声明
摘要
1 绪论
1.1 论文研究背景
1.2 研究意义及目的
1.3 国内外研究现状
1.3.1 短时交通流预测
1.3.2 交通信号控制
1.4 论文主要研究内容
2 短时交通流预测与交通信号控制
2.1 短时交通流预测
2.1.1 短时交通流预测基本流程和要求
2.1.2 短时交通流基本特征参数分析
2.1.3 短时交通流预测评价指标
2.2 交通信号控制
2.2.1 交通信号控制的目的
2.2.2 交通信号控制参数
2.2.3 交通信号控制技术
2.3 本章小结
3 Elman神经网络和粒子群算法
3.1 人工神经网络简介
3.1.1 人工神经网络的特点
3.1.2 人工神经网络的结构
3.2 Elman神经网络
3.2.1 Elman神经网络的结构
3.2.2 Elman神经网络的学习算法
3.3 粒子群优化算法
3.3.1 标准粒子群算法
3.3.2 粒子群算法的改进
3.4 本章小结
4 基于IPSO-Elman神经网络的短时交通流预测研究
4.1 短时交通流数据采集及时空特性分析
4.1.1 短时交通流数据采集
4.1.2 短时交通流时间特性分析
4.1.3 区域路网短时交通流空间特性分析
4.2 基于IPSO-Elman神经网络的预测模型
4.2.2 IPSO优化Elman神经网络的流程
4.3 实验仿真分析
4.3.1 仿真实例
4.3.2 交通流数据预处理
4.3.3 IPSO-Elman神经网络模型参数选择
4.3.4 实验结果分析
4.4 本章小结
5 基于车流量的智能交通交叉口信号优化控制
5.1 交叉路口交通网络模型的建立与分析
5.1.1 交叉路口交通网络模型的建立
5.1.2 中心交叉路口车流量控制模型
5.2 智能交通交叉口交通信号灯控制模型
5.2.1 交叉口交通信号灯轮询控制模型
5.2.2 轮询控制模型的门限服务策略
5.2.3 交叉口交通灯动态配时分析
5.2.4 交叉口交通灯控制效果评价指标
5.3 实验仿真
5.4 本章小结
结论
致谢
参考文献
攻读硕士学位期间的研究成果
兰州交通大学;