一、交通控制与诱导递阶协调方法的研究（论文文献综述）
罗佳发[1]（2020）在《基于移动互联交通信息的城市交通诱导与信号控制协同优化研究》文中提出随着“互联网+”、“物联网”、“车联网”技术的发展,实现了交通数据的全面感知,使现代交通进入交通大数据的大发展时代。随着城市经济和交通的飞速发展,城市交通拥挤、事故频发等问题变得愈发严峻,因此,利用交通大数据生成“完美”管理控制方案,实现路网交通流均衡分布,对提高城市交通系统运行的顺畅性、有序性,促进城市经济和智能交通的发展具有重要的意义。本文基于移动互联交通诱导信息下出行者路径选择决策过程与路径选择影响因素,设计SP调查问卷调查VMS诱导信息对出行者路径选择的影响因素,对调查数据进行统计和初步分析,利用SPSS软件对影响因素进行筛选、剔除,最终得到四个显着影响因素,并通过建立Logit回归模型预测出行者改变路径的概率,基于研究结果得出对制定交通诱导控制协同管理策略的启示。以路网行驶时间和延误时间之和最小为目标函数,以路网流量、流入率、绿信比为变量,对饱和度、交通量、流入率、绿信比进行约束,建立交通诱导控制协同模型,通过遗传算法对协同模型算法进行优化设计,以桂林市一个包含四个交叉口的小型路网对模型进行实例分析,优化前后结果对比分析表明模型实现了路网总行程时间的减少,验证了模型的可行性。通过建立交通控制与交通诱导协同模型,生成了路网最佳的信号控制方案和实现了路网交通流的均衡分布,有效提高了路网的运行性能。对研究城市智慧交通管理策略具有一定的意义和价值。
白静[2]（2018）在《基于动态交通流信息的城市交通突发拥堵控制与诱导研究》文中提出交通拥堵作为城市化溢出的负外部性产品,其应对与治理在全球范围内一直都是社会各界关注的焦点领域。交叉口信号控制及路径诱导作为智能交通系统中重要组成部分,在日益严峻的交通环境下,正获得越来越广泛的应用。然而,在硬件设施迅速发展和完善的同时,交通管理系统智能化程度低的问题依然存在,交通管理部门面临着从海量的交通流数据中,尤其像交通突发拥堵所产生的具有非重复特性的数据中,获取隐藏的内在信息,以及充分利用信息优势制定科学的疏导策略等问题。因此,在海量交通数据的基础上,开展动态交通流信息处理及拥堵的控制与诱导策略研究,对缓解城市交通拥堵具有重要意义。本文针对交通突发拥堵这一有别于常规性拥堵的现象制定专门的交通管理策略,分析城市交通突发拥堵的特点、传播规律,利用深度学习算法具有快速、充分学习数据内在特征的能力,从大量交通流数据中快速判别出交通状态并预测短时动态交通流信息,在此基础上,结合文中给出的突发事件下交通流传输模型,分别从交叉口信号控制系统和路径诱导系统两方面,研究交通突发拥堵的事先疏导及协调控制的策略,并对几种策略的作用机制和效果进行仿真评估。具体工作如下:首先,分析了城市交通突发拥堵现象的特点,包括拥堵产生的原因、拥堵的评定指标以及突发拥堵的交通流时空分布特征。利用交通波动理论分析了不同情形下拥堵传播的规律,讨论了交通突发拥堵情况下交通管理部门的应对方案流程。分析了城市交通突发拥堵交通流参数的时空相关性,针对预测模型输入数据的高维特性以及交通流数据复杂性、非线性和不确定性的特点,利用深度学习工具构建未来短时动态交通流信息预测模型。构建深度信念网络对交通流数据作无监督特征学习,引入Logistic回归实现有效、实时的交通拥堵状态识别,同时为交通流信息预测提供分类预训类,在分类预训练结构顶层添加反向微调网络,通过后向反馈预测动态交通流信息。然后,考虑微观仿真软件在进行解析分析时受到软件功能制约,交叉口信号控制需要结合路段的排队情况,为了准确描述排队的形成及消散过程,构建一种能够刻画突发拥堵可能出现排队溢出现象的交通流传输模型:事件双排队模型,分析证明了模型的理论特性,利用算例数值计算验证模型的实用性。进一步根据模型的理论特性,建立了信号控制优化模型,并利用遗传算法对离散化后的模型进行求解,通过数值算例验证该模型对交通突发拥堵疏散的有效性。其次,分析了动态交通流信息对交通分配的影响,设计了考虑用户紧急程度的基于动态交通流信息的在途诱导方案。为了充分利用动态交通流信息并提高诱导效率,提出了时变路网下改进的A*算法,考虑用户不同紧急程度对拥堵感知存在差异,提出了基于紧急函数的行驶时间感知效用算法,并构建了基于用户紧急程度的备选路径分配方案。再次,考虑目前大部分的协同优化策略都需要反复迭代运算来实现目标优化,且计算量过大,提出了基于动态交通流信息的线下学习-线上控制的信号控制与诱导系统协同优化方案,在海量数据的基础上,利用人工智能无监督学习功能,掌握交通拥堵的交通流特征,将主要计算问题转移到线下,从而实现线上管理决策应有的快速性。分析交叉口时间延误,对文中提出的信号控制、在途诱导策略做适当改进,以助于实施协同控制方案。最后,为了表征不同控制策略的作用机制及效果,利用微观仿真软件SUMO建立了典型交通仿真环境,将O-D数据分成两组,在此仿真环境下,利用一组数据分别制定信号控制策略、在途诱导策略以及协同优化策略,同时利用所得到的交通数据信息进行训练以学习预测模型参数,然后用另一组作为仿真评估数据,通过四种指标评估所提策略的实用性及有效性。
杨辉[3]（2017）在《信号控制与路径诱导协同的动态交通模型研究》文中认为随着城市化步伐的加快,城市交通网络的规模逐渐扩大,其复杂程度日渐加深,国内外城市都面临交通拥堵、事故频发、环境污染、资源浪费等亟待解决的交通问题。事实证明,传统的新修道路和单纯的交通信号控制优化已经难以完美解决目前所面临的交通问题。交通信号控制系统和交通诱导系统作为智能交通系统（ITS）的两个核心子系统,二者即密切相关、相辅相成又各司其职,各有侧重,交通控制与交通诱导的协同系统成为智能交通领域的研究热点,也成为公认的解决目前交通问题的必由之路。将交通控制系统和交通诱导系统有机结合,发挥各自的优点,对于缓解交通问题、优化交通网络运行环境具有重大意义。本文总结了国内外相关研究成果,基于一种基本的信号控制方法和一种基本路径选择策略,将其拓展、结合后建立一种交通控制与交通诱导协同的动态模型。此动态模型的每一次迭代过程中,交通流量、绿信比和瓶颈延误同时改变,最后达到平衡,使道路通行能力最大化并均衡分配路网交通流。