一、一类网络排队问题的模糊控制方法（论文文献综述）
徐倩毓[1]（2021）在《认知无线电网络中基于信道访问的网络性能研究与分析》文中提出认知无线电技术能够最大限度的实现用户间的频谱重用,能够在保持用户间干扰在可接受水平之内的同时提升频谱资源利用率。但是,认知无线电网络中主用户时变的特性使次用户具有高动态性,这对该网络的信道访问技术提出了更高的挑战和要求。为保障次用户的服务质量,本文考虑从频谱资源调度和频谱接入两个方面对认知无线电网络的信道访问性能进行研究。基于频谱资源调度的次级网络性能研究需要针对实际应用场景提出满足其服务需求的资源调度和分配方案。本文针对特殊场景下（如紧急救援）需要提供分级服务的认知无线电网络,研究了带有业务分级的资源调度和分配问题。考虑到带有分级服务的调度方案通常会造成低优先级业务由于长时间得不到服务而导致的饥饿问题,本项研究的研究目标是在提供尽可能公平的分配机制的基础上提升重要信息的递送效率。另外,次用户的高动态性使得业务流在接入过程中通常伴有较强的突发特性和网络拥塞问题。由于突发业务流的建模难度较大,先前的研究大多采用平滑的Poisson过程来模拟业务流的到达。但在实际通信过程中业务流在任何时间尺度都具有突发性,忽略业务流的突发特性会导致性能评价模型过于理想化。本文因此针对实际认知无线电网络的应用中影响频谱接入的因素,包括突发业务流、网络拥塞、信道衰落和有限缓存,研究了基于接入模式考虑的次级网络性能的评价问题。主要的研究成果有:首先,考虑到仅基于异构业务的分级方案并没有关注到特殊场景下包含重要信息的弹性业务,如紧急救援场景下患者的重要生命数据。本文将次用户的优先级按照关注信息分为两类,提出了一个预留信道轮询调度（Ps-rc）策略。在优先级保障阶段仅服务高优先级队列中的次用户;在轮询阶段服务低优先级次用户的同时预留一部分信道给高优先级用户,目的是在不造成低优先级用户饥饿的情况下保障高优先级用户的服务。本文采用了信道装配技术和频谱自适应技术,并给出了Ps-rc调度策略的实现方法。通过将系统的状态转移触发事件分为四类建立连续时间Markov链,刻画了次级系统中的资源流动过程。获得了四类触发事件下系统从一个一般状态出发的所有可能的目的状态、转移速率和转移条件。随后,推导出了次级系统网络容量、频谱利用率、阻塞概率、强行终止率等性能指标的解析式。数值实验证明了本文所提出的Ps-rc策略能够在混合多类型业务的认知无线电网络中保障预定义优先级用户的服务质量。其次,本文还考虑了一个更加普遍的基于异构业务分级的调度方案。在采用静态因素区分弹性业务和实时业务的基础上,为了提升包含重要信息的弹性业务的优先级,提出采用动态因素对被主用户中断的弹性业务进行再划分的方法。目的是区分其中高优先级弹性业务,并为其设置新的预留队列,安排高于实时业务的调度优先级。也即在建立区分弹性业务和实时业务队列的基础上,增加了一个预留队列给被主用户中断的高优先级弹性业务。在此基础上,本文还应用了信道装配与频谱自适应技术,提出了一个带有预留队列的优先级调度（Ps-rq）策略,并给出了资源调度和分配算法。进一步,本文建立了Ps-rq策略下的连续时间Markov链,给出了能够触发系统状态变化的转移事件、转移速率和转移条件。通过求解稳态分布获得了次级系统的性能评价指标。数值实验证明了本文所提出的Ps-rq策略能够在提供公平调度的基础上,有效提高被中断的重要弹性业务的调度优先级。然后,本文首次将两状态Markov调制的伯努利过程（MMBP-2）引入认知无线电网络中,建立了基于接入模式的带有跨层考虑的突发业务流性能评价模型。在数据链路层,本文以MMBP-2作为业务流的输入模型,模拟不同突发度的异构业务,并通过Markov链建立其之间的相关性。在建模过程中本研究还考虑到突发业务易产生的网络拥塞问题,加入了随机早期检测（RED）机制来控制网络拥塞。在物理层,次用户在信道上被成功接受的概率由Nakagami衰落、主用户活动和次用户的频谱感知共同作用。通过建立二维Markov链将上述影响频谱接入的因素整合并融于二维概率空间,获得了相应的状态转移矩阵。另外,本文还构造了前向约减后向展开的迭代算法来获得矩阵稳态解,进一步得到了次级系统的性能评价指标,包括系统吞吐量、平均时延、平均队长、总丢包率等。数值实验结果显示本文建立的评价模型能够保障次用户在突发环境下保持稳定的系统输出。对比实验证明了采用合理的拥塞控制方案有助于提升次级系统性能。最后,考虑到评价模型中采用的RED拥塞控制机制存在对参数设置敏感的问题。因此本文研究了节点拥塞问题,建立了区分优先级的双节点排队模型并提出采用平均队长指标和信道传输状态指标共同反馈网络拥塞,以降低RED机制对单参数控制的依赖性。据此,本论文设计提出了一个双阈值双指标的DI-RED拥塞控制机制,推导得到了更新后的阈值位置、分组到达率、分组丢弃概率,并给出其实现算法。同时,通过建立离散时间排队模型对带有DI-RED拥塞控制的数据传输性能进行定量分析,得到了系统性能的评价指标。数值结果显示本文提出的DI-RED机制不仅能够克服RED机制参数敏感的问题,还能在各项性能指标之间取得折中。基于此,本文将所提出的DI-RED机制应用于突发业务流评价模型中,并通过数值模拟验证了所提机制控制的有效性。
陈德启[2]（2021）在《基于浮动车数据的信号交叉口运行态势推演与配时优化方法》文中提出信号交叉口在道路网中扮演着重要的角色,交叉口的瓶颈问题已成为引起交通延误、制约交通效率的重要因素,因此制定合理的管控策略以缓解交叉口延误是十分必要的。然而,用于感知信号交叉口运行态势、诊断延误原因、预测交通演变规律、优化信号配时方案的传统技术手段在面对现阶段的越发复杂的交通状态时逐渐呈现出疲态。交通大数据和新兴智能技术的出现为降低交叉口延误提升运行效率带来了新的契机。其中,浮动车数据凭借着覆盖范围广、采集成本低、数据量大、时空信息丰富的优点,逐渐在交通出行特征的研究中流行起来。浮动车数据可以实时地检测信号交叉口的运行状态,被认为是感应道路网络运行脉络的“听诊器”,但是作为新兴的数据源,如何更好地发挥浮动车数据在交叉口的作用还有待深化研究。为了深入理解、梳理、挖掘浮动车数据的特征规律,本文以网格模型为匹配方法实现快速、有效地提取交叉口区域浮动车数据的时空特征,掌握浮动车数据的运行规律及演变机理,实现对信号交叉口运行状态精细化的评价和延误原因的自动诊断,是精准预测交叉口运行状态的基础和前提。基于此,构建了多任务融合深度学习框架,对大范围交叉口通行时间和速度特征进行有效地预测,并为后续的自适应配时优化方案提供技术基础。信号配时优化方案主要包括两个部分,构建深度强化学习模型和提取浮动车数据的交通状态,旨在浮动车数据的基础上设计更加有效的信号配时方案,提升信号交叉口的运行效率。本文的主要研究内容和发现分为以下四个方面:（1）基于海量浮动车数据,深入挖掘浮动车数据的基本属性特征、时空特征、环境特征和演化规律。构建交叉口网格模型用以匹配浮动车数据,提取交通特征。