城市智能交通系统控制与诱导的理论与实践PDF|Epub|txt|kindle电子书版本网盘下载

城市智能交通系统控制与诱导的理论与实践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

第一篇 原理篇3

第1章 智能交通系统3

1.1 ITS的定义3

1.2 智能交通系统的特点5

1.3 智能交通系统在城市交通中的作用及意义6

1.4 智能交通系统的发展状况8

1.4.1 美国ITS的发展状况8

1.4.2 欧洲、日本ITS的发展状况9

1.4.3 我国ITS的发展状况10

1.5 中国智能交通系统发展战略11

1.5.1 中国智能交通系统面临的问题11

1.5.2 中国智能交通系统的发展趋势13

1.5.3 中国1TS发展战略目标及重点14

1.6 智能交通系统关键技术研究现状16

1.6.1 交通信号控制技术研究现状16

1.6.2 移动车载传感器网络研究现状23

1.6.3 交通流诱导研究现状26

第2章 智能交通系统信息采集技术34

2.1 概述34

2.2 微波／雷达交通信息采集技术37

2.2.1 微波检测37

2.2.2 超声波检测38

2.2.3 红外线检测39

2.3 视频交通信息采集技术40

2.4 GPS浮动车交通信息采集技术44

2.5 车联网时代交通信息采集技术46

2.6 交通传感器网络技术47

2.6.1 传感器技术47

2.6.2 传感器网络技术54

2.7 其他交通信息采集技术55

第3章 智能车辆系统关键技术58

3.1 智能车辆系统的体系结构58

3.1.1 智能车辆系统的定义58

3.1.2 智能车辆系统的体系架构与结构59

3.2 智能车辆系统的相关技术62

3.2.1 驾驶人行为检测技术62

3.2.2 环境感知技术66

3.2.3 自主驾驶技术69

3.2.4 其他技术75

第4章 智能交通信息与指挥平台84

4.1 概述84

4.1.1 平台简介84

4.1.2 平台结构85

4.1.3 平台功能86

4.2 智能交通系统多源信息融合技术87

4.2.1 多源信息融合技术的基本概念87

4.2.2 多源信息融合的基本内容89

4.3 城市交通信号控制系统93

4.3.1 控制系统结构与功能94

4.3.2 交通控制系统的系统框架96

4.4 视频监控系统96

4.4.1 系统功能结构设计97

4.4.2 系统特点98

4.5 交通诱导系统99

4.5.1 交通诱导服务系统99

4.5.2 交通诱导车辆定位系统101

4.5.3 交通诱导路径诱导及优化系统104

第5章 城市智能交通系统交通流优化与诱导方法研究106

5.1 城市交通流的协同优化与诱导106

5.1.1 城市交通流控制与路径诱导的主要要素106

5.1.2 城市交通流运行状态描述的基本参数110

5.2 城市交通流的研究与分析111

5.3 大规模城市交通路网的信号控制和诱导难点分析115

5.3.1 通信均衡的实时交通数据的收集115

5.3.2 区域均衡的城市交通流信号控制优化118

5.3.3 满足时延约束的在线交通流诱导119

5.4 城市交通流协同优化和诱导的设计方案121

5.4.1 基于同心均衡分簇的数据收集和交通流预测125

5.4.2 基于相邻路口协同的交通信号控制优化策略126

5.4.3 增量搜索的自主车流交通诱导127

第二篇 核心技术篇133

第6章 智能交通实时数据收集133

6.1 车载传感器网络中数据收集特点133

6.2 动态分簇交通数据收集算法138

6.2.1 车载传感器网络通信模式139

6.2.2 车载传感器网络中的分簇数据收集技术研究141

6.2.3 V2X通信模式下的分簇模型设计146

6.2.4 V2V通信模式下的动态分簇方案实现147

6.2.5 动态车流数据收集155

6.2.6 算法仿真模拟和结果分析157

6.3 基于同心均衡分簇的数据收集算法165

6.3.1 车载传感器网络通信模式建立166

6.3.2 车载传感器网络模型和基本假定169

6.3.3 基于同心均衡分簇的路由选择算法170

第7章 实时交通流预测182

7.1 FNN交通实时预测问题分析183

7.2 基于FNN模型和Taguchi方法的交通流预测192

7.2.1 城市路网基于FNN的预测模型193

7.2.2 FNN合适的道路传感器配置方案200

7.3 FNN算法仿真与结果分析207

7.3.1 FNN交通流预测算法仿真207