此模型可用于考虑交通流分配的定时控制方案设计,也可用于为防止可预测事件的迅速响应的信号预配时与交通流预分配,如果计算速度足够快,还可以用于实时信号配时与交通流分配。文中对交通控制与交通诱导协同动态模型最大化道路通行能力的特点进行了论证,并对其收敛性及收敛条件进行了讨论。协同模型以交通流、绿信比和瓶颈延误的Lyapunov函数为0作为最终迭代目标,基于此,文中介绍了一种相应的求解单调互补问题的步长变化方法,并给出模型求解步骤。本文以VISSIM仿真软件COM接口技术为纽带,建立基于VISSIM和Excel VBA联合仿真平台对模型的效果进行验证,其中详细阐述了路网建立、检测点设置、瓶颈延误简化公式、仿真搭建流程等要点,并且对仿真结果进行了对比分析,验证协同模型对减少延误时间、提高道路通行能力的有效性。最后,总结全文,分析了交通控制与交通诱导协同模型的不足,并为下一步研究工作提出建议。
贾舒涵[4]（2017）在《基于交互反馈的区域诱导与控制协同技术研究》文中研究指明为了缓解城市区域交通拥堵,降低整个城市区域路网的系统总消耗,本文对区域交通信号控制及交通流诱导协调反馈模式和协调方法模型进行了研究.本文首先定义了两种交通信号控制及交通流诱导协调反馈模式,并对其适用条件进行了分析,随后,本文构建了区域协调临界函数,对协调模式进行判别.建立策略层级下的两种协调模型——一体化协调模型和双层次协调模型,一体化协调模型将交通信号控制及交通流诱导系统的目标进行协调,得到一体化的协同目标函数,双层次协同模型包含两层目标,上层目标为缓解交通拥挤;下层目标为降低系统总费用.最后,采用迭代优化算法求解协调模型并选取长春市某区域路网进行仿真实验.仿真结果表明,协调后的区域路网平均行程时间、平均流量、平均饱和度,以及系统总费用比协调前都有了较为明显和不同程度的降低,本文提出的模型和方法能够有效的改善交通状况,具有较好的应用效果。
王薇,程泽阳,张伟,杨兆升[5]（2016）在《基于层级控制的区域交通信号控制及交通流诱导协调模型》文中研究表明为了缓解交通拥堵,降低区域路网的系统总费用,对区域交通信号控制及交通流诱导协调模型进行了研究.构建了区域协调临界函数,对协调层级进行判别.建立策略层级下的协调模型,模型包含2层目标,第一层目标为缓解拥挤;第二层目标为降低系统总费用.采用迭代优化算法求解协调模型并选取厦门市某区域路网进行仿真实验.仿真结果表明,协调后的区域路网平均行程时间、平均流量、平均饱和度,以及系统总费用比协调前分别降低了18.42%,6.31%,19.83%和24.25%.
傅贵[6]（2014）在《城市智能交通动态预测模型的研究及应用》文中指出发展智能交通系统是各大城市解决交通拥堵问题的重要战略。目前智能交通系统已经发展到中高级阶段，丰富的交通数据检测手段为交通数据分析、控制、决策提供很好的数据基础，这方面已经成为研究和工程应用的热点。传统的交通控制和交通诱导系统是基于实时交通流数据检测的，检测到交通流状态即通过既定的控制和诱导算法计算并实施控制，它存在以下问题：（1）由于缺乏历史交通数据分析和交通预测，交通控制和诱导缺乏预见性，只能根据最近的短时间内的交通参数选择控制方案进行交通控制。（2）交通控制系统和交通诱导系统的数据没有进行有效的融合，从而无法建立交通控制和诱导的协同模型。（3）现有的交通控制系统没有考虑突发的交通事件对于模型的影响，因而无法把握交通流变化的突发性特征，交通控制和诱导具有明显的滞后性。针对上述问题，为了提高交通控制的预见性、对于突发交通事件的快速反应能力以及建立交通控制与诱导协同，本文在动态交通预测、交通事件检测以及交通控制与诱导协同模型方面开展创新性研究，主要的研究内容和创新点包括以下四个方面：（1）研究提出一套交通流数据预处理的方法，包括错误数据的判别和修正方法、丢失数据的补齐方法以及冗余数据的约简方法，并将这些方法应用到广州市交通流检测系统中。良好的数据质量是交通流预测的基础。在工程实际中，交通流数据是充满噪声的，不可能直接利用。因此，必须先对原始数据进行预处理，也是所谓的数据清洗。本文总结提出的数据预处理方法是面向工程实用的，具有指导实践意义。（2）研究提出了一套实用的基于视频图像的交通事件检测方法，并将这些方法应用于广州市交通事件检测系统。如此一来，可以克服基于交通流检测器数据分析的交通事件检测方法的依赖性，视频检测的方法可以充分利用当前城市交通视频的丰富资源，大大减少工程投资，具有重要意义。（3）提出一种适用于城市智能交通控制和诱导的短时交通预测模型，包括基于支持向量机的交通预测模型，重点研究核函数的建立和参数的选择和优化方法，并在工程实践中进行验证。为提高交通控制系统对交通流变化的自动适应能力，文中提出了基于支持向量机（SVM）回归的短时交通流预测模型，总结出在工程应用中的建模流程，并采用广州市交通流检测系统的数据对模型进行实验和定量分析，验证了模型的可行性、有效性，为后续的工程应用提供基础。最后，研究如何采用粒子群算法对参数的选择进行优化。（4）提出基于融合交通动态的交通控制与诱导协同模型，建立基于交通预测的交通控制诱导协同平台，最后采用仿真方式验证了模型和平台的可行性和有效性。对于目前交通控制系统与交通诱导系统的交通流数据检测、分析和控制都相对独立的现状，本文首先研究了面向交通动态的信息融合技术，对包含历史数据的短时交通预测、交通事件检测结果和实时交通流数据进行有效的信息融合，同时结合神经网络算法对交通控制与诱导的协同优化进行研究，最后形成了融合交通动态的智能控制与诱导协同模型。在协同方面，该模型选择一种决策级融合的模式，提出一个具有中心协调系统（CCOS）的交通控制与诱导协同模型，并采用神经网络专家系统来确定模型中的参数。为了验证其有效性，本文选择了一个典型的路网进行仿真，同时利用实际数据通过带专家监督的神经网络进行训练，得出算法中的相关参数后，以此来实施基于交通预测和实时交通状态的交通诱导和控制，最后对使用诱导控制的前后交通实际流量数据进行实例分析对比，从而证明模型的可行性和有效性。综上所述，本文就交通流预测方法的应用进行研究，深入讨论了基于支持向量机回归的交通流预测模型，并应用到交通控制与诱导协同模型的改进，同时还考虑了突发的交通事件对于模型的影响。这些研究和实践对于解决当前ITS中的交通控制与交通诱导这一难点问题起到重要的参照作用，也为后续研究提供了重要而有益的参考。上述研究和实践将为理论研究和工程研究提供重要的参考价值。