利用基于网格模型的模糊C-均值聚类方法界定信号交叉口的影响区域,精准地刻画不同交叉口、不同通行方向的影响范围。此外,利用网格模型可以快速地、精准地识别浮动车轨迹数据的方向。结果表明,网格模型可以有效地支撑信号交叉口的运行状态的研究。（2）基于网格模型提取浮动车数据的出行特征,通过估算交通参数和信号配时参数构建信号交叉口运行状态评价体系和延误诊断指数,以实现对信号交叉口运行状态感知和延误问题的自动识别。案例研究发现,本文构建的信号交叉口运行评价方法可以有效的感知信号交叉口的整体和内部的服务水平。信号配时参数计算方法可以对固定配时方案的配时参数实现精准地估算。所构建的延误诊断指数可以有效地诊断延误原因。相关结果和发现可以有效地支撑交叉口交通参数预测和配时优化策略的研究。（3）基于多任务融合深度学习模型MFDL（Multi-Task Fusion Deep Learning）对大范围信号交叉口的通行时间和速度进行协同预测。MFDL模型充分考虑了交通参数的时空特征、拓扑结构特征、天气环境特征,并利用残差神经网络提升模型深度,释放模型预测的潜能,采用注意力机制自动分配多维变量的权重,展现特征融合的优势。案例研究发现,与基础模型对比,MFDL模型的精准度更高。通过更改MFDL模型本身变量组对模型自身分析,发现模型具有较强的鲁棒性。与单任务模型对比,发现MFDL模型能够发挥变量之间信息共享的优势,减少训练时间、提升预测精度。相关结果和技术可以辅助构建深度强化学习配时优化方法。（4）基于深度强化学习模型3DQN-PSTER（Double Dueling DQN Priority Sum Tree Experience Replay）实现信号交口的自适应控制。3DQN-PSTER模型融合了Double DQN、Dueling DQN技术和优先级经验回放策略提升了模型性能。利用SUMO（Simulation of Urban MObility）仿真总体数据、浮动车数据、感应线圈数据的交通环境,并进行仿真优化。案例研究发现:3DQN-PSTER模型具有收敛速度快、稳定性强、优化效果显着的优点。在不同的交通量、不同方向的进口道的场景下与不同的配时优化方案对比,发现基于3DQN-PSTER的配时方案RLSC在实时的、非均衡的动态交通流环境中具有独特的优势。此外,在浮动车数据的交通环境中,发现渗透率越高,模型学习过程表现得越稳定,所训练的模型的优化效果越显着。本文按照发现延误、诊断延误、态势推演、缓解延误的研究思路。利用浮动车数据感知信号交叉口的运行态势、诊断延误原因、预测交通参数、优化配时方案的一系列工作,将交通大数据处理技术、深度学习方法和强化学习方法应用于交叉口复杂的交通状态。本研究对降低信号交叉口延误提升整个路网的运行效率具有重要的理论价值和实际指导意义。
张博旭[3]（2021）在《中小学校园周边交通组织优化方法研究》文中提出学校是城市道路网中的严重拥堵节点,是学生、家长出行的集散之地。中小学生上、下学出行是城市居民出行的重要组成部分,家长接送出行的增加,使得校园周边交通拥堵问题愈加严重,已经引起政府、研究学者的重视。因此,为解决城市校园周边交通拥堵问题,应对校园周边交通进行科学、合理的优化研究。首先,从校园周边交通拥堵问题出发,通过对学生、家长出行的行为特点、校园周边设施及校园周边停车需求等方面调查,分析校园周边出现交通拥堵现象的原因,为校园周边交通组织优化提供基础信息。其次,根据熵值-模糊综合评价算法,利用校园周边交叉口的三个指标（饱和度、平均延误、二次停车率）将校园周边交叉口交通状态划分成轻度、中度、严重三个等级,为校园周边交通组织优化方法确定校园周边交通组织优化范围。通过校园周边交通影响范围的确定,对严重拥堵范围内的校园周边交通组织进行优化。针对校园出入口现状,通过增加出入口、增大校园出入口空间等方法对校园出入口进行重新规划;针对校园周边公交站线、道路与路内停车等方面,对校园周边道路交通流线、临时停车位置、公交停靠点等交通组织进行优化。最后,以兰州市安宁区东方中学为例,根据实际调查情况,利用熵值-模糊综合评价算法划定影响范围,对东方中学周边交通组织进行优化。针对东方中学校园周边需优化的道路、出入口等提出交通组织优化方法,并利用交通仿真软件VISSIM对校园周边现有的交通组织方案及两种优化方案进行模型建立以及仿真运行,并使用交叉口评价指标参数（平均排队长度、平均延误、停车次数）对各仿真方案进行评价,通过图表形式直观比较各方案的评价结果,通过优化方案与现状对比分析,选取出最合适的东方中学周边交通组织优化方案。
徐光灿[4]（2021）在《城市交通能源供应网络优化研究》文中进行了进一步梳理交通能源供应网络是交通运输系统的重要组成部分,其为保障交通运行和城市运转提供了坚实基础。其中,成品油供给在交通能源供应网络中占主导地位,从某种程度上说,成品油供给系统的运作效率决定了交通运输系统的运行效率。当前,成品油供给系统存在资源配置不合理、运作效率低下、服务质量亟待提升等问题,政府相关部门和成品油经营企业急需找到优化成品油供给系统运作、提升成品油供给网络服务质量的方法和路径。因此,本论文的选题具有重要的理论意义和实践意义。成品油供给系统可分为成品油二次配送和成品油终端服务两个阶段,这两个阶段既有相对的独立性又有密切的关联。当前对成品油供给系统相关问题的研究多集中在单一油库向加油站配送成品油及单一加油站服务优化等问题,而缺乏从区域成品油供给资源配置和加油站服务网络优化等方面进行研究。为此本文试图从区域成品油供给系统的角度出发,研究多油库供给网络中的合作配送优化问题,多油库合作配送车辆路径资源配置优化问题,多油库合作配送的合作机制与收益分配问题和加油站服务网络优化问题,进而为区域成品油供给系统资源配置优化和管理决策提供理论和技术支撑。本文的主要研究工作和成果如下:（1）分析研究多油库成品油供给共同配送网络优化问题。首先根据聚类算法把区域内的加油站进行了重新划分,从而重新界定了每个油库服务的加油站集合;然后,以区域多油库成品油供给网络总运作成本最小为目标函数,建立优化数学模型;再次,结合GA和PSO算法各自的优点,提出GA-PSO混合启发式算法来求解所提优化数学模型;最后,以中国重庆的区域成品油供给系统为例,对比分析了优化前后的系统运作总成本、配送车辆使用数等指标,验证了上述优化模型及其算法的有效性,从而为多油库成品油合作共同配送的网络优化问题提供了一种有效的研究方法。（2）研究多油库成品油共同配送车辆路径问题的资源优化配置。同样,首先对不同油库所负责配送的加油站进行了重新的聚类,即每个油库形成了新的客户群;然后,基于多舱车辆共享、时间窗协调和车辆路径优化等机制,以系统运作总成本最低和使用配送车辆数最少为目标函数,建立了多油库成品油共同配送车辆路径的双目标混合整数规划模型;接着设计了考虑遗传变异的多目标粒子群算法来求解所提优化数学模型;最后,通过一个小规模案例和一个大型实例来验证所提优化模型及算法在解决多油库成品油共同配送车辆路径问题时的有效性和合理性。