基于信息融合的公交信号优先控制研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 存在的问题及发展趋势 | 第12页 |
| 1.4 论文研究的主要内容及章节安排 | 第12-14页 |
| 第二章 公交信号优先控制基本理论 | 第14-22页 |
| 2.1 公交信号优先控制基本概念 | 第14-15页 |
| 2.1.1 公交优先 | 第14页 |
| 2.1.2 公交信号优先 | 第14-15页 |
| 2.2 公交优先分类 | 第15-16页 |
| 2.2.1 优先的类型分类 | 第15-16页 |
| 2.3 公交信号优先控制原则及策略 | 第16-20页 |
| 2.3.1 控制原则 | 第16-17页 |
| 2.3.2 控制策略 | 第17-20页 |
| 2.4 交通信号控制的性能指标 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 短时交通流预测 | 第22-38页 |
| 3.1 交通流基本理论 | 第22-25页 |
| 3.1.1 交通流理论分类 | 第22页 |
| 3.1.2 交通流理论研究的内容 | 第22-23页 |
| 3.1.3 交通流基本特性及相互关系 | 第23-25页 |
| 3.2 短时交通流预测概述 | 第25-27页 |
| 3.2.1 短时交通流特性 | 第25-26页 |
| 3.2.2 各种预测方法的研究综述 | 第26-27页 |
| 3.3 基于粒子群算法的神经网络短时交通流预测 | 第27-37页 |
| 3.3.1 粒子群算法的基本理论 | 第27-29页 |
| 3.3.2 粒子群算法优化神经网络 | 第29-30页 |
| 3.3.3 粒子群算法优化神经网络的流程 | 第30-32页 |
| 3.3.4 PSO神经网络预测模型 | 第32-33页 |
| 3.3.5 短时交通流量PSO神经网络预测的步骤 | 第33页 |
| 3.3.6 交通流量预测实验 | 第33-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于交通流融合的公交优先模糊控制算法 | 第38-63页 |
| 4.1 模糊控制理论概述 | 第38-39页 |
| 4.1.1 模糊控制的特点 | 第38页 |
| 4.1.2 模糊控制的基本原理 | 第38-39页 |
| 4.2 交通流融合 | 第39-45页 |
| 4.2.1 路段通行能力分析 | 第39-41页 |
| 4.2.2 交通流融合模块 | 第41-43页 |
| 4.2.3 单交叉口的模型及相位分布 | 第43-44页 |
| 4.2.4 单交叉口车辆平均延误模型 | 第44-45页 |
| 4.3 公交优先信号控制器设计 | 第45-54页 |
| 4.3.1 总优先值模块 | 第45-46页 |
| 4.3.2 总权值模块 | 第46页 |
| 4.3.3 红灯相位模块 | 第46-49页 |
| 4.3.4 相序优先模块 | 第49-50页 |
| 4.3.5 绿灯延时模块 | 第50-52页 |
| 4.3.6 最小绿灯时间模型建立 | 第52-54页 |
| 4.4 仿真分析 | 第54-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间所取得的相关科研成果 | 第70页 |