陈霞[7]（2013）在《组团城市交通通道的诱导与控制协调方法研究》文中研究表明组团城市通道路网是城市组团的道路网络主骨架。随着城市发展和机动车保有量的增多，组团城市的通道路网拥堵日趋严峻。组团间通道瓶颈和组团内部堵点是造成交通拥堵的主要原因，通道网络的交通失衡严重影响了城市交通运行效率。通过合理诱导和优化控制城市组团间通道的车流运行，均衡流量在通道上的分布，可以有效的改善通道的交通拥堵。城市交通流诱导（TFG）通过路径诱导信息，调整城市车流在通道上的分布；城市交通信号控制（TSC）可调节交叉口各流向的通行权，协调通道上节点的交通流量和流向。交通控制与交通诱导相结合，从点和线两个方面调节路网交通的时空分布，避免通道出现交通拥堵。本文建立了三级分层的组团通道TFG与TSC协调模式，从宏观的角度分析了组团城市通道的交通生成特性，微观上剖析了组团城市通道的交通流运行特性。将城市组团间的道路网络划分为“通道网络”、“通道瓶颈”和“通道节点”三个协调级，并建立了对应的优化模型；对于“通道网络”协调级，运用交通均衡原理，在通道网络层面上对组团通道交通主流向进行诱导，实现网络交通流量整体均衡；对于“通道瓶颈”协调级，结合网络层诱导信息调节通道瓶颈入口车辆的流入率，减轻通道瓶颈交通负荷；对于“通道节点”协调级，建立基于通道均衡配流的信号控制模型和算法，调整组团内部通道节点信号控制方案。文章最后以重庆市主城区路网结构为背景，对主城区整个通道路网和少数通道瓶颈、通道节点进行分析，以验证本文方法的合理性、有效性。论文的研究成果可用于组团城市通道的交通管理控制，能在一定程度上缓解组团城市交通拥堵，提高通道的交通运行效率。
陈斌[8]（2012）在《基于大系统递阶优化的交通控制与诱导协同方法研究》文中进行了进一步梳理城市交通系统是个庞大而又复杂的系统。随着城市化进程的加快，城市交通需求迅速增长，交通拥挤等交通问题造成的影响日益加重。为了解决交通矛盾，世界各国普遍建成了智能交通系统（ITS）。城市交通控制和交通流诱导是其中最重要的两大子系统，二者的协同是现代交通管理的重要研究内容，是新一代智能交通控制系统的重要研究内容之一。本文主要对城市大范围区域间交通控制和交通流诱导的协同方法以及协同判定时机进行了研究。论文首先对交通控制、交通诱导等本文研究的基础方法和理论进行了综述；总结了国内外关于交通控制与诱导协同的模型和算法，分析了城市交通控制与交通流诱导系统的相关性；分析了城市大范围区域间的交通控制与交通流诱导协同的特征和协同的目标。其次建立交通状态评价函数，作为判定启动协同的函数。然后在对大系统递阶优化思想进行分析研究基础上，提出了基于大系统递阶控制思想的交通控制与交通流诱导协同结构，建立了协同模型，并设计了优化算法。最后利用VISSIM软件进行了协同策略模拟验证。结果表明，在城市大范围交通系统中对拥挤区域进行区域间交通协同具有较强的实用性。
高敏静[9]（2011）在《城市交通控制与诱导系统协同优化研究》文中研究指明目前,世界上的许多城市都或多或少的面临着交通拥堵的问题,因此,如何使城市交通系统顺畅、有序的运行就成为交通工程领域研究的热点。交通控制与交通诱导是解决城市交通拥堵的两种最基本和重要的方法,它们二者之间既相互联系、缺一不可,又互相独立、各有侧重,因此,只有使二者有效的协调起来才能更好的调整交通量的时空分布,保证城市交通系统的顺畅运行。本文正是基于这样的考虑,对交通控制与交通诱导的协同进行了研究。在总结国内外研究的基础上,本文对交通控制系统和交通诱导系统的基本概念进行了介绍,阐述了进行交通控制与交通诱导一体化设计的必要性。本文的核心内容是第三、四、五章,主要内容分别为交通控制与交通诱导协同模型的设计、模型求解算法的设计和应用实例。其中,协同模型以路段驶入率、路段交通量和交叉口绿信比为变量,以路段饱和度均值和方差、路网流量均衡为约束,最终目标是实现路网的总行程时间最小。本文使用遗传算法对模型进行求解,设计了模型的适应度函数、编码方式和遗传算子。最后,本文以一个包含四个交叉口的小区简述了模型的求解过程,并验证了模型的可行性。本文最后是对研究成果的总结,并提出了模型的改进方案。
王媛[10]（2009）在《大范围战略交通协调控制系统关键技术研究》文中研究说明依托国家“863”发展计划课题,本文对大范围战略交通协调控制系统的关键技术进行了研究,文中介绍了大范围战略交通协调控制系统研究的目的及意义,给出系统的研究思路和方法;然后,给出了大范围战略交通协调控制系统的系统构成、逻辑框架、物理框架;其次提出了基于手机经纬度信息的路段行程时间提取技术,包括基于手机定位的地图匹配模型、路段行程时间分配模型、样本量充足情况下和不足情况下的路段平均行程时间/速度的统计模型等。同时,给出了基于线圈检测器的路段平均行程时间提取方法,提出了基于自适应加权平均的融合技术、基于小波分析的融合技术和基于BP神经网络的非线性组合融合技术;并且,提出了基于手机浮动车的先验OD矩阵获取技术,包括基于标签算法的浮动车状态判别和出行OD的扩样方法,设计了基于卡尔曼滤波的估计模型及算法,给利用手机数据给出了相关的分配矩阵的计算方法;提出了区域战略交通控制策略优化方法、区域间交通协调控制策略及模型及区域边界交通协调控制策略及基于模糊控制的协调控制模型。并用实例进行了所提出模型及算法的验证。结果表明,本文所提出的模型、算法具有较好的精确性和实用性。
二、交通控制与诱导递阶协调方法的研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、交通控制与诱导递阶协调方法的研究（论文提纲范文）
（1）基于移动互联交通信息的城市交通诱导与信号控制协同优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| §1.1 研究背景 |