（3）研究多油库成品油供给共同配送网络中的合作机制与收益分配问题。首先介绍了常用的几种收益分配方法及严格单调路径策略;接着,提出了考虑参与合作主体业务量、投资额和风险量等因素的Shapley值修正模型来决定成品油共同配送中的收益分配;最后,以多油库成品油供给共同配送网络优化问题为基础,应用Shapley值方法和SMP策略来分析多油库成品油合作供给系统的利益分配和各油库的最佳入盟序列。成品油供给系统多主体合作机制与收益分配方法为区域合作联盟的形成和联盟的稳定性提供了理论支撑,其也是多油库成品油合作供给在实践中应用的前提和基础。（4）研究加油站网络补能车辆排队优化。首先,介绍排队理论,分析排队的基本特征及在相关领域的应用;然后,分有信息引导和无信息引导两种情况,将排队论用于分别由两个M/M/1/2、M/M/1/3、M/M/2/3组成的典型加油站布局系统的补能车辆排队分析,并从数学上严格证明了两种情况下排队系统的不同性态指标;最后,通过数值计算,直观比较有信息引导和无信息引导两种状况下相关排队指标值变化的情况,并将排队系统扩展到两个M/M/1/4、M/M/2/4组成的加油站服务网络,通过数值模拟,验证结果的一致性。上述研究一方面为政府相关部门和成品油经营企业优化交通能源供应网络运作效率,提升成品油供给服务质量提供有益参考建议,另一方面进一步丰富和发展了交通能源供应链相关理论与方法体系,具有重要的理论和实践意义。
刘佳佳[5]（2021）在《基于模糊逻辑和强化学习的交通信号优化方法设计与实现》文中研究表明近年来,我国社会经济高速发展,城市规模逐渐扩大,伴随而来的是城市中的机动车数量的快速增加,由此造成道路拥堵、交通事故频发、汽车尾气排放污染环境等一系列问题。解决这些问题的关键途径是提升路网的通行能力,通过减少车辆在交叉口的延误时间来提高城市路网的通行效率。在以上背景下,本文设计并实现了三种城市单交叉口的交通信号控制方法,并通过二次开发Sumo仿真软件进行对比分析。（1）设计与实现一种交通灯信号的模糊控制方法。该方法基于四相位定相序对单交叉口交通灯进行控制,采用两层模糊控制系统,第一层模糊控制系统输入为车辆排队数和车辆到达率,输出为当前相位和下一相位交通流强度。第二层模糊控制系统以两个相位的交通流强度作为输入,输出为当前绿灯相位的绿灯延长时间。实验结果表明该方法的控制性能优于Sumo仿真软件自带的定时控制方法与传统模糊控制方法。（2）利用遗传算法来优化模糊控制系统。将模糊规则和隶属度函数参数编码为染色体,以车辆平均等待时间等评价指标构建适应度函数。种群迭代过程中,将个体解码为模糊控制系统的规则和隶属度函数参数,然后利用仿真软件对个体代表的控制系统进行仿真,得到个体评价函数值。在选择过程中加入了精英保留策略来保证最优个体不被破坏。经过遗传算法优化后,模糊控制系统控制交通信号灯的性能得到明显提升。（3）利用强化学习方法解决单交叉口交通信号灯控制问题。该方法充分利用路网传递的交通流参数,将路网截取为位置、速度矩阵,并将其作为输入状态。采取车辆的平均等待时间作为奖励函数,输出相位的持续时间作为动作。求解Q值时,为了解决过度估计问题,采用双竞争深度Q网络算法。实验结果表明,该强化学习方法控制性能优于Sumo自带的定时控制方法。（4）在上述算法的基础上,设计与实现了一个交通信号灯控制仿真系统。该系统包括用户管理、交通元素管理、交通信号灯控制方案仿真、任务管理等功能模块,能够根据单交叉口的车流数据自动决策信号灯的相位周期,为交通管理人员提供易于操作的交通仿真工具。
申慧[6]（2021）在《预防区域路网过饱和的优化控制方法研究》文中提出交通作为日常生活的重要组成,在国民经济发展中发挥着举足轻重的作用。近年来,我国城市机动车保有量持续增长,车辆数的增加速度高于道路空间的扩容速度,由此引发的交通拥堵问题日益严重。在有限的道路空间内,如何充分利用现有交通管理设备提升车辆流通效率、避免交通拥堵的发生,是当前交通控制领域的研究重点。在此背景下,本论文基于现有道路空间的存储能力,结合交通拥堵的时域特性和地域特性,对预防区域路网发生过饱和的优化控制方法展开研究,完成的主要工作和取得的研究成果如下:1.针对基于聚类的交通时段划分方法中存在的聚类质量不高、划分粗糙等问题,提出基于图像分割算法的交通时段划分方法。根据日交通流量分布覆盖率将日交通流划分为三种模式,对不同模式下的交通流数据进行时段划分,体现不同工作日和休息日的交通出行特征差异,提高划分精度。针对人工划分方法中存在的主观因素干扰问题,使用先进的FR-FCM（Fast and Robust Fuzzy C-Means Clustering Algorithm）算法对交通流数据图像进行分割。该方法的操作过程简单、易行,划分结果具有可视化特点。基于图像分割算法的交通时段划分方法完全依据交通流变化趋势和流量值进行客观、科学的划分,有效避免了人工划分方法中存在的弊端。2.针对传统二相位控制方法中存在的车流冲突问题和四相位控制方法中存在的相邻车道上“排队不公”现象,提出了单向全通行（The Same Entrance Full-Pass,SEFP）的优化控制方法。将来自关键交叉口同一进口的各转向车流组成一个信号相位,同时放行或截止这些车流,有效提升关键交叉口车辆运行的安全性和通行效率。3.在分析关键交叉口和相邻交叉口之间车辆流通特性的基础上,提出了相关三转向车流的同步控制方法并应用于相邻交叉口,使相邻交叉口“服务”于关键交叉口,实现按需放行进入关键交叉口的车流量,避免关键交叉口进口路段上出现溢流。结合交通波理论,在相邻交叉口制定基于信号相位差的协同控制方案,在提升关键交叉口的车流通过量的同时,显着减少车辆延迟和停车次数。并在相邻交叉口协同控制方案中加入“不完全”截流控制方法,有效避免了关键交叉口出现交通过饱和现象,为优化区域路网的交通控制奠定研究基础。4.针对现有路网划分方法中存在的划分规则不统一、对相邻交叉口之间的车辆流通特性考虑不充分等问题,提出基于重叠划分的交叉口分组方法,将相邻的交叉口划分为一个控制组。通过推导各控制组中心交叉口进口路段上的动态车辆分布率范围,设计了区域路网车容量计算的新方法,为区域路网边界交叉口的流量控制提供合理阈值。为预防过多车辆进入区域路网而造成拥堵,提出“减少输入、增加输出”的边界流量控制方法。当区域路网内部车辆数超过阈值时,在区域路网边界处的I型中心交叉口采用“不完全”截流控制方法以减少驶入区域路网的车辆数。同时,将区域路网边界处II型中心交叉口的放行相位切换到车流输出相位,增加驶离区域路网的车辆数。“减少输入、增加输出”的流量控制方法可以有效维持区域路网内部车辆数的稳定。5.提出“边界服务中心”的协同控制方法,在区域路网内部交叉口得到较好应用。在I型中心交叉口执行定时控制方案的基础上,在其边界交叉口、即II型中心交叉口处建立二级模糊控模型,使其根据I型中心交叉口各进口的放行需求和自身进口路段上的车辆排队情况,动态调整各相位的放行权和放行时长,协调相关路段的车辆分布。该控制方法保证区域路网中有半数交叉口处于车流通过量最大的高效运行状态,同时,降低了整个区域路网的协同控制难度,更容易实现、应用和推广。借助微观交通仿真软件搭交通模型,加载本论文所提出的优化控制方法。通过仿真实验,对各种优化方法的仿真结果进行分析和对比,验证了本文所述各种优化控制方法的可行性和有效性。
