车联网下路网交通状态判别与边界控制

本书针对社会经济的快速发展，汽车保有量增长迅猛，给人们交通出行带来便利的同时，也引发了交通拥堵、交通事故、交通污染等一系列问题，尤其是城市道路交叉口群的交通拥堵问题，将车联网和MFD有机结合起来，对车联网环境下路网交通状态判别与过饱和交叉口群控制方法及仿真进行了相关研究与探讨，主要内容包括车联网环境下交通参数提取方法与车联网仿真平台搭建、车联网环境下路网MFD估测融合与交通状态判别方法、车联网环境下路网子区划分与过饱和交叉口群多层边界动态划分方法、车联网环境下基于MFD的过饱和交叉口群单层边界控制方法、车联网环境下基于MFD的过饱和交叉口群多层边界迭代学习控制方法。

第1章 绪论
1.1 背景与意义
1.1.1 背景
1.1.2 意义
1.2 国内外研究综述
1.2.1 车联网技术研究
1.2.2 MFD的研究
1.2.3 路网交通状态判别方法研究
1.2.4 交通信号控制方法与路网子区划分研究
1.2.5 研究现状问题分析
1.3 主要内容与研究目标
1.3.1 主要内容
1.3.2 研究目标
1.4 技术路线
1.5 本章小结
第2章 车联网环境下交通参数提取方法与车联网仿真平台搭建研究
2.1 引言
2.2 车联网环境下交通参数提取方法
2.2.1 基于5G通信的车联网
2.2.2 交通流参数提取方法
2.3 基于Vissim的车联网仿真平台搭建与参数校正方法
2.3.1 研究路网和基础数据
2.3.2 车联网仿真平台的搭建
2.3.3 车联网仿真平台参数校正
2.4 实证分析
2.5 本章小结
第3章 车联网环境下路网MFD估测融合与交通状态判别方法研究
3.1 引言
3.2 基于MFD的联网车最小覆盖率确定方法
3.3 基于数据融合的路网MFD估测方法
3.3.1 基于自适应加权平均的路网MFD估测融合方法
3.3.2 基于BP神经网络的路网MFD估测融合方法
3.3.3 路网MFD估测值的差异性分析方法
3.4 基于MFD+谱聚类+SVM的交通状态判别方法
3.4.1 谱聚类算法与SVM算法简介
3.4.2 基于MFD的交通状态判别方法
3.4.3 基于MFD+谱聚类+SVM的路网交通状态判别方法
3.5 实证分析
3.5.1 基于MFD的联网车最小覆盖率确定结果
3.5.2 基于数据融合的路网MFD估测结果
3.5.3 基于MFD+谱聚类+SVM的交通状态判别结果
3.6 本章小结
第4章 车联网环境下路网子区与过饱和交叉口群多层边界划分方法研究
4.1 引言
4.2 基于聚类算法的路网子区划分方法与评价
4.2.1 基于Canopy-Kmeans聚类算法的路网子区划分方法
4.2.2 基于ACO-FCM聚类算法的路网子区划分方法
4.2.3 基于MFD的路网子区划分定量评价方法
4.3 基于MFD的过饱和交叉口群多层边界动态划分方法
4.4 实证分析
4.4.1 Canopy-Kmeans算法与K-means算法的路网子区划分结果与评价
4.4.2 ACO-FCM算法与FCM算法的路网子区划分结果与评价
4.4.3 基于MFD的过饱和交叉口群多层边界划分结果
4.5 本章小结
第5章 车联网环境下基于MFD的过饱和交叉口群单层边界控制方法研究
5.1 引言
5.2 基于MFD的单层边界控制方法
5.3 考虑排队长度的改进单层边界控制方法
5.4 实证分析
5.4.1 实施单层边界控制方法
5.4.2 实施改进单层边界控制方法
5.5 本章小结
第6章 车联网环境下基于MFD的过饱和交叉口群多层边界迭代学习
控制方法研究
6.1 引言
6.2 前馈反馈迭代学习控制器设计
6.3 多层边界前馈反馈迭代学习控制方法
6.4 实证分析
6.5 本章小结
第7章 总结与展望
7.1 工作总结及主要研究成果
7.2 研究展望
参考文献
附录1 广州天河区核心路网有关统计表
附录2 基于联网车数据估测路网MFD的程序
附录3 基于固定检测器估测路网MFD的程序
附录4 基于自适应加权平均的路网MFD估测融合方法程序
附录5 路网MFD估测值差异性分析程序
附录6 基于谱聚类的路网交通状态判别程序
附录7 K-means算法程序
附录8 SVM多分类器实现过程
附录9 计算各时段内各路段的平均速度和平均密度的程序
附录10 Canopy+Kmeans算法程序
附录1l 蚁群算法+FCM聚类算法程序

林晓辉，硕士学位，副教授，现任职于广东交通职业技术学院。主编过《道路交通控制技术应用》《高速公路机电系统集成与维护》等书，发表过多篇论文。