| §1.2 国内外研究现状 |
| §1.2.1 国外研究现状 |
| §1.2.2 国内研究现状 |
| §1.3 研究内容和技术路线 |
| §1.3.1 研究内容 |
| §1.3.2 技术路线 |
| §1.4 本章小结 |
| 第二章 交通控制与交通诱导理论基础 |
| §2.1 交通控制系统 |
| §2.1.1 交通控制系统分类 |
| §2.1.2 交通控制的基本参数 |
| §2.1.3 交叉口延误计算模型 |
| §2.2 交通诱导系统 |
| §2.2.1 交通诱导系统的构成 |
| §2.2.2 交通诱导系统的目标及思想 |
| §2.2.3 路段阻抗函数 |
| §2.3 本章小结 |
| 第三章 出行者基于移动互联交通信息的路径选择行为调查分析 |
| §3.1 出行者基于移动互联交通信息的路径选择行为理论 |
| §3.1.1 出行者基于移动互联交通信息的路径选择行为理论 |
| §3.1.2 可变信息诱导屏(VMS)概述 |
| §3.2 出行者基于移动互联交通信息的路径选择行为调查 |
| §3.2.1 调查方法介绍 |
| §3.2.2 调查问卷设计 |
| §3.2.3 调查描述 |
| §3.3 调查数据统计与分析 |
| §3.3.1 个人属性统计情况与分析 |
| §3.3.2 出行特性统计情况与分析 |
| §3.3.3 诱导信息属性统计情况与分析 |
| §3.3.4 改变路径的倾向统计情况与分析 |
| §3.3.5 假设情景的统计情况与分析 |
| §3.4 本章小结 |
| 第四章 移动互联交通信息下出行者路径选择行为模型 |
| §4.1 Logit模型介绍 |
| §4.2 模型构建 |
| §4.2.1 模型自变量选取 |
| §4.2.2 模型自变量处理 |
| §4.2.3 模型建立 |
| §4.3 结果分析 |
| §4.4 路径选择行为研究对制定交通诱导控制协同管理策略的启示 |
| §4.5 本章小结 |
| 第五章 交通控制与交通诱导协同模型 |
| §5.1 交通控制与交通诱导协同关系 |
| §5.1.1 交通控制系统与交通诱导系统的相关性 |
| §5.1.2 交通控制系统与交通诱导系统的差异性 |
| §5.1.3 交通控制系统与交通诱导系统的必要性 |
| §5.2 交通控制与交通诱导协同方法 |
| §5.3 交通控制与交通诱导协同框架 |
| §5.3.1 交通控制与交通诱导协同管理目标 |
| §5.3.2 交通控制与交通诱导协同模型框架 |
| §5.4 协同模型建模思想 |
| §5.5 协同模型的建立 |
| §5.5.1 路段行驶时间计算模型 |
| §5.5.2 交叉口延误模型 |
| §5.5.3 约束条件 |
| §5.5.4 模型的建立 |
| §5.6 遗传算法概述 |
| §5.6.1 遗传算法中的定义 |
| §5.6.2 遗传算法计算流程 |
| §5.7 协同模型的遗传算法设计 |
| §5.7.1 遗传算法的组成要素 |
| §5.7.2 协同模型的遗传算法设计 |
| §5.8 本章小结 |
| 第六章 实例应用分析 |
| §6.1 问题的描述 |
| §6.2 交通控制与交通诱导协同模型的求解 |
| §6.2.1 目标函数 |
| §6.2.2 约束条件 |
| §6.2.3 协同模型的求解 |
| §6.3 基于VISSIM的路网仿真实验 |
| §6.4 本章小结 |
| 第七章 总结与展望 |
| §7.1 总结 |
| §7.2 创新点 |
| §7.3 展望 |
| 参考文献 |
| 附录 可变信息板(VMS)对路径选择影响调查 |
| 致谢 |
| 作者在攻读硕士期间的主要研究成果 |
（2）基于动态交通流信息的城市交通突发拥堵控制与诱导研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的及意义 |
| 1.2 国内外研究现状及评述 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外研究现状评述 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 第2章 城市交通突发拥堵分析 |
| 2.1 交通拥堵的判断要素 |
| 2.2 交通拥堵的属性 |
| 2.3 城市交通突发拥堵现象分析 |
| 2.3.1 城市交通突发拥堵的界定 |
| 2.3.2 城市交通突发拥堵的类型与特性 |
| 2.4 突发交通事件对交通拥堵的影响分析 |
| 2.4.1 突发拥堵的交通流特性 |
| 2.4.2 突发事件造成的突发拥堵演变机理分析 |
| 2.5 城市交通突发拥堵的管理流程 |
| 2.5.1 突发拥堵处理的全过程 |
| 2.5.2 事件响应控制策略 |
| 2.6 本章小结 |
| 第3章 城市交通突发拥堵下动态交通流信息的预测 |
| 3.1 动态交通流信息的预测分析 |
| 3.1.1 动态交通流预测要素的界定 |
| 3.1.2 动态交通流信息预测最小时段分析 |
| 3.2 突发拥堵下动态交通流信息预测的输入参数 |
| 3.2.1 动态交通流信息预测输入数据的结构 |
| 3.2.2 突发拥堵下动态交通流输入参数时空相关性分析 |
| 3.3 基于深度学习理论的动态交通流信息的预测 |
| 3.3.1 深度学习理论 |
| 3.3.2 考虑分类预训练策略的深度学习结构的构建 |
| 3.3.3 基于深度信念网络的分类预训练模型 |
| 3.3.4 交通事件识别的 Logistic 回归 |
| 3.3.5 交通流信息预测的微调网络 |
| 3.4 动态交通流信息预测算例分析 |
| 3.4.1 数据描述 |
| 3.4.2 评估要素的定义 |
| 3.4.3 参数的设置 |
| 3.4.4 对比模型描述 |
| 3.4.5 实验过程 |
| 3.5 本章小结 |
| 第4章 城市交通突发拥堵的交叉口信号控制策略 |
| 4.1 突发拥堵的排队机理分析 |
| 4.1.1 双排队理论介绍 |