杨帆[7]（2021）在《基于事故情景划分的山区普通干线公路事故预测和安全隐患挖掘》文中研究指明山区普通干线公路是我国交通运输的大动脉,承担着大量的客运和货运运输需求,对我国经济发展起着重要作用。但是山区普通干线公路由于地形复杂、地质条件特殊,道路线形存在较多的极限设计指标;由于资金或建设条件受限,山区普通干线公路配套交通安全设施、交通管理设施较为缺乏,进一步导致了交通事故的频发。根据资料显示,山区普通干线公路的事故率往往是其他平原地区交通事故的若干倍,对经济发展、人民健康产生了巨大的负面影响。本文以山区普通干线公路交通安全作为研究对象,期望通过交通安全影响因素的挖掘,分析交通事故的可能性和严重性,结合交通事故发生的持续时间和空间影响范围,进行交通事故的情景划分。在此基础上,提取交通事故情景与其他影响因素的强关联规则,并预测弱关联规则下对应的事故情景概率。根据道路条件、交通环境等要素进行交通事故情景的提前推断,可实现交通安全的主动防控。结合交通事故情景与道路网络的对应关系,对事故情景进行聚类分析,得到安全隐患点的分布及其风险级别。本文的研究从交通事故时空影响范围分析、交通事故情景划分、交通事故关联规则提取和情景预测、交通安全隐患点识别四个方面研究了山区普通干线公路的交通风险识别,为山区普通干线公路交通安全风险防控、事故预警提供理论支撑和决策依据,主要研究内容包括:首先,分析了山区普通干线公路特殊的道路、环境特性,挖掘了山区普通干线公路交通事故的成因,明确了引起交通事故的关键要素。对应交通事故发生的扩散过程,时间上,将事故持续时间划分为事故响应阶段、事故处理阶段和交通流恢复阶段,采用交通波理论构建了交通事故持续时间计算模型。空间上,基于交通事故的传播规律,分别考虑交通事故不占用对向车道和占用对向车道两种情况,提出了基于改进高斯烟雨模型的类椭圆交通事故空间影响范围分级模型,对当前道路和相交道路的影响范围进行了量化和影响程度分级。类椭圆交通事故影响分级模型考虑了交通事故在不同方向道路上传播速度的差异性,反应了交通事故在空间传播的非匀质性。然后,引入交通事故情景概念,构建了基于交通事故可能性和严重性的交通事故情景判别方法体系。事故可能性考虑道路及外部条件等客观因素,严重性考虑事故属性、交通属性两类指标,建立了交通事故情景划分指标体系。对于多属性决策问题,采用CRITIC方法确定了各属性指标的权重。引入秩和比方法,通过计算所有事故可能性和严重性两大类指标秩和比权重的累积概率,得到事故情景划分判断矩阵。本文引入的事故情景概念,考虑不同严重程度事故由于其特有的属性造成的影响程度区别,构建了多因素的事故情景判别方法,与严重性单一指标相比更能反应事故的真实影响。进一步在事故情景划分的基础上,提取了交通事故情景与道路、交通、外界环境等因素的关联规则,并进行了多规则组合下的事故情景概率预测。由于不同要素对事故的影响程度不同,本文引入了改进的Apriori算法,采用多维多层加权规则,对事故情景与各类要素之间的强关联规则进行挖掘和提取,得到了山区普通干线公路风险因素组合规则识别方法。而在提取的强关联规则基础上,针对强规则的要素风险值其他组合情况,采用贝叶斯网络方法,进行交通事故情景概率的推理和预测,得到风险因素组合的弱关联规则。通过强关联规则挖掘,在已知要素风险值前提下即可得到事故的情景;而弱关联规则可得到各类交通事故情景对应的概率。最后,提出了基于网络核密度估计的山区普通干线公路交通安全隐患点识别和分级方法。考虑道路网络的非匀质性,以及交通事故在空间上的发生特定性,以事故情景作为聚类指标,提出基于网络距离的核密度估计方法。采用零膨胀负二项回归模型对核密度值进行分段估计,基于统计学原理提出了核密度值分级阈值确定方法,据此对事故情景核密度值进行分级处理,得到道路网的一级、二级、三级隐患热点。交通安全隐患点识别以事故情景作为聚类指标,同时考虑了事故发生的可能性和严重性;安全隐患点分级则为交通管理部门进行分阶段的交通安全管理措施的实施提供了依据。
吴欢[8]（2020）在《基于吸引子的异构接入网络选择策略研究》文中指出随着无线通信网络技术的高速发展,用户数据流量、业务量及终端数量的激增,使得下一代无线通信网络的发展趋于多网络异构、共存的局面。因此,如何优化现有异构的网络资源、动态地选择合理的接入网策略,同时,在保障用户业务需求的基础上,减少传输时延、提升系统整体性能及服务质量已成为异构无线网络中亟待解决的问题。本文针对上述问题,提出一种新型异构无线网络（P-HN）架构包含WiFi网络、蜂窝网络以及电力线载波通信（PLC）网络。在该网络架构的基础上,围绕如何解决异构网络中多接入网络选择问题展开。首先,利用吸引子网络选择策略,以提高网络吞吐量、保障网络负载合理分布为目的,提出基于吸引子算法的流量卸载策略;其次,以减少网络的传输时延、保障异构网络的可靠性及鲁棒性为目的,提出基于排队时延的吸引子网络选择策略;最后,以保障业务优先级需求、增强网络的可靠性及鲁棒性为目的,提出基于优先级的吸引子网络选择策略。本文的主要创新点和贡献可以归纳为以下几个方面:1、P-HN网络架构的设计针对异构无线网络中多种接入技术并存引起的网络融合成度不高、传输时延大等问题,提出了包含多种接入网络的P-HN网络架构。首先,研究并分析了现有异构无线网络架构及其接入管理模式,在P-HN基础上提出在数据传输的标准体系里添加能够进行统一传输数据的有效虚拟层（EVL）。EVL实现了不同接入技术的用户在P-HN中无缝地数据传输。接着,针对P-HN的动态网络架构引起的多接入网络选择问题,提出了一种基于生物学的吸引子网络选择策略。该算法考虑到P-HN中接入技术多样异构的特性,充分研究生物学吸引子选择算法的工作原理,将生物学算法中的吸引子参数对应于P-HN的剩余带宽,得到基于剩余带宽的吸引子网络选择策略（RASS）。该策略可以根据外部环境的变化,自适应地选择最优网络进行数据传输。最后通过实验仿真表明,基于RASS的P-HN能够合理的分配网络资源,相较于单一传输网络能够减少系统的传输时延,而多种的接入方式保障了 P-HN的鲁棒性。2、P-HN中的流量卸载策略针对流量卸载网络中卸载流量分布不合理、系统吞吐量不高和网络资源利用不充分的问题,本文提出一种基于吸引子的流量卸载策略（OASS）。首先,以蜂窝网络与PLC网络为研究场景,以合理协调小区内流量分布、提高系统吞吐量为目标,设计出基于P-HN的流量卸载模型。其次,综合考虑了蜂窝网络吞吐量和PLC网络吞吐量,并寻找平衡两个网络吞吐量的最优卸载率。仿真结果表明,以卸载率为参数的OASS,可以自适应地选择最优卸载率,协调蜂窝网络与PLC网络的流量分布,解决了流量分布不合理带来的系统吞吐量不高、资源利用不充分的问题,从而达到充分利用网络资源、提高系统吞吐量的目的。