文摘
英文文摘
声明
1.1依托课题
1.2研究背景与意义
1.2.1作为复杂系统的城市交通系统
1.2.2我国城市交通问题现状与成因
1.2.3城市交通问题的常规缓解策略及其局限性
1.2.4智能交通系统—解决城市交通问题的有效途径
1.2.5研究城市交通诱导系统的意义
1.3城市交通诱导系统简述及研究现状
1.3.1主要功能
1.3.2结构框架
1.3.3系统分类
1.3.4关键技术
1.3.5研究现状
1.4计算智能简介及其在城市交通系统中的研究现状
1.4.1最优化问题
1.4.2计算智能的历史渊源
1.4.3计算智能的基本概念与分类情况
1.4.4计算智能在城市交通系统中的研究现状
1.5论文的研究思路、创新点与结构安排
1.5.1研究思路
1.5.2创新点
1.5.3结构安排
1.6本章小结
2交通流基础理论
2.1引言
2.2交通流理论的发展概况
2.3交通流理论的主要内容
2.4交通流数据分析
2.4.1交通流的特性
2.4.2交通流的基本参数及其相互关系
2.4.3交通流数据的采集技术
2.4.4交通流数据的故障识别方法
2.4.5交通流数据的故障修复方法
2.5交通流理论的研究趋势
2.6本章小结
3基于灾变FS算法的SVR参数优选方法及交通流预测研究
3.1引言
3.2预测的数学基础
3.2.1内积空间
3.2.2柯西列
3.2.3希尔伯特空间
3.2.4闭线性子空间
3.2.5预报方程
3.3常规交通流预测方法简介
3.3.1历史均值法
3.3.2时间序列法
3.3.3非参数回归法
3.3.4灰色系统法
3.3.5神经网络法
3.4统计学习理论概述
3.4.1 VC维
3.4.2推广能力的界
3.4.3结构风险最小化
3.5支持向量回归机及其参数分析
3.5.1 SVR基本原理
3.5.2二次规划问题的求解
3.5.3参数选取分析
3.6基于灾变FS算法的SVR参数优选方法
3.6.1基本FS算法原理
3.6.2基于灾变策略的FS算法
3.6.3适应度函数定义
3.6.4灾变FS算法优选SVR参数的步骤
3.7实例分析
3.7.1交叉口交通流量预测模型结构
3.7.2数据源及预处理
3.7.3滚动预测机制
3.7.4评价指标
3.7.5参数设置
3.7.6结果分析
3.8本章小结
4基于混沌选择策略的蚁群算法及路径优化研究
4.1引言
4.2城市交通路网的路径优化模型
4.2.1城市交通路网模型
4.2.2路径选择的最优目标
4.2.3道路权重的标定
4.2.4路网连通性的表达
4.2.5最优路径模型
4.3传统最短路径优化算法简介
4.3.1 Dijkstra算法
4.3.2 Floyd算法
4.3.3 Bellman-Ford-Moore算法
4.3.4启发式搜索算法—A*算法
4.4基于蚁群算法的最优路径问题
4.4.1蚁群算法基本原理
4.4.2基于混沌选择策略的蚁群算法
4.4.3最优路径求解的实现步骤
4.5仿真实验与结果分析
4.5.1路网实例
4.5.2结果分析
4.6本章小结
5基于免疫机理的粒子群算法及OD矩阵反推研究
5.1引言
5.2 OD矩阵反推模型简介
5.2.1重力模型
5.2.2极大熵模型
5.2.3广义最小二乘模型
5.2.4极大似然模型
5.2.5最小信息量模型
5.3基于极大熵原理的OD矩阵反推问题
5.3.1极大熵原理简介
5.3.2 OD反推的极大熵模型
5.3.3模型的化简与求解
5.3.4求解方法的不足
5.4基于粒子群算法的极大熵模型求解方法
5.4.1粒子群算法基本原理
5.4.2速度更新公式的改进
5.4.3基于浓度概念的轮盘赌粒子选取方法
5.4.4基于免疫机理的粒子群算法步骤
5.5应用实例与结果分析
5.5.1测试实例
5.5.2确定搜索空间
5.5.3结果分析
5.6本章小结
6基于混合蛙跳算法的模糊C均值聚类及交通状态识别研究
6.1引言
6.2交通状态识别算法的研究情况
6.2.1早期的研发历史
6.2.2中期的研发状态
6.2.3当前的研发现状
6.3模糊理论基础知识
6.3.1模糊集合
6.3.2隶属函数
6.3.3逻辑运算
6.3.4模糊关系
6.4基于混合蛙跳算法的模糊C均值聚类
6.4.1模糊C均值聚类
6.4.2混合蛙跳算法基本原理
6.4.3编码方案
6.4.4适应度函数
6.4.5基于混合蛙跳算法的模糊C均值聚类流程
6.5基于模糊聚类的交通状态识别方法
6.5.1交通状态识别的基本思路
6.5.2交通参数的选择及标准化
6.5.3道路交通状态的模糊聚类分析
6.5.4实时道路交通状态的识别
6.6实例分析
6.6.1数据源
6.6.2数据提取
6.6.3参数设置
6.6.4结果分析
6.7本章小结
7总结与展望
7.1全文总结
7.2研究展望
致谢
参考文献
附 录