| 4.1.2 突发事件下双排队传输模型的构建 |
| 4.2 双排队模型下突发拥堵的信号控制 |
| 4.2.1 突发拥堵的信号控制分析 |
| 4.2.2 突发拥堵下基于双排队模型的信号控制 |
| 4.2.3 基于双排队模型的信号控制约束条件 |
| 4.3 基于遗传算法的信号控制求解过程 |
| 4.4 突发拥堵信号控制算例分析 |
| 4.4.1 模型捕捉交通突发拥堵现象的实验分析 |
| 4.4.2 信号控制算例分析 |
| 4.5 本章小结 |
| 第5章 动态交通流信息下突发拥堵的路径诱导策略 |
| 5.1 突发拥堵下动态交通流信息对交通分配的影响分析 |
| 5.1.1 动态交通流信息下基于 wardrop 平衡的交通分配 |
| 5.1.2 动态交通流信息下交通分配特性分析 |
| 5.2 基于动态交通流信息的在途路径诱导策略 |
| 5.2.1 基于动态交通流信息的最短路径寻优过程 |
| 5.2.2 考虑用户紧急程度的路径分配模型 |
| 5.2.3 基于动态交通流信息的在途路径诱导策略实施过程 |
| 5.3 本章小结 |
| 第6章 动态交通流信息下突发拥堵的信号控制与路径诱导协同策略 |
| 6.1 城市交通智能控制诱导系统 |
| 6.1.1 城市交通系统特点 |
| 6.1.2 引入信息平台的智能交通控制诱导管理系统 |
| 6.2 基于动态交通流信息的信号控制与路径诱导协同策略 |
| 6.2.1 动态交通流信息对控制诱导协同方案的影响及应用模式 |
| 6.2.2 基于动态交通流信息的控制与诱导协同策略的设计 |
| 6.3 突发拥堵的控制诱导协同策略关键问题 |
| 6.3.1 滑动时间窗的阶段时长的计算 |
| 6.3.2 突发拥堵交叉口信号控制的区域划分方式 |
| 6.3.3 突发拥堵路径诱导的行程时间 |
| 6.4 本章小结 |
| 第7章 动态交通流信息下突发拥堵的控制诱导仿真及评估 |
| 7.1 控制诱导策略仿真分析的流程 |
| 7.2 基于SUMO仿真平台的仿真 |
| 7.2.1 微观仿真软件SUMO |
| 7.2.2 基于SUMO的仿真流程 |
| 7.2.3 突发拥堵下基于动态交通流信息的拥堵控制策略的仿真 |
| 7.3 仿真评估结果及分析 |
| 7.3.1 仿真评估指标的设计 |
| 7.3.2 交叉口信号控制策略仿真及分析 |
| 7.3.3 在途路径诱导策略仿真及分析 |
| 7.3.4 信号控制与路径诱导协同策略仿真及分析 |
| 7.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录 SUMO仿真实验主要测试数据 |
| 攻读博士学位期间承担的科研任务与主要成果 |
| 致谢 |
（3）信号控制与路径诱导协同的动态交通模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容及章节安排 |
| 1.4 本章小结 |
| 第2章 交通控制与交通诱导协同理论基础 |
| 2.1 交通控制系统理论基础 |
| 2.1.1 交通控制系统的分类 |
| 2.1.2 交通信号控制基本参数 |
| 2.1.3 交通控制信号配时经典模型 |
| 2.2 交通诱导系统理论基础 |
| 2.2.1 交通诱导系统结构 |
| 2.2.2 交通诱导分类 |
| 2.2.3 交通诱导的基本参数 |
| 2.2.4 交通诱导系统的综合评价 |
| 2.3 交通控制与交通诱导的关系 |
| 2.3.1 交通控制与交通诱导的相关性 |
| 2.3.2 交通控制与交通诱导的差异性 |
| 2.4 本章小结 |
| 第3章 交通信号控制与路径选择协同模型 |
| 3.1 提出问题及建模思路 |
| 3.2 信号控制模型 |
| 3.3 路径选择模型 |
| 3.3.1 PAP模型 |
| 3.3.2 包含瓶颈延误的PAP模型 |
| 3.3.3 考虑排队问题的PAP模型 |
| 3.3.4 包含绿信比的PAP模型 |
| 3.4 信号控制与路径诱导协同的综合动态系统 |
| 3.5 本章小结 |
| 第4章 交通信号控制与路径选择协同模型性能分析及求解 |
| 4.1 信号控制与路径选择协同模型性能讨论 |
| 4.1.1 最大化路网通行能力 |
| 4.1.2 单调性和收敛性 |
| 4.2 求解过程 |
| 4.3 搭建仿真平台 |
| 4.3.1 VISSIM交通仿真软件简介 |
| 4.3.2 仿真准备工作 |
| 4.4 优化前后结果分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的论文及参与的课题 |
（4）基于交互反馈的区域诱导与控制协同技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 研究思路 |
| 1.5 本章小结 |
| 第2章 交通控制系统与交通诱导系统协同理论基础研究 |
| 2.1 交通控制系统 |
| 2.2 交通诱导系统 |
| 2.3 控制系统与诱导系统协同的意义 |
| 2.4 本章小结 |
| 第3章 诱导与控制协调模式分析及临界条件研究 |
| 3.1 区域交通信号控制与诱导协调模式层级分类 |
| 3.1.1 信息级反馈式协调模式 |
| 3.1.2 策略级反馈式协调模式 |
| 3.2 区域交通信号控制与诱导协调模式临界条件 |
| 3.2.1 区域交叉口加权平均饱和度 |
| 3.2.2 区域加权平均行程速度 |
| 3.2.3 协调临界指标函数 |
| 3.3 本章小结 |
| 第4章 策略级反馈调节模式下控制与诱导协同模型构建 |
| 4.1 改进的一体化协同模型 |
| 4.1.1 模型构建 |
| 4.1.2 权重标定 |
| 4.2 双层次协同模型 |
| 4.2.1 模型构建 |
| 4.2.2 路阻函数确立 |
| 4.3 模型求解 |
| 4.3.1 一体化协同模型求解算法 |
| 4.3.2 双层次协同模型求解 |
| 4.4 本章小结 |
| 第5章 仿真验证 |