3、基于排队时延的吸引子网络选择策略针对动态P-HN网络环境中,已有网络接入选择算法灵活性差、计算复杂等问题,提出一种基于排队时延的吸引子网络选择策略（DASS）。首先,以大量数据到达的P-HN为研究场景,以选择最短排队时延网络为目标,设计异构无线网络中双网络排队模型。其次,通过二阶马尔可夫状态转移方程,得到两种网络的排队时延,并根据实际情况将双网络排队模型扩展到多网络排队模型,通过多阶马尔可夫状态转移方程得到多网络排队时延集。仿真结果表明,通过使用DASS,系统能够自适应地根据外部环境选择传输网络,尤其是当系统内节点增多或发生故障时,仍然保持较高的传输率,进而保障网络的可靠性与鲁棒性。同时,由于节点可以选择时延最小的网络进行数据传输,从而减少了传输时延,缓解网络拥塞。4、基于优先级的吸引子网络选择策略针对实时动态的异构网络中多种用户业务的优先级需求不同,已有接入网选择策略无法动态地保障其需求的基础上,提出基于用户优先级的吸引子网络选择策略（PASS）。首先,以动态P-HN为研究场景,在终端用户对不同业务服务质量（QoS）需求不同的基础上,将数据进行优先级分类,建立优先级调度模型,以保障系统中不同用户业务的优先级需求。其次,建立双网络双优先级系统排队模型,并采用3D马尔可夫状态转移方程描述该排队模型的数学特性。最后,将不同优先级用户在不同网络的时延与吸引子路径选择算法相结合得到PASS。仿真表明,PASS在移动场景下和固定场景中均具有极高的正确性,不但保障了不同用户业务的优先级需求还在网络环境发生变化时令系统具有较高的可靠性与鲁棒性。
简捷[9]（2020）在《基于以太网的列车通信网络多业务调度优化策略研究》文中研究指明随着信息技术的发展,人工智能、大数据、云计算、物联网等先进技术与轨道交通装备不断深度融合,高速动车组体现出智能化和信息化的核心特征。列车通信网络（Train Communication Network,TCN）在承载控制数据之外,需要产生、整合、传输、处理更多源、更大量、更高维的运行及服务数据,实现多业务数据的融合传输。虽然实时以太网技术的引入大大扩展了TCN的带宽,但目前多业务数据在网络中所采用的仍是多网并存、低流量运行的实时性保障方法。在新的业务需求迅速扩展的要求下,为保证多种类型数据的实时性、安全性、可靠性,提升网络资源的利用率,需要对基于以太网的TCN多业务通信的传输模型与调度机制进行深入研究。本文从实时周期数据、实时非周期数据和流媒体数据三种类型业务的传输需求出发,分别讨论了数据的通信模型、网络资源调度算法以及实时性分析方法,主要研究成果如下:1、基于时间触发的实时周期数据调度优化。建立基于时间触发机制的TCN周期数据调度模型;分析以太网TCN的时延构成,并在此基础上形成实时周期数据调度的统一时态约束条件;为兼顾控制与调度性能,构建基于数据抖动和负载均衡的周期调度表优化模型;针对优化模型,提出基于模糊控制的量子粒子群自适应优化算法和基于可调度性排序的可满足性模块理论约束规划算法,进行周期数据时间触发调度表的计算;在TCN拓扑下,基于随机流量进行调度表的性能评估,证明算法的有效性。2、实时非周期数据队列调度优化。依据TCN优先级业务特点,建立实时非周期数据与时间触发数据的融合传输机制,并在此基础上提出实时非周期数据的动态平滑加权轮询-最小截止期优先两级调度方案,综合考虑业务排队长度、优先级、差错丢包数量等因素对轮询权重的影响,避免高优先级业务数据长时间阻塞端口;通过平滑调整轮询顺序,保证子队列轮询公平性与均衡性,提高网络业务整体的时延性能;通过二级截止期调度,保证在同一优先级队列内,紧急数据的优先转发。3、实时非周期数据队列时延的理论计算与实测估计方法优化。在理论时延计算方法上,建立实时非周期数据随机网络演算模型,允许业务在规定的概率下超出统计边界,推导在基于多跳交换机网络的周期、非周期数据融合传输机制下,多优先级队列轮询的理论时延上限。在现场测试方法上,建立实时业务数据端到端递交延误率的先验概率分布,通过统计有限时间内,测试样本中超过截止期的延误帧数量,建立基于贝叶斯规则的延误率后验概率模型,将时延测试问题转化为统计学的置信度问题,为TCN现场实时性指标的测试时间及样本数量的选择提供理论依据。4、基于定价机制与纳什均衡的流媒体数据带宽分配策略。在时间触发周期模型的基础上,建立TCN控制系统与流媒体数据融合传输的模型,分析业务传输的实时性保障性能。结合TCN带宽资源及流媒体数据业务特点,提出一种基于业务体验质量、网络传输性能和缓存要求的流媒体数据网络效用综合评价模型。基于经济学的执行理论与定价机制,将流媒体数据带宽分配问题转换为非合作博弈纳什均衡的求解问题;针对流媒体数据系统效用私密性、决策分散性特点,设计分布式策略定价机制进行码率与带宽的协商与定价,并通过实验验证了算法的有效性。5、搭建基于列车实时数据协议的TCN多业务传输验证平台。以典型的以太网TCN的两级结构与网络拓扑为原型,完成验证平台的设计。通过列车实时控制系统,以太网TCN状态感知系统及列车流媒体播放系统进行平台组网实验,对不同网络负载下的列车通信质量进行时延、抖动及业务平稳性的测试,验证本文所提算法的有效性。
吕奇光[10]（2019）在《城市交通能源供应终端系统负效应分析与减负优化研究》文中指出城市交通是城市经济社会发展的重要支撑,而交通能源的有效供应是城市交通重要保障;位于交通能源供应终端的加油、加气和充电设施（以下简称“供应站”）广泛分布于城市道路交通网络中,与城市道路一起构成城市交通能源供应终端系统。由于能源补给需求车辆（以下简称“需求车辆”）时空上的随机性,供应站与需求车辆处于分隔状态,缺少信息沟通,致使需求车辆的时空分布与供应站服务能力错位配置,在特定条件下需求车辆的行为和聚集影响道路交通并形成负效应,甚至引发供应站超长排队及延至交通干道,造成车辆超长等待、诱发干道交通拥堵、增加能耗与碳排放等问题的出现。为提升城市道路交通和交通能源的服务效率,需要对负效应进行针对性分析,并确定负效应与交通流量、需求车辆密度之间的关系,寻求相应的解决措施。针对这一问题,本文从交通管理者的视角出发,聚焦于城市交通能源供应终端系统,结合交通流、交通选择行为等领域现有的研究成果和方法,分析不同环境和条件下需求车辆在道路交通、供应站中的行为特征,构建与研究对象相匹配的分析模型,论证和明确负效应的产生机理,分析负效应的影响因素;以减少负效应、优化需求车辆空间分布为目标,设计优化方法和求解算法,构建相配套的诱导方法,为城市交通管理和交通能源管理提供支持。本文主要的研究内容和结论如下:（1）基于元胞自动机技术的单供应站模型实验,量化分析了系统负效应及影响。以城市单个供应站的系统为研究对象,在供应站服务规则、周边交通流和需求车辆行为特征的分析基础上,本文构建了开放条件下、双车道的供应站元胞自动机模型,设计单个供应站的负效应评价模型,对不同交通流条件下需求车辆的行进规律、入站特征和供应站的排队现象进行了研究。