7.3.2 Taguchi方法用于道路传感器配置仿真分析211

7.4 基于自适应粒子滤波的交通流预测算法214

7.4.1 常见贝叶斯滤波算法215

7.4.2 粒子滤波算法221

7.4.3 交通流量动态状态空间模型226

7.4.4 基于置信水平的自适应粒子滤波算法228

第8章 城市智能交通学习优化协同控制策略235

8.1 城市交通路口信号控制的基本控制输入235

8.2 城市交通路口信号控制的基本控制方式241

8.3 城市交通流的分段仿射模型和全局优化目标243

8.4 城市交通网络的学习优化协同控制策略247

8.4.1 学习优化协同控制策略设计251

8.4.2 仿真与分析263

第9章 智能交通系统交通流诱导任务的分解269

9.1 智能交通系统交通流诱导问题和应用269

9.1.1 智能交通流诱导系统的应用269

9.1.2 智能交通流诱导系统的交通分配273

9.2 多源多目标群体车流量的交通诱导任务分解与协调277

9.2.1 基于带权与或树的群体车流量交通诱导任务分解278

9.2.2 交通诱导任务分解的AOE网数学模型282

第10章 智能交通诱导的动态路径规划290

10.1 路径规划概述290

10.2 路径规划机制研究295

10.2.1 增强学习关键技术研究295

10.2.2 基于增强学习的路径规划研究现状299

10.2.3 基于Q学习的协同多路径规划302

10.3 基于Q学习的路径规划306

10.3.1 基于Q学习的最优路径规划306

10.3.2 基于Q学习的多路径规划308

10.3.3 多代理协作的Q学习多路径规划311

10.4 算法仿真与结果分析313

10.4.1 单代理的多元多目标路径规划313

10.4.2 多代理的多元多目标路径规划314

10.4.3 若干种多路径算法比较316

10.5 智能交通诱导的动态重规划路径选择方法319

10.5.1 智能交通诱导的路网模型320

10.5.2 基于动态规划的智能交通路径选择322

第三篇 应用篇329

第11章 交通仿真系统329

11.1 概述329

11.1.1 交通仿真系统的定义329

11.1.2 交通仿真系统的特点330

11.1.3 交通仿真系统的分类331

11.2 交通仿真模型与系统介绍333

11.2.1 微观交通仿真模型与系统333

11.2.2 中观交通仿真模型与系统337

11.2.3 宏观交通仿真模型与系统339

11.3 在线交通仿真技术339

11.3.1 在线交通仿真技术概述340

11.3.2 在线交通仿真技术在交通控制上的应用340

11.4 交通仿真软件342

11.4.1 PARAMICS仿真软件342

11.4.2 AIMSUN2仿真软件346

11.4.3 VISSIM仿真软件348

11.4.4 CORSIM仿真软件350

11.5 应用案例351

11.5.1 案例概述351

11.5.2 优化步骤353

11.5.3 优化评价354

第12章 智能车辆技术的发展与应用356

12.1 智能车辆发展历史356

12.2 智能车辆系统应用实例362

12.2.1 自动泊车系统362

12.2.2 无人车的路径引导系统364

第13章 出行者信息服务诱导系统371

13.1 概述371

13.1.1 系统定义及组成372

13.1.2 ATIS的基本功能373

13.1.3 ATIS的发展阶段373

13.2 出行者信息服务诱导系统需求分析374

13.2.1 出行交通信息374

13.2.2 出行对象分析376

13.2.3 交通信息服务功能需求分析378

13.2.4 建设交通出行信息服务诱导系统的必要性和意义379

13.3 出行者信息服务诱导系统国内外研究动态381

13.4 体系结构384

13.5 服务内容386

13.6 关键技术387

13.6.1 交通信息采集与融合技术388

13.6.2 信息预测技术389

13.6.3 动态路径规划技术390

13.7 应用案例390

13.7.1 概述390

13.7.2 世博交通信息服务保障系统构建391

13.7.3 世博交通信息服务保障系统应用392

第14章 智能城市交通系统398

14.1 交通实时监测系统398

14.2 路口信号协调控制399

14.3 实时信息发布系统401

14.4 交通流诱导系统402

14.5 实时公交应急系统403

14.6 公交先行理念403

参考文献405