隧道测控系统研究（总体设计与交通流部分）

摘要

该文从高速公路隧道测控系统研究目标出发,系统地论述了隧道测控系统的软、硬件模块划分以及各功能模块间的相互关系,提出了隧道测控系统的总体设计方案.隧道测控系统交通流模型是一个高阶非线性时变系统,这使得该模型的辨识问题成为一个非常困难的问题.简要介绍了模型及其中各参数的含义,在对模型参数加以分析、讨论的基础上将其分类并分别采用径向基(RBF)神经网络和最小二乘法对模型参数进行分类辨识,成功地解决了该模型参数辨识的工程化问题.论述了BP网络用于高速公路事件探测的原理,并阐述了如何进行样本训练、事件判断及确定报警的判断次数.编制了隧道交通流仿真模块,为课题的进一步研究做了充分的准备.

目录

文摘

英文文摘

第一章绪论

1.1选题背景

1.2国内外对隧道测控系统的研究

1.2.1建立隧道测控系统的必要性

1.2.2国外对隧道测控系统的研究重点

1.2.3国内对隧道测控系统的研究工作

1.3本文的主要工作

第二章隧道测控系统总体设计方案研究

2.1研究隧道测控系统的必要性

2.2隧道测控系统的研究方向及本方案提出背景

2.2.1本方案提出背景

2.2.2隧道测控系统的研究方向

2.3隧道测控系统总体设计目标及各功能模块的划分

2.4隧道监控系统的模拟地图板布设图

2.5模拟隧道测控系统的系统构成

2.5.1模拟隧道测控系统的硬件构成

2.5.2.隧道测控平台软件功能划分

2.6隧道测控系统软件设计

2.7隧道测控系统总体设计方案几点设计说明

第三章基于分类辨识算法的隧道交通流建模

3.1神经网络理论概述

3.1.1神经网络理论发展概述

3.1.2人工神经网络参数辨识的主要特征

3.1.3神经网络的结构及类型

3.1.4神经网络的工作方式

3.2 RBF神经网络

3.2.1 RBF神经网络的结构

3.2.2 RBF神经网络的特点

3.2.3 RBF神经网络的输出计算

3.2.4 RBF神经网络的学习算法

3.3隧道交通流模型建模

3.3.1交通流模型的研究概述

3.3.2隧道交通流模型理论研究

3.3.3建立隧道交通流模型方程

3.4隧道交通流模型的一种分类辨识算法

3.4.1 RBF神经网络在系统辨识中的应用

3.4.2问题描述

3.4.3模型参数的讨论

3.4.4参数分类辨识算法

3.5仿真方法讨论

3.5.1稳态模型

3.5.2动态模型

3.6进一步研究的思考

第四章隧道内交通异常检测算法研究

4.1动态实时事件检测系统的框架结构

4.2事件检测算法

4.3数据采集

4.4检测数据滤波

4.5人工神经元网络在隧道异常事件探测中的应用

4.5.1BP网络探测隧道交通异常事件的原理

4.5.2人工神经元网络事件探测系统的评价

第五章隧道交通流计算机模拟

5.1软件编制的主要目的和意义

5.2软件编制简介

5.2.1、编程软件的选择

5.2.2.软件功能结构

5.2.3本程序的特点

5.3软件功能简介和使用说明

5.4进一步工作的思考

第六章结论与建议

致谢

参考文献