通过模型实验发现:需求车辆的变道、进出站等行为会干扰正常交通流,进而产生负效应;需求车辆的不断聚集将恶化负效应,降低系统效率,并在负效应边界条件下诱发交通拥堵;负效应评价指标能够刻画不同交通条件下系统负效应的变化和差异,为对比分析和减少负效应提供了基础研究工具。（2）通过需求车辆目标供应站选择行为建模及实验,量化分析了不同信息对需求聚集及整体负效应的影响。在单供应站系统研究的基础上,将研究范围扩展到多个供应站和城市干线所组成的系统,以多供应站环境下的需求车辆行为特征分析为切入点,实证分析并梳理需求车辆目标供应站选择行为的决策因素,引入犹豫模糊多属性决策理论量化分析需求车辆的选择行为,进而构建干线多供应站系统负效应分析模型,对不同交通条件下的需求车辆选择行为进行实验分析,进一步确定干线多供应站系统负效应诱发交通拥堵的边界条件;基于犹豫模糊多属性决策理论的目标选择模型实现了选择过程的动态分析,以此为基础的仿真实验分析表明:不借助外部信息或协助,需求车辆会在特定供应站形成聚集,从而使需求时空分布与供应服务能力产生错位配置;交通信息对选择行为的影响作用明显,相应信息的介入能够诱导需求车辆实现更合理的供应站选择。（3）通过路网条件下需求车辆选择行为建模及实验,量化分析了不同信息对需求聚集及全局负效应的影响。进一步细化城市道路交通网络中需求车辆的行为特征分析,改进基于犹豫模糊多属性决策理论的目标选择模型,完善以系统全局负效应为目标的评价指标,设计和构建城市路网离散仿真系统模型,结合相应实验参数开展城市路网环境下的系统仿真实验。通过实验分析发现:不同交通流条件下,需求车辆的选择行为会在特定供应站形成聚集,并会引发不同程度的全局负效应;相应信息的介入会改善供应站排队溢出、需求车辆等待时间,初步确定相应信息的发布和共享,能够诱导需求车辆更加均衡地分布到各个供应站点,从而降低全局负效应及影响。（4）通过双层诱导模型的构建和全局负效应的对比分析,验证了减负优化方法及效果。将需求车辆行驶过程转化为一个包含行驶时间成本和停顿时间成本的最优路径问题,并设计减少全局负效应、优化需求空间分布目标下的需求车辆双层诱导模型。在该模型中,上层为是基于两阶段整数规划的整体决策模型,下层是需求车辆个体基于犹豫模糊决策理论可变权重的目标选择模型,利用所设计的两阶段遗传算法,上层整体决策模型将所得最优供应站传递推荐给下层需求车辆,下层的需求车辆则根据推荐值改变决策权重更新目标供应站,从而通过整体和个体的互动来实现需求车辆的诱导和均衡。城市路网环境下的系统模型实验表明:双层诱导模型能够实现需求车辆的诱导,优化需求车辆在站点空间上的分布,并降低系统全局负效应,提升系统整体的服务效率。（5）通过需求车辆双层诱导系统构架的设计,分析了减负优化可行性。以需求车辆双层诱导模型为基础,设计以减负优化为目标的需求诱导平台,分析和规划了该平台的管理角色、功能构成,并对可能的实施方案和措施进行了分析,为城市交通和交通能源的集成式管理提供了依据和支持。
二、一类网络排队问题的模糊控制方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一类网络排队问题的模糊控制方法（论文提纲范文）
（1）认知无线电网络中基于信道访问的网络性能研究与分析（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词索引 |
| 第1章 绪论 |
| 1.1 认知无线电的研究背景和意义 |
| 1.1.1 认知无线电的研究价值及应用优势 |
| 1.1.2 研究背景实例 |
| 1.1.3 研究意义 |
| 1.2 网络特点及本文研究对象 |
| 1.2.1 认知无线电网络及特点 |
| 1.2.2 本文的关注参数及研究问题 |
| 1.3 国内外研究现状及问题分析 |
| 1.3.1 CRNs中资源调度与分配问题的研究现状 |
| 1.3.2 CRNs中基于接入机制的网络性能分析问题的研究现状 |
| 1.3.3 网络中的突发业务流和拥塞控制问题的研究现状 |
| 1.4 关键技术和方法 |
| 1.4.1 信道装配与频谱自适应 |
| 1.4.2 排队论、Markov链和稳态分布 |
| 1.4.3 拥塞控制与随机早期检测 |
| 1.5 本文的研究内容和贡献 |
| 1.6 本文的组织结构和章节安排 |
| 第2章 基于两类业务分级的资源分配与调度策略及性能分析 |
| 2.1 引言 |
| 2.2 基于两类业务分级的CRNs模型 |
| 2.3 预留信道轮询调度(Ps-rc)策略 |
| 2.3.1 Ps-rc策略的信道分配与调度方法 |
| 2.3.2 Ps-rc策略的状态转移触发事件 |
| 2.4 Ps-rc策略的CTMC分析和Qo S度量 |
| 2.4.1 用Markov链建模次用户的调度动态 |
| 2.4.2 次用户性能评价指标 |
| 2.5 仿真与分析 |
| 2.5.1 次级网络容量 |
| 2.5.2 频谱利用率 |
| 2.5.3 阻塞概率 |
| 2.5.4 强行终止率 |
| 2.6 小结 |
| 第3章 基于异构业务分级的资源分配与调度策略及性能分析 |
| 3.1 引言 |
| 3.2 异构业务分级 |
| 3.2.1 区分服务方案 |
| 3.2.2 业务分级在急救场景下的应用案例 |
| 3.3 系统模型 |
| 3.4 带有预留队列的优先级调度(Ps-rq)策略 |
| 3.5 Ps-rq策略的CTMC分析和QoS度量 |
| 3.5.1 基于Ps-rq策略的状态转移触发事件 |
| 3.5.2 用Markov链建模次用户的调度动态 |
| 3.5.3 次用户性能评价 |
| 3.6 仿真与分析 |
| 3.6.1 次级网络容量 |
| 3.6.2 频谱利用率 |
| 3.6.3 阻塞概率 |
| 3.6.4 强行终止率 |
| 3.7 小结 |
| 第4章 CRNs中基于接入模式的突发业务建模和性能分析 |
| 4.1 引言 |
| 4.2 系统架构 |
| 4.2.1 多类型次用户的CRNs模型 |
| 4.2.2 次用户接入过程分析 |
| 4.3 跨层考虑参数 |
| 4.3.1 输入源模型 |
| 4.3.2 拥塞控制 |
| 4.3.3 次用户的成功接受概率 |
| 4.4 突发业务的建模和分析 |
| 4.4.1 系统模型的建立 |
| 4.4.2 稳态分布的计算 |
| 4.4.3 性能度量 |
| 4.5 数值实验 |
| 4.5.1 拥塞控制对次级系统性能的影响 |
| 4.5.2 信道衰落对次级系统性能的影响 |
| 4.5.3 次级系统性能分析 |
| 4.6 小结 |
| 第5章 双阈值双指标DI-RED拥塞控制及突发业务流性能评价 |
| 5.1 引言 |
| 5.2 拥塞控制模型的建立与分析 |
| 5.2.1 RED/DI-RED模型的描述 |
| 5.2.2 提出的DI-RED模型的分析和求解 |
| 5.2.3 性能度量 |
