第1章 引论 1
1.1交通控制发展的历史沿革 1
1.2交通控制的意义和任务 2
1.2.1道路交通存在的主要问题 2
1.2.2交通控制的目的 3
1.2.3交通控制的任务 4
1.3交通控制的类型 4
1.4交通控制与智能交通系统 5
参考文献 5
2.1基本概念 6
第2章 道路交通控制的基本理论和方法 6
2.1.1交通灯信号 7
2.1.2交通信号灯的安装与排列 7
2.1.3交通信号的设置条件 8
2.2交通信号控制参数 9
2.2.1步与步长 10
2.2.2周期 10
2.2.3相位 10
2.2.4绿信比 11
2.2.5相位差 12
2.2.6通行能力 13
2.3.1宏观稳态交通的基本特征 14
2.3交通模型及有关概念 14
2.3.2连续交通流模型 16
2.3.3城市道路交通模型 17
2.3.4高速公路交通模型 18
2.4基本的交通控制方法 20
2.4.1信号控制下的车辆运动过程及车辆延误 20
2.4.2信号控制的配时设计 22
2.4.3感应控制 24
参考文献 28
3.1模糊控制 29
3.1.1模糊及模糊控制的概念 29
第3章 智能控制与数据融合技术 29
3.1.2模糊集合和隶属函数 30
3.1.3模糊关系和模糊关系矩阵 33
3.1.4模糊语言和模糊推理 37
3.1.5模糊控制原理 40
3.2神经网络控制 45
3.2.1人工神经网络的基本概念 45
3.2.2多层前馈神经网络 49
3.2.3反馈型神经网络 52
3.2.4神经网络控制 55
3.3.2线性可分SVM 59
3.3支持向量机 59
3.3.1最优超平面 59
3.3.3线性不可分SVM 61
3.3.4非线性SVM 62
3.3.5讨论 63
3.4遗传算法 64
3.4.1自然界生物的遗传与进化 64
3.4.2遗传算法的基本原理与算法 65
3.4.3遗传算法的特点 67
3.4.4遗传算法的应用 68
3.5.1数据融合的基本内容 69
3.5数据融合 69
3.5.2数据融合的体系结构 72
3.5.3数据融合的关键技术及存在的问题 74
3.5.4数据融合的方法 75
3.5.5数据融合技术的应用 81
参考文献 82
第4章 交通量检测及信息处理 83
4.1交通量检测器的类型与基本工作原理 83
4.1.1环形线圈检测器 83
4.1.2超声波检测器 86
4.2.1交通流量 87
4.2交通参数的检测方法和计算 87
4.1.3视频检测器 87
4.2.2车速 88
4.2.3占有率 89
4.2.4交通密度 89
4.3基于信息融合技术的交通量检测方法 89
4.3.1基于Kalman滤波的排队长度估计 89
4.3.2基于加权平均融合算法的空间平均速度估计 90
4.3.3Bayes参数估计融合算法 91
4.4基于图像识别技术的交通参数视频检测方法——预处理 95
4.4.1摄像机的安装 96
4.4.3图像恢复 97
4.4.2图像采集与处理的协调 97
4.5基于图像识别技术的交通参数视频检测方法——特征提取 102
4.5.1图像分割 102
4.5.2运动目标分割及阴影的剔除 104
4.5.3基于积分思想的特征提取方法 107
4.5.4基于坐标变换的特征提取方法 111
4.6基于图像识别技术的交通参数视频检测方法——车型分类 118
4.6.1基于支持向量机的车型分类方法 118
4.6.2基于D-S证据理论的车型分类方法 121
参考文献 125
4.6.3车流量的统计 125
第5章 单路口的智能交通控制 127
5.1单路口两相位的模糊控制 127
5.1.1延误模型 127
5.1.2模糊算法 128
5.1.3模糊控制 134
5.2单路口的两级模糊控制 136
5.2.1延误模型 137
5.2.2单路口的两级模糊控制 139
5.2.3仿真结果分析 142
5.3.1多相位交通控制运行过程 143
5.3单路口多相位模糊控制 143
5.3.2模糊控制器的设计 144
5.3.3仿真结果分析 147
5.4基于模糊控制的相位调节方法 148
5.4.1有关参数的测量 148
5.4.2模糊控制器的设计 149
5.4.3相序的调整及相位调节方法 152
5.5单路口的神经网络自学习控制 153
5.5.1控制系统结构 153
5.5.2控制算法 154
5.5.3仿真结果分析 156
5.6.1基于ANN的平面交叉口交通模型 157
5.6单路口交通信号的ANN自校正预测控制 157
5.6.2控制器设计 159
5.6.3仿真结果分析 161
参考文献 162
第6章 城市干线交通的信号协调控制 164
6.1线控的基本概念和方法 164
6.1.1基本概念 164
6.1.2协调方式 165
6.1.3基本设计方法 166
6.2交通干线的递阶模糊神经网络控制 170
6.2.1线控问题的描述 171
6.2.2交通干线的递阶模糊神经网络控制 172
6.2.3仿真结果分析 177
参考文献 178
第7章 城市区域交通信号控制 180
7.1基本概念 180
7.2TRANSYT系统 182
7.2.1交通模型 182
7.2.2信号配时的优化 186
7.2.3系统运行评价 186
7.3基于遗传算法的交通信号配时优化 187
7.3.2GA优化器 188
7.3.1方法框架 188
7.3.3中观仿真器 191
7.4SCOOT系统 192
7.4.1SCOOT的原理与交通模型 193
7.4.2SCOOT信号参数的优化 196
7.4.3SCOOT系统的特点 200
7.5SCATS系统 201
7.5.1SCATS系统的结构 201
7.5.2SCATS系统的原理概述 203
7.5.3类饱和度和综合流量 204
7.5.4SCATS系统的参数优化 205
7.5.5子区的合并与局部车辆感应控制 207
7.5.6SCATS系统的特点 208
7.6RHODES系统 208
7.6.1RHODES系统的主要原理和结构及原型 208
7.6.2预测模型 210
7.6.3控制方法 213
7.6.4公交优先 220
7.6.5系统特点 221
参考文献 222
8.1.1高速公路的交通特性 224
8.1高速公路的交通特性和存在的问题 224
第8章 高速公路的智能控制 224
8.1.2高速公路的交通问题 225
8.1.3解决高速公路交通问题的方法 227
8.2高速公路入口匝道控制的基本方法 227
8.2.1入口匝道控制概述 227
8.2.2入口匝道定时控制 228
8.2.3入口匝道感应控制 230
8.2.4入口匝道集中控制 233
8.3高速公路入口匝道动态最优控制 233
8.4.1基于神经网络的高速公路稳态和动态交通模型 237
8.4高速公路智能交通控制系统的建模及多层描述 237
8.4.2基于人工智能的高速公路交通系统的多层描述 240
8.5单入口匝道的神经网络控制器 242
8.5.1高速公路的神经网络模型 242
8.5.2积分型和比例积分型神经网络控制器的结构 245
8.5.3神经网络控制器的训练 245
8.6高速公路动态交通系统的神经网络预测控制 246
8.6.1高速公路交通系统的动态神经网络模型 247
8.6.2带约束的神经网络预测控制算法 248
8.6.3仿真结果分析 251
参考文献 252