| 5.1 试验路网及数据 |
| 5.2 协调模式判定 |
| 5.3 双层次协同模型的建立 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 下一步工作计划 |
| 参考文献 |
| 致谢 |
（5）基于层级控制的区域交通信号控制及交通流诱导协调模型（论文提纲范文）
| 0 引言 |
| 1 协调层级判断 |
| 1.1 区域加权平均饱和度 |
| 1.2 区域加权平均行程速度 |
| 1.3 区域协调临界函数 |
| 2 双目标协调模型 |
| 2.1 模型构建 |
| 2.3 模型求解 |
| 3 仿真验证 |
| 3.1 协调过程 |
| 3.2 结果分析 |
| 4 结束语 |
（6）城市智能交通动态预测模型的研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 城市交通拥堵问题 |
| 1.1.2 智能交通系统的发展历程 |
| 1.1.3 智能交通系统的建设与应用 |
| 1.1.4 交通流采集和交通事件检测系统 |
| 1.1.5 新型电子警察系统 |
| 1.1.6 交通控制和诱导系统 |
| 1.2 工程应用研究中存在的问题 |
| 1.3 交通预测模型概述 |
| 1.3.1 基于统计理论的模型 |
| 1.3.2 基于非线性预测理论的模型 |
| 1.3.3 基于神经网络理论的模型 |
| 1.3.4 基于动态分配理论的模型 |
| 1.3.5 基于微观交通仿真的模型 |
| 1.4 交通控制与诱导协同概述 |
| 1.4.1 国外的研究状况 |
| 1.4.2 国内的研究状况 |
| 1.5 主要研究内容及创新点 |
| 1.6 论文结构 |
| 第二章 交通流预测的数据基础 |
| 2.1 引言 |
| 2.2 交通流数据采集 |
| 2.2.1 交通流的基本参数 |
| 2.2.2 交通流预测建模的基本流程及特点 |
| 2.2.3 交通流数据的采集技术 |
| 2.3 交通流数据预处理 |
| 2.3.1 交通流数据库体系 |
| 2.3.2 主要的数据质量问题 |
| 2.3.3 错误数据的判别和修正方法 |
| 2.3.4 丢失数据补齐方法 |
| 2.3.5 数据补齐的工程方法 |
| 2.3.6 交通流冗余数据约简方法 |
| 2.4 应用实例 |
| 2.4.1 交通流检测系统 |
| 2.4.2 交通流数据预处理 |
| 2.4.3 交通流数据库 |
| 2.5 本章小结 |
| 第三章 交通事件检测方法研究 |
| 3.1 引言 |
| 3.2 交通事件检测方法综述 |
| 3.2.1 交通事件检测方法分类及主要指标 |
| 3.2.2 基于交通流变化的事件检测方法综述 |
| 3.2.3 基于图像的交通事件检测方法综述 |
| 3.3 基于图像的交通事件检测算法应用 |
| 3.3.1 流程概述 |
| 3.3.2 背景识别 |
| 3.3.3 目标识别 |
| 3.3.4 目标跟踪 |
| 3.3.5 行为理解与识别 |
| 3.4 应用实例 |
| 3.4.1 基于交通流数据分析的交通事件检测子系统 |
| 3.4.2 基于视频图像的交通事件检测子系统 |
| 3.5 本章小结 |
| 第四章 基于向量机的交通预测模型研究 |
| 4.1 引言 |
| 4.2 支持向量机 |
| 4.2.1 最优超平面 |
| 4.2.2 松弛变量 |
| 4.3 建模过程 |
| 4.3.1 ε-支持向量机回归 |
| 4.3.2 核函数的选择 |
| 4.3.3 建模流程 |
| 4.4 实例验证 |
| 4.4.1 数据来源和计算结果 |
| 4.4.2 效果分析 |
| 4.5 基于粒子群的参数优化 |
| 4.5.1 改进的粒子群参数优化算法 |
| 4.5.2 实验例证 |
| 4.6 应用实例 |
| 4.7 本章小结 |
| 第五章 融合交通动态的交通控制与诱导协同模型 |
| 5.1 引言 |
| 5.2 协同模型和信息融合概述 |
| 5.2.1 交通控制与诱导协同 |
| 5.2.2 交通信息融合技术 |
| 5.3 模型建立与改进 |
| 5.3.1 基于神经网络的交通控制与诱导协同模型 |
| 5.3.2 引入交通流预测的改进模型 |
| 5.3.3 考虑交通突变的改进模型 |
| 5.4 模型仿真验证 |
| 5.4.1 仿真场景 |
| 5.4.2 模型训练 |
| 5.4.3 仿真结果分析 |
| 5.5 本章小结 |
| 第六章 交通指挥、控制与诱导系统 |
| 6.1 概述 |
| 6.2 交通流采集系统与交通事件检测系统 |
| 6.3 交通控制系统与交通诱导系统 |
| 6.4 新一代的智能化交通指挥系统 |
| 6.5 本章小结 |
| 第七章 总结和展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 攻博期间发表的论文及参与的课题研究 |
| 致谢 |
| 附件 |
（7）组团城市交通通道的诱导与控制协调方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究综述 |
| 1.2.1 国外研究现状与发展动态 |
| 1.2.2 国内研究现状与发展动态 |
| 1.3 研究目的及意义 |
| 1.3.1 研究目的 |
| 1.3.2 研究意义 |
| 1.4 研究内容 |
| 1.5 研究方法及技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 技术路线 |
| 第二章 城市交通诱导与控制系统协调理论 |
| 2.1 城市交通诱导系统概述 |
| 2.1.1 交通诱导系统简介 |
| 2.1.2 交通流分配理论 |
| 2.2 交通控制系统概述 |
| 2.2.1 交通控制系统的分类 |
| 2.2.2 交通控制的基本参数 |
| 2.2.3 交叉口感应信号配时方法 |
| 2.3 交通诱导与控制系统协调机理 |
| 2.3.1 交通诱导与控制的协调关系分析 |
