城市智能交通系统控制与诱导的理论与实践PDF电子书下载

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