| 5.3 提出的DI-RED模型的拥塞控制算法 |
| 5.3.1 算法和实现流程 |
| 5.3.2 提出的DI-RED模型的特性分析 |
| 5.4 DI-RED机制的性能分析 |
| 5.4.1 DI-RED 机制与DT,RED 机制分组丢失函数的比较 |
| 5.4.2 DI-RED机制的参数敏感性分析 |
| 5.4.3 DI-RED机制的节点参数分析 |
| 5.4.4 DI-RED 机制与RED,DRED 机制端到端性能的比较 |
| 5.5 带有DI-RED拥塞控制的接入系统中突发业务的性能分析 |
| 5.6 小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文目录 |
| 附录B 攻读学位期间参与的科研项目与获奖 |
（2）基于浮动车数据的信号交叉口运行态势推演与配时优化方法（论文提纲范文）
| 致谢 |
| 中文摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 信号交叉口运行状态评价 |
| 1.3.2 信号交叉口交通参数预测 |
| 1.3.3 信号交叉口配时优化方法 |
| 1.4 论文主要研究内容 |
| 1.4.1 浮动车数据处理及网格模型构建 |
| 1.4.2 信号交叉口运行状态的评价方法 |
| 1.4.3 信号交叉口交通参数的预测方法 |
| 1.4.4 信号交叉口自适应配时优化方法 |
| 1.5 论文技术路线 |
| 2 基础理论方法简介 |
| 2.1 信号交叉口配时参数及控制方法 |
| 2.1.1 信号配时参数 |
| 2.1.2 信号控制方法 |
| 2.2 深度学习方法 |
| 2.2.1 循环神经网络 |
| 2.2.2 卷积神经网络 |
| 2.3 强化学习方法 |
| 2.3.1 强化学习基本要素 |
| 2.3.2 强化学习基本模型 |
| 2.4 本章小结 |
| 3 浮动车数据处理与网格模型构建 |
| 3.1 浮动车数据说明 |
| 3.2 浮动车数据预处理 |
| 3.2.1 异常数据分析 |
| 3.2.2 数据过滤流程 |
| 3.2.3 轨迹坐标转换 |
| 3.3 浮动车出行数据基础分析 |
| 3.3.1 原始数据特征分析 |
| 3.3.2 空间范围影响分析 |
| 3.3.3 时间因素影响分析 |
| 3.3.4 天气因素影响分析 |
| 3.4 基于网格模型的浮动车数据匹配方法 |
| 3.4.1 网格模型的构建 |
| 3.4.2 交叉口区域界定 |
| 3.4.3 轨迹方向的识别 |
| 3.5 本章小结 |
| 4 信号交叉口运行状态评价与延误诊断方法 |
| 4.1 引言 |
| 4.2 信号交叉口交通参数计算方法 |
| 4.2.1 通行时间计算方法 |
| 4.2.2 总延误的计算方法 |
| 4.2.3 走停比的计算方法 |
| 4.2.4 流量比的计算方法 |
| 4.3 信号交叉口信号配时参数计算方法 |
| 4.3.1 信号周期计算方法 |
| 4.3.2 绿信比的计算方法 |
| 4.4 信号交叉口运行状态评价及诊断 |
| 4.4.1 信号交叉口整体延误分析 |
| 4.4.2 信号交叉口内部延误分析 |
| 4.4.3 信号交叉口延误问题诊断 |
| 4.5 本章小结 |
| 5 信号交叉口通行时间和速度预测方法 |
| 5.1 引言 |
| 5.2 信号交叉口交通特征数据集构建 |
| 5.2.1 特征变量相关性检验 |
| 5.2.2 特征变量标准化处理 |
| 5.2.3 特征变量数据集划分 |
| 5.3 多任务深度学习融合模型构建 |
| 5.3.1 残差卷积神经网络 |
| 5.3.2 残差图卷积神经网络 |
| 5.3.3 堆栈式长短期记忆网络 |
| 5.3.4 注意力机制神经网络 |
| 5.3.5 多任务融合深度学习模型 |
| 5.4 实验分析 |
| 5.4.1 评价指标选取 |
| 5.4.2 实验环境介绍 |
| 5.4.3 模型结果分析 |
| 5.4.4 敏感度的分析 |
| 5.5 本章小结 |
| 6 信号交叉口自适应配时优化方法 |
| 6.1 引言 |
| 6.2 信号交叉口智能体设计 |
| 6.2.1 基于NUDG的交通状态提取方法 |
| 6.2.2 信号灯相位集的构建及动作选择 |
| 6.2.3 信号相位转换奖励值函数的构建 |
| 6.3 基于3DQNPSTER的信号交叉口优化配时方法 |
| 6.3.1 3DQNPSTER深度强化学习模型 |
| 6.3.2 信号交叉口的交通环境构建方案 |
| 6.3.3 模型评估和应用性能的指标选取 |
| 6.4 仿真实验与结果分析 |
| 6.4.1 仿真环境设置 |
| 6.4.2 模型比较分析 |
| 6.4.3 模型应用结果 |
| 6.5 本章小结 |
| 7 结论 |
| 7.1 主要工作总结 |
| 7.2 主要的创新点 |
| 7.3 未来研究展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）中小学校园周边交通组织优化方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状综述 |
| 1.2.1 国内研究现状综述 |
| 1.2.2 国外研究现状综述 |
| 1.3 研究的主要内容及基本框架 |
| 2 校园周边交通现状调研与分析 |
| 2.1 调研方式 |
| 2.2 校园交通区位 |
| 2.2.1 校园出入口空间 |
| 2.2.2 校园周边交通状况 |
| 2.2.3 校园周边停车位 |
| 2.3 接送行为 |
| 2.3.1 接送方式 |
| 2.3.2 接送原因 |
| 2.3.3 接送等待时间 |
| 2.3.4 接送行为调查因素 |
| 2.4 校园周边交通量调研 |
| 2.4.1 校园出入口调查 |
| 2.4.2 校园周边交叉口调查 |
| 2.5 小结 |
| 3 校园周边交通影响范围分析 |
| 3.1 确定交叉口评价指标 |
| 3.1.1 交叉口评价指标 |
| 3.1.2 各指标评价标准 |
| 3.2 确定指标权重 |
| 3.3 模糊综合评价模型 |
| 3.3.1 建立模糊综合评价的因素集和评论集 |
| 3.3.2 单指标的隶属度函数 |
| 3.3.3 多指标综合评价 |
| 3.4 交通影响范围等级划分 |
| 3.5 小结 |
| 4 校园周边交通组织优化方法 |
| 4.1 校园出入口交通组织优化 |
| 4.1.1 增加校园出入口 |
| 4.1.2 出入口内部空间优化 |
| 4.1.3 动态诱导信息系统 |
| 4.2 校园周边道路交通组织优化 |
| 4.2.1 校园周边道路 |
| 4.2.2 人行道、非机动车道路 |
| 4.3 校园周边停车问题优化 |
| 4.3.1 规划校园停车区域 |
| 4.3.2 临时停车位 |