| 2.3.2 交通诱导与控制的协调模式 |
| 2.4 小结 |
| 第三章 组团城市通道交通生成与运行特性分析 |
| 3.1 组团城市交通通道的含义与特点 |
| 3.2 组团城市通道的交通生成特性 |
| 3.2.1 组团城市土地利用布局模式 |
| 3.2.2 组团城市交通出行需求 |
| 3.2.3 组团城市居民出行分布特征 |
| 3.3 组团城市通道的交通流运行特性 |
| 3.3.1 通道内路段交通流特征 |
| 3.3.2 通道内信号交叉口交通流特征 |
| 3.3.3 通道间瓶颈处交通流特征 |
| 3.4 小结 |
| 第四章 基于三级分层的组团通道 TFG 与 TSC 协调方法 |
| 4.1 组团城市交通通道 TFG 与 TSC 协调级划分 |
| 4.1.1 划分依据 |
| 4.1.2 协调级的划分 |
| 4.2 组团城市通道网络协调方法 |
| 4.2.1 组团城市通道网络交通构成 |
| 4.2.2 通道网络交通流诱导 |
| 4.3 组团间通道瓶颈协调方法 |
| 4.3.1 通道瓶颈结构 |
| 4.3.2 基于通道优先的瓶颈控制方法 |
| 4.4 组团内部通道节点协调方法 |
| 4.4.1 基于通道均衡配流的节点信号控制模型 |
| 4.4.2 模型求解 |
| 4.5 小结 |
| 第五章 实例分析 |
| 5.1 重庆市主城区交通通道网构成 |
| 5.2 通道网交通均衡配流 |
| 5.3 通道瓶颈协调控制 |
| 5.4 组团内部通道节点协调控制 |
| 5.4.1 交叉口运行现状 |
| 5.4.2 交叉口协调控制 |
| 5.4.3 试验结果分析 |
| 5.5 小结 |
| 第六章 结束语 |
| 6.1 论文主要研究成果 |
| 6.2 尚需进一步研究问题 |
| 致谢 |
| 参考文献 |
| 在学期间发表的论着及取得的科研成果 |
| 附录 A |
（8）基于大系统递阶优化的交通控制与诱导协同方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 存在的问题 |
| 1.4 研究目的及意义 |
| 1.5 研究思路及内容 |
| 1.5.1 思路方法 |
| 1.5.2 具体章节安排 |
| 1.6 本章小结 |
| 第二章 交通控制与诱导协同研究的理论基础 |
| 2.1 交通控制的基本理论方法 |
| 2.1.1 交通控制的目标 |
| 2.1.2 交通控制模型简介 |
| 2.1.3 路口信号配时的模型及方法 |
| 2.2 交通流诱导的基本理论方法 |
| 2.2.1 城市交通流诱导系统 |
| 2.2.2 动态交通分配理论与模型 |
| 2.3 交通控制与交通流诱导的关系分析 |
| 2.4 交通控制与诱导协同模型研究 |
| 2.5 本章小结 |
| 第三章 交通控制与诱导协同的建模思想及协同时机判定 |
| 3.1 城市大范围交通控制系统 |
| 3.1.1 大范围交通控制系统的特点 |
| 3.1.2 大范围交通控制与诱导协同的目标 |
| 3.2 协同建模思路 |
| 3.2.1 建模思路 |
| 3.2.2 建模原则 |
| 3.3 大系统递阶控制系统理论 |
| 3.3.1 大系统理论概述 |
| 3.3.2 大系统递阶控制方法简介 |
| 3.3.3 大系统的递阶优化算法 |
| 3.4 交通状态判别 |
| 3.4.1 交通状态判别概述 |
| 3.4.2 交通状态判别指标选取及计算 |
| 3.5 本章小结 |
| 第四章 基于大系统递阶优化的协同建模、算法及仿真实验 |
| 4.1 基于大系统递阶优化的交通控制与诱导协同模型 |
| 4.1.1 协同结构 |
| 4.1.2 协同模型 |
| 4.1.3 协同递阶优化算法 |
| 4.2 仿真实验 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（9）城市交通控制与诱导系统协同优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 存在问题 |
| 1.4 论文结构及主要内容 |
| 1.5 本章小结 |
| 第二章 城市交通控制与城市交通诱导的理论基础 |
| 2.1 城市交通控制系统 |
| 2.1.1 城市交通控制系统的分类 |
| 2.1.2 交通控制的基本参数 |
| 2.1.3 交叉口延误计算的几种模型 |
| 2.2 城市交通诱导系统 |
| 2.2.1 城市诱导系统的构成 |
| 2.2.2 交通诱导系统的目标及思想 |
| 2.2.3 相关参数 |
| 2.2.4 路段特征函数 |
| 2.3 交通控制与交通诱导协调的必要性 |
| 2.3.1 交通控制与交通协调的相关性 |
| 2.3.2 交通控制与交通控制协调的差异性 |
| 2.4 交通控制与交通诱导协调的特点 |
| 2.5 本章小结 |
| 第三章 城市交通控制与诱导协同模型的建立 |
| 3.1 问题的提出 |
| 3.2 建模思想 |
| 3.3 模型的建立 |
| 3.3.1 路段行驶时间的确定 |
| 3.3.2 延误时间的确定 |
| 3.3.3 约束条件的确定 |
| 3.3.4 模型的数学表达 |
| 3.4 本章小结 |
| 第四章 城市交通控制与诱导协同模型优化算法设计 |
| 4.1 遗传算法概述 |
| 4.1.1 遗传算法的基本概念 |
| 4.1.2 遗传算法的计算步骤及流程图 |
| 4.1.3 遗传算法的构成要素 |
| 4.2 交通控制与交通诱导协同模型的求解 |
| 4.2.1 编码方式设计 |
| 4.2.2 适应度函数设计 |
| 4.2.3 遗传算子设计 |
| 4.3 本章小结 |
| 第五章 应用实例 |
| 5.1 问题描述 |
| 5.2 目标函数的描述 |
| 5.3 约束条件的描述 |
| 5.4 Matlab2007遗传算法优化工具箱介绍 |
| 5.5 交通控制与交通诱导协同模型求解 |
| 5.6 比较分析 |
| 5.7 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
