声明
摘要
1 绪论
1.1 课题研究背景及实际意义
1.2 短时交通流预测研究现状
1.2.1 基于传统统计理论的模型
1.2.2 基于现代科学技术的模型
1.2.3 组合模型
1.3 城市交通信号控制发展概况
1.3.1 国外城市交通信号控制系统研究现状
1.3.2 国内城市交通信号控制系统研究现状
1.4 课题主要研究工作
2 小波神经网络理论
2.1 引言
2.2 神经网络基本原理
2.2.1 神经网络的构成要素
2.2.2 神经网络的分类
2.2.3 神经网络的学习方式
2.3 小波神经网络基础
2.3.1 小波变换
2.3.2 小波交换和神经网络的结合方式
2.3.3 小波神经网络的结构
2.4 本章小结
3 小波神经网络短时交通流预测算法的研究
3.1 引言
3.2 基于小波神经网络的短时交通流预测模型
3.2.1 小波神经网络输入输出模型的建立
3.2.2 小波神经网络预测模型的参数修正
3.3 小波神经网络短时交通流预测算法的改进
3.3.1 小波神经网络隐层节点数量的确定
3.3.2 小波神经网络参数修正的改进
3.3.3 遗传算法对改进型小波神经网络的优化
3.4 实例仿真
3.4.1 仿真样本和性能指标
3.4.2 交通流数据预处理
3.4.3 仿真结果分析
3.5 本章小结
4 城市区域交通信号控制技术研究
4.1 交通流理论
4.1.1 交通流基本参数
4.1.2 交通流基本模型
4.2 交通信号控制理论
4.2.1 交通信号控制的基本参数
4.2.2 交通信号控制的评价指标
4.3 城市道路交通网络
4.3.1 城市道路交通网络模型的建立
4.3.2 城市道路交通网络子区的划分
4.4 城市区域交通信号控制技术
4.4.1 城市区域交通信号控制结构
4.4.2 城市区域交通信号控制策略
4.5 本章小结
5 基于短时交通流预测的城市区域交通信号控制算法研究
5.1 城市区域交通信号控制的总体框架
5.2 子区交通信号控制的具体实现
5.2.1 子区交通信号控制的具体步骤
5.2.2 基于短时交通流预测的子区主干道划分方法
5.2.3 交叉路口相位配置方案的改进
5.2.4 交叉路口绿信比配置方案的改进
5.2.5 交叉路II间相位差计算方法的改进
5.3 实例仿真
5.3.1 仿真环境介绍
5.3.2 子区路网建模
5.3.3 子区交通参数的设置
5.3.4 子区控制性能的评价
5.3.5 仿真结果分析
5.4 本章小结
6 总结与展望
6.1 全文工作总结
6.2 相关领域的展望
致谢
参考文献
附录
攻读硕士学位期间发表的论文和出版著作情况
攻读硕士学位期间学术成果获奖情况