声明
第一章 绪论
1.1 课题背景与研究意义
1.2 国内外研究现状
1.2.1 交通流量预测国内外研究现状
1.2.2 交叉路口交通信号控制国内外研究现状
1.2.3 智能交通控制系统国内外研究现状
1.3 论文研究主要内容
1.4 论文主要结构安排
第二章 论文相关技术研究
2.1 编程语言
2.2 图像处理技术
2.2.1 色度空间转换
2.2.2 图像形态学处理
2.3 神经网络
2.4 遗传算法
2.5 本章小结
第三章 视频交通流量检测
3.1 引言
3.2 基于改进ViBe算法的动态目标检测
3.2.1 ViBe算法
3.2.2 改进的ViBe算法
3.3 自适应阈值的混合色度空间阴影消除算法
3.3.1 常用阴影消除算法
3.3.2 自适应阈值的混合色度空间阴影消除算法
3.3.3 实验与结果分析
3.4 交叉路口多车道车流量获取
3.4.1 车流量基本概念
3.4.2 基于虚拟线圈的车流量统计
3.4.3 车流量统计与结果分析
3.5 本章小结
第四章 短时交通流量预测
4.1 引言
4.2 短时交通流特性及评价指标
4.2.1 短时交通流特性
4.2.2 预测效果评价指标
4.3 交通流预测常用模型
4.3.1 时间序列模型
4.3.2 神经网络模型
4.3.3 小波神经网络模型
4.4 基于小波神经网络的短时交通流预测模型设计
4.4.1 数据预处理
4.4.2 小波神经网络模型初始化
4.4.3 小波神经网络预测模型设计
4.5 误差校正
4.5.1 ARIMA 模型简介
4.5.2 车流量误差预测ARIMA模型建立
4.5.3 误差校正的小波神经网络模型
4.6预测模型实验及结果分析
4.7 本章小结
第五章 基于多目标优化的交叉口配时策略
5.1 引言
5.2 多目标优化
5.2.1 多目标优化概念
5.2.2 多目标优化方法
5.2.3 多目标优化求解算法
5.3 单交叉口配时优化模型
5.3.1 信号配时参数
5.3.2 配时指标选取
5.3.3 基于多目标优化的单交叉口配时模型
5.4 基于遗传算法的配时优化策略
5.4.1 多目标优化模型转化
5.4.2 遗传算法模型求解
5.4.3 实验与结果分析
5.5 本章小结
第六章 多交叉口绿波协同控制
6.1引言
6.2 干道绿波协调控制基本概念
6.2.1 干道绿波协调控制基本要求
6.2.2干道绿波协调控制方式
6.2.3 干道绿波协调控制基本参数
6.3 多交叉口协同控制
6.3.1 关键交叉口及协调相位确定
6.3.2 公共周期及绿灯时长确定
6.3.3 相位差确定方法
6.4 实验仿真与结果分析
6.4.1 数据准备
6.4.2 仿真流程
6.4.3 实验与结果及分析
6.5 本章小结
第七章 智能路网指挥系统设计
7.1 引言
7.2 开发平台搭建
7.2.1 云服务器
7.2.2 WEB项目搭建
7.3 智能路网指挥系统设计
7.3.1 系统总体设计
7.3.2 软件平台设计
7.3.3 数据库表结构设计
7.3.4 界面设计
7.4 系统测试
7.4.1 登录测试
7.4.2 主要功能测试
7.5 本章小结
第八章 总结与展望
8.1 总结
8.2 展望
参考文献
攻读硕士期间研究成果
致谢
东华大学;
