声明
摘要
第一章 绪论
1.1 研究背景
1.2 研究目的及意义
1.3 国内外研究现状
1.3.1 城市交通信号控制概述
1.3.2 交通信号控制方式的研究历史及现状
1.3.3 智能交通系统的研究发展
1.3.4 多Agent技术的研究发展
1.4 交通信号控制系统发展方向
1.5 课题来源
1.6 论文的研究内容
1.7 本章小结
第二章 研究基础
2.1 交通拥堵
2.1.1 交通拥堵定义
2.1.2 交通拥堵的分类
2.1.3 交通拥堵的演化过程
2.2 交通信号控制的基本参数和评价指标
2.2.1 交通信号控制的基本参数
2.2.2 交通效益的常用评价指标
2.2.3 交通信号控制的分类
2.2.4 主流交通信号控制系统
2.3 智能控制的主要技术方法
2.3.1 模糊逻辑(Fuzzy Logic)
2.3.2 人工神经网络(Artificial Neural Networks)
2.3.3 遗传算法(Genetic Algorithm)
2.3.4 蚁群算法(Ant Colony Optimization)
2.3.5 粒子群算法(Particle Swarm Optimization)
2.3.6 多智能体技术(Multi-agent)
2.4 动态交通数据的采集
2.4.1 固定型交通数据采集
2.4.2 移动型交通数据采集
2.5 本章小结
第三章 多智能体技术
3.1 智能体(Agent)
3.1.1 Agent的概念
3.1.2 Agent的特点
3.1.3 Agent的结构模型
3.1.4 Agent的分类
3.2 Agent与对象系统、专家系统的区别
3.2.1 Agent与对象系统
3.2.2 Agent与专家系统
3.3 多智能体系统
3.3.1 多智能体系统(Multi-Agent System)的定义
3.3.2 多Agent系统在交通控制领域的优越性
3.4 基于多Agent的城市交通控制系统结构
3.4.1 现有的城市交通控制系统的结构分析
3.4.2 基于多Agent的分布式交通控制系统结构
3.5 本章小结
第四章 基于遗传算法的单路口Agent优化控制
4.1 路口Agent的组成及结构
4.2 路口Agent的控制优化
4.2.1 效益评价指标
4.2.2 约束条件
4.3 遗传算法(Genetic Algorithm)
4.3.1 遗传算法简介
4.3.2 遗传算法的特点
4.4 遗传算法的优化设计
4.5 路口Agent优化模型的实例分析
4.5.1 路口描述
4.5.2 路口现状和车道划分
4.5.3 交通控制方案和仿真
4.5.4 遗传优化参数设定及过程实现
4.5.5 优化计算及结果分析
4.6 本章小结
第五章 多路口Agent协调机制研究
5.1 博弈论简介
5.2 多路口Agent协调思想
5.2.1 基于博弈论协调的思想框架
5.2.2 路口Agent 1的问题描述
5.2.3 路口Agent 2的问题描述
5.2.4 博弈过程
5.3 各路口 Agent之间的协调实现
5.4 实例分析
5.4.1 两路口条件
5.4.2 两路口仿真
5.4.3 计算分析
5.5 本章小结
总结与展望
论文总结
研究展望
参考文献
致谢
附录A 攻读硕士学位期间参与的科研项目