | 第40页 |
| ·控制过程 | 第40-41页 |
| ·控制器的结构设计 | 第41-42页 |
| ·控制器设计 | 第42-47页 |
| ·交叉口信号控制器设计 | 第42-44页 |
| ·协调单元控制器设计 | 第44-47页 |
| ·模糊神经网络控制器实现 | 第47-48页 |
| ·仿真分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 结论与展望 | 第50-52页 |
| ·结论 | 第50-51页 |
| ·展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间参加的科研项目和成果 | 第57页 |