第一章 绪论 1
1.1 智能运输系统的产生与发展 1
1.2 智能运输系统的研究内容 3
1.3 交通流诱导系统理论与模型综述 12
1.4 小结 13
第二章 城市交通流诱导系统的结构框架 14
2.1 概述 14
2.2 世界各国城市交通流诱导系统研究 14
2.3 我国城市交通流诱导系统结构框架 26
2.4 小结 29
第三章 最优控制动态交通分配模型新算法 30
3.1 概述 30
3.2 最优控制动态交通分配模型 31
3.3 遗传算法 34
3.4 新算法设计及应用 37
3.5 小结 41
第四章 离散时间动态随机交通分配模型 43
4.1 概述 43
4.2 行程时间模型 45
4.3 运输需求模型 49
4.4 运输需求调整模型 50
4.5 计算过程 52
4.6 小结 52
第五章 基于BP神经网络的交通信息理论模型及其应用 54
5.1 概述 54
5.2 误差反传神经网络的基本原理 56
5.3 基于BP神经网络的交通流量预测模型 60
5.4 基于BP神经网络的行程时间预测模型 63
5.5 基于BP神经网络交通流量及行程时间预测模型的应用 65
5.6 小结 75
第六章 基于神经网络的实时交通流模糊预测 77
6.1 概述 77
6.2 城市道路的交通流特性分析 78
6.3 以检测器数据估计路段行程时间的方法概述 86
6.4 基于神经网络的路段实时行程时间模糊预测 89
6.5 仿真实验 93
6.6 小结 96
第七章 基于高阶神经网络的交通信息自适应预测模型与算法 98
7.1 概述 98
7.2 多层前馈网络与高阶神经网络 99
7.3 基于HGNN的交通信息自适应预测模型设计 105
7.4 交通信息自适应预测HGNN结构优化算法设计 110
7.5 交通信息自适应预测HGNN参数自适应调整算法设计 120
7.6 小结 127
第八章 基于卡尔曼滤波理论的交通信息预测模型及其应用 129
8.1 概述 129
8.2 卡尔曼滤波理论 130
8.3 基于卡尔曼滤波理论交通流量预测模型 133
8.4 基于卡尔曼滤波理论的行程时间预测模型 140
8.5 基于卡尔曼滤波理论交通流量及行程时间预测模型的应用 147
8.6 小结 167
第九章 路网节点流量关系研究 169
9.1 概述 169
9.2 路网节点交通流量相关性分析 171
9.3 路网节点交通流量聚类分析 175
9.4 路网节点交通流量判别分析 182
9.5 小结 185
第十章 基于流体神经网络的最优路径选择模型及其算法 186
10.1 概述 186
10.2 流体神经网络的起源及其模型 187
10.3 用于交通网络的流体神经网络模型及其应用 192
10.4 广义路阻与准用户最优 203
10.5 准用户最优路径选择模型及其应用 207
10.6 小结 217
第十一章 交通流诱导系统信息采集技术 219
11.1 概述 219
11.2 交通流量采集技术 219
11.3 行程时间采集技术 221
11.4 模型验证的交通信息采集及处理 226
11.5 小结 231
12.1 概述 232
第十二章 交通流诱导与交通控制系统 232
12.2 基于用户出行行为的动态交通分配模型研究 233
12.3 基于城市交通控制系统的动态车辆行驶路线选择 241
12.4 小结 251
第十三章 交通流诱导系统软件介绍 252
13.1 交通流诱导系统软件的功能与结构 252
13.2 交通流量预测模块说明 254
13.3 行程时间预测模块说明 261
13.4 准用户最优路径选择模块说明 270
13.5 交通流诱导系统软件说明 274
参考文献 275