（10）大范围战略交通协调控制系统关键技术研究（论文提纲范文）
| 提要 |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 依托课题 |
| 1.1.2 选题背景及研究现状 |
| 1.2 问题的提出 |
| 1.2.1 存在问题 |
| 1.2.2 研究目的及意义 |
| 1.3 研究思路及章节安排 |
| 1.3.1 研究思路 |
| 1.3.2 本文章节安排 |
| 1.4 本章小结 |
| 第2章 大范围战略交通协调控制系统框架 |
| 2.1 新一代智能化交通控制系统 |
| 2.1.1 动态大系统的递阶协调控制理论 |
| 2.1.2 新一代智能化交通控制系统框架 |
| 2.2 大范围战略交通协调控制系统逻辑框架 |
| 2.3 大范围战略交通协调控制系统物理框架 |
| 2.4 大范围战略交通协调控制系统关键技术分析 |
| 2.5 本章小结 |
| 第3章 基于手机浮动车的行程时间提取技术 |
| 3.1 研究进展 |
| 3.1.1 国外的研究现状 |
| 3.1.2 国内的研究现状 |
| 3.2 现有的手机定位技术 |
| 3.2.1 点定位系统 |
| 3.2.2 基于切换的系统 |
| 3.3 基于手机切换的行程时间提取技术 |
| 3.4 基于手机经纬度信息的行程时间提取技术 |
| 3.4.1 手机数据预处理 |
| 3.4.2 手机数据地图匹配 |
| 3.4.3 路段行程时间的分配 |
| 3.4.4 平均路段行程时间统计模型 |
| 3.5 实例分析与模拟验证 |
| 3.5.1 实例描述 |
| 3.5.2 结果分析 |
| 3.6 本章小结 |
| 第4章 基于固定检测器和浮动车的交通信息融合技术 |
| 4.1 研究进展 |
| 4.1.1 国内外研究进展 |
| 4.1.2 基于线圈检测器的平均行程时间估计 |
| 4.2 基于自适应加权平均的融合技术 |
| 4.2.1 加权平均法简介 |
| 4.2.2 自适应权值的确定方法 |
| 4.2.3 基于自适应加权平均的融合模型 |
| 4.3 基于小波分析的融合技术 |
| 4.3.1 小波分析 |
| 4.3.2 基于小波分析的线圈数据与手机数据融合模型 |
| 4.4 基于BP 神经网络的非线性组合融合技术 |
| 4.4.1 BP 神经网络 |
| 4.4.2 基于BP 神经网络的非线性组合融合模型 |
| 4.5 实例分析与模拟验证 |
| 4.5.1 实例描述 |
| 4.5.2 结果分析 |
| 4.6 本章小结 |
| 第5章 基于手机浮动车的动态OD 估计技术 |
| 5.1 研究进展 |
| 5.1.1 国外的研究进展 |
| 5.1.2 国内的研究进展 |
| 5.2 基于浮动车的先验OD 数据获取 |
| 5.2.1 手机浮动车状态判别 |
| 5.2.2 手机浮动车出行OD 的扩样 |
| 5.3 基于卡尔曼滤波的动态OD 估计模型 |
| 5.3.1 动态OD 估计状态空间模型 |
| 5.3.2 分配矩阵模型 |
| 5.3.3 卡尔曼滤波估计算法 |
| 5.4 实例分析与模拟验证 |
| 5.4.1 实例描述 |
| 5.4.2 结果分析 |
| 5.5 本章小结 |
| 第6章 大范围战略交通协调控制策略、模型 |
| 6.1 研究进展 |
| 6.1.1 国内外研究进展 |
| 6.1.2 大范围战略交通协调控制系统分析 |
| 6.2 区域战略交通控制策略优化方法 |
| 6.2.1 区域战略交通控制策略的影响因素 |
| 6.2.2 基于层次支持向量机的区域战略交通控制策略优化方法 |
| 6.3 区域间交通协调控制策略及模型 |
| 6.3.1 区域间交通协调控制策略 |
| 6.3.2 区域间交通协调控制模型 |
| 6.4 区域边界交通协调控制策略及模型 |
| 6.4.1 区域边界协调时机的判别 |
| 6.4.2 区域边界交通协调控制策略 |
| 6.4.3 基于模糊控制的区域边界交通协调控制模型 |
| 6.5 实例分析与模拟验证 |
| 6.5.1 实例描述 |
| 6.5.2 结果分析 |
| 6.6 本章小结 |
| 第7章 总结与展望 |
| 7.1 本文总结 |
| 7.2 论文展望 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文及其他成果 |
| 1. 攻读博士学位期间发表的学术论文 |
| 2. 攻读博士学位期间获奖情况 |
| 3. 攻读博士学位期间承担项目情况 |
| 4. 攻读博士学位期间申请及获得专利情况 |
| 致谢 |
| 摘要 |
| ABSTRACT |
四、交通控制与诱导递阶协调方法的研究（论文参考文献）
- [1]基于移动互联交通信息的城市交通诱导与信号控制协同优化研究[D]. 罗佳发. 桂林电子科技大学, 2020(04)
- [2]基于动态交通流信息的城市交通突发拥堵控制与诱导研究[D]. 白静. 燕山大学, 2018(06)
- [3]信号控制与路径诱导协同的动态交通模型研究[D]. 杨辉. 湘潭大学, 2017(02)
- [4]基于交互反馈的区域诱导与控制协同技术研究[D]. 贾舒涵. 吉林大学, 2017(10)
- [5]基于层级控制的区域交通信号控制及交通流诱导协调模型[J]. 王薇,程泽阳,张伟,杨兆升. 武汉理工大学学报(交通科学与工程版), 2016(04)
- [6]城市智能交通动态预测模型的研究及应用[D]. 傅贵. 华南理工大学, 2014(05)
- [7]组团城市交通通道的诱导与控制协调方法研究[D]. 陈霞. 重庆交通大学, 2013(03)
- [8]基于大系统递阶优化的交通控制与诱导协同方法研究[D]. 陈斌. 长安大学, 2012(07)
- [9]城市交通控制与诱导系统协同优化研究[D]. 高敏静. 长安大学, 2011(04)
- [10]大范围战略交通协调控制系统关键技术研究[D]. 王媛. 吉林大学, 2009(08)