城市区域智能交通控制模型与算法PDF|Epub|txt|kindle电子书版本网盘下载

城市区域智能交通控制模型与算法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

1 绪论1

1.1 研究意义1

1.1.1 采用区域智能交通控制的意义1

1.1.2 研制区域智能交通控制系统的意义2

1.2 国内外研究现状3

1.2.1 动态模型的研究现状3

1.2.2 区域智能交通控制研究现状11

1.3 未来区域交通控制的研究展望20

2 基于粗糙集的区域交通控制交通量属性约简21

2.1 引言21

2.2 粗糙集的基本概念22

2.2.1 知识表达系统22

2.2.2 属性的核和约简22

2.3 粗糙集混沌遗传属性约简算法23

2.4 区域交通控制交通量属性约简25

2.4.1 区域实时交通控制方法25

2.4.2 区域交通控制交通量属性约简26

3 基于流形学习算法的区域交通控制交通量属性约简31

3.1 流形及流形学习31

3.1.1 流形及相关的一些数学概念31

3.1.2 流形学习33

3.1.3 流形学习的产生、发展及应用33

3.2 流形学习算法35

3.2.1 多维尺度变换（MDS）原理35

3.2.2 等距映射（Isomap）原理及特点36

3.2.3 局部线性嵌入（LLE）原理及特点38

3.2.4 拉普拉斯特征映射原理及特点40

3.2.5 局部切空间排列法（LTSA）原理及特点41

3.2.6 各种流形学习算法的异同点42

3.3 利用流形学习算法的区域交通控制维数约简42

3.3.1 方案选择式区域交通控制的维数研究43

3.3.2 利用流形学习算法的维数约简算法的研究44

3.3.3 降维的实现44

4 结合Isomap算法与K-均值聚类算法的交通时段划分研究47

4.1 K-均值聚类算法48

4.2 研究方法48

4.3 Isomap交通时段划分聚类实验49

4.3.1 样本数据49

4.3.2 降维49

4.3.3 聚类50

4.3.4 划分时段51

4.3.5 对实验结果的评价52

5 交通量的混沌预测53

5.1 引言53

5.2 城市交通流的混沌特性54

5.3 基于混沌时间序列的交通量实时预测54

5.3.1 改进的加权一阶局域法55

5.3.2 基于最大Lyapunov指数的改进预测方法56

5.3.3 多层混沌神经网络预测模型（MLCNN）57

5.4 交通量混沌预测61

5.4.1 预测计算61

5.4.2 预测结果分析64

5.5 实验结论66

6 城市平面交叉路口混沌神经网络控制67

6.1 Hopfield网络及分析67

6.2 多层反馈混沌神经网络模型（MLFCNN）68

6.3 能量函数70

6.3.1 车辆延误的计算70

6.3.2 饱和流量71

6.3.3 能量函数71

6.4 基于MLFCNN的城市单路口智能控制71

6.5 应用研究72

6.5.1 应用对象的说明72

6.5.2 应用计算74

6.5.3 结果分析75

6.6 MLFCNN稳定性探讨76

6.7 现场测试76

6.8 实验结论77

7 城市交通信号的在线强化学习控制79

7.1 强化学习的基本原理79

7.2 基于Dyna-Q学习的交通信号在线控制算法82

7.2.1 算法设计82

7.2.2 仿真研究83

8 区域交通控制动态模型与智能算法86

8.1 基本知识86

8.1.1 区域交通控制系统的分类86

8.1.2 城市区域交通自适应控制系统87

8.2 动态优化模型89

8.3 动态优化算法90

8.3.1 混沌遗传算法90

8.3.2 混沌粒子群优化算法95

8.3.3 模拟退火粒子群算法100

8.3.4 灾变粒子群算法105

8.4 区域交通控制信号配时优化108

8.4.1 周期和相位差优化108

8.4.2 区域交通控制配时优化步骤108

8.4.3 仿真计算108

8.5 仿真实验结论114

9 结论与展望115

9.1 研究内容115

9.1.1 交通量的属性约简模型与算法115

9.1.2 交通时段划分115

9.1.3 交通量的混沌预测116

9.1.4 单路口混沌神经网络控制116

9.1.5 交通信号的在线强化学习控制116

9.1.6 区域交通控制动态模型与智能算法116

9.2 展望117