| 4.3.3 停车设施布局 |
| 4.3.4 利用经济和政策手段进行停车行为调控 |
| 4.4 学校周边公交站线优化 |
| 4.4.1 校园周边公交站点设置 |
| 4.4.2 调整公交线路与公交班次 |
| 4.4.3 完善配套设施 |
| 4.4.4 校车服务 |
| 4.5 校园周边交叉口信号控制 |
| 4.6 其他优化措施 |
| 4.7 小结 |
| 5 实例分析-以兰州市东方中学为例 |
| 5.1 校园区位概况 |
| 5.1.1 东方中学概况 |
| 5.1.2 校园周边现状 |
| 5.1.3 东方中学接送行为调查 |
| 5.1.4 校园周边存在的问题 |
| 5.2 交通影响范围划定 |
| 5.2.1 确定交叉口指标 |
| 5.2.2 确定交叉口指标权重 |
| 5.2.3 交叉口综合评价模型 |
| 5.3 交通组织优化方案 |
| 5.3.1 潮汐道路方案 |
| 5.3.2 增加出入口方案 |
| 5.4 仿真 |
| 5.4.1 现状仿真 |
| 5.4.2 潮汐道路方案仿真 |
| 5.4.3 增加出入口方案仿真 |
| 5.5 交叉口仿真结果评价 |
| 5.5.1 排队长度 |
| 5.5.2 平均延误 |
| 5.5.3 停车次数 |
| 5.5.4 小结 |
| 5.6 优化方案对道路影响 |
| 5.6.1 车辆延误 |
| 5.6.2 排队结果 |
| 结论 |
| 致谢 |
| 参考文献 |
| 附录 东方中学接送行为调查问卷 |
| 攻读学位期间的研究成果 |
（4）城市交通能源供应网络优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 问题背景及意义 |
| 1.2 研究目标与内容 |
| 1.2.1 研究目标 |
| 1.2.2 研究内容 |
| 1.3 研究方法与技术路线 |
| 1.3.1 研究方法 |
| 1.3.2 技术路线 |
| 1.4 主要贡献与研究局限性 |
| 1.4.1 主要贡献 |
| 1.4.2 研究局限性 |
| 1.5 本章小结 |
| 第二章 相关研究回顾及评述 |
| 2.1 成品油供应网络问题研究进展 |
| 2.1.1 成品油供给系统 |
| 2.1.2 成品油二次配送 |
| 2.1.3 加油站服务 |
| 2.2 成品油供应网络资源配置相关问题研究进展 |
| 2.2.1 客户聚类问题 |
| 2.2.2 配送资源配置问题 |
| 2.2.3 配送需求时间窗问题 |
| 2.2.4 配送主体合作相关问题 |
| 2.3 成品油供给终端服务网络优化相关问题研究进展 |
| 2.3.1 排队论 |
| 2.3.2 排队论在交通问题中的应用 |
| 2.4 相关算法概述 |
| 2.4.1 精确算法 |
| 2.4.2 启发式算法 |
| 2.5 本章小结 |
| 第三章 城市交通能源供应网络优化框架研究 |
| 3.1 成品油供应网络分析 |
| 3.2 成品油供应网络资源要素分析 |
| 3.2.1 成品油二次配送资源要素 |
| 3.2.2 加油站终端服务资源要素 |
| 3.3 成品油供给系统服务形式与特征 |
| 3.3.1 成品油供给系统服务形式 |
| 3.3.2 成品油供给系统服务特征 |
| 3.4 成品油供应网络优化决策因素及实施步骤 |
| 3.4.1 成品油供应网络资源配置决策因素 |
| 3.4.2 成品油供应网络优化实施步骤 |
| 3.5 本章小结 |
| 第四章 多油库供给共同配送网络优化研究 |
| 4.1 问题的提出 |
| 4.2 数学模型 |
| 4.2.1 符号及定义 |
| 4.2.2 模型构建 |
| 4.3 求解算法设计 |
| 4.3.1 GA-PSO混合算法设计 |
| 4.3.2 混合算法求解流程 |
| 4.4 实例分析及数值模拟 |
| 4.4.1 实例引入及参数设置 |
| 4.4.2 客户聚集分析 |
| 4.4.3 多舱车辆共享分析 |
| 4.4.4 运作总成本分析 |
| 4.4.5 算法合理性检验 |
| 4.4.6 模型比较 |
| 4.5 管理启示 |
| 4.6 本章小结 |
| 第五章 多油库供给车辆路径问题优化研究 |
| 5.1 问题的提出 |
| 5.2 数学模型 |
| 5.2.1 符号及定义 |
| 5.2.2 模型构建 |
| 5.3 考虑遗传变异的多目标粒子群算法 |
| 5.3.1 粒子群算法基本理论 |
| 5.3.2 多目标粒子群算法求解 |
| 5.3.3 考虑遗传变异的多目标粒子群算法 |
| 5.4 实例分析及数值计算 |
| 5.4.1 小规模实例分析 |
| 5.4.2 大规模实例对比分析 |
| 5.4.3 不同算法有效性比较 |
| 5.5 管理启示 |
| 5.6 本章小结 |
| 第六章 多油库供给合作机制与收益分配研究 |
| 6.1 收益分配方法及严格单调路径策略 |
| 6.1.1 核心(Nucleolus)法 |
| 6.1.2 Shapley值法 |
| 6.1.3 GQP法 |
| 6.1.4 MCRS法 |
| 6.1.5 严格单调路径策略(SMP) |
| 6.2 基于Shapley值改进的多油库供给收益分配模型 |
| 6.2.1 考虑不同因素的Shapley值修正 |
| 6.2.2 综合改进Shapley值模型应用算例 |
| 6.2.3 Shapley值综合修正模型应用分析 |
| 6.3 多油库供给中的合作机制与收益分配 |
| 6.3.1 联盟稳定性 |
| 6.3.2 Shapley值法应用 |
| 6.3.3 入盟序列选择 |
| 6.4 本章小结 |
| 第七章 成品油供给系统服务网络优化研究 |
| 7.1 方法简介 |
| 7.2 模型与分析 |
| 7.2.1 模型描述 |
| 7.2.2 假设与符号 |
| 7.2.3 模型构建与分析 |
| 7.3 数值模拟 |
| 7.4 加油站服务网络信息共享机制 |
| 7.5 本章小结 |
| 第八章 结论和展望 |
| 8.1 论文工作总结 |
| 8.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
（5）基于模糊逻辑和强化学习的交通信号优化方法设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 模糊控制方法 |
| 1.2.2 演化算法 |
| 1.2.3 强化学习方法 |
| 1.3 论文主要工作 |
| 1.4 论文结构框架 |
| 第二章 背景知识介绍 |
| 2.1 模糊控制 |
| 2.1.1 模糊控制理论概述 |
| 2.1.2 模糊控制基本原理 |
| 2.2 遗传算法 |
| 2.2.1 遗传算法理论概述 |
| 2.2.2 遗传算法基本原理 |
| 2.3 强化学习 |
| 2.3.1 强化学习理论概述 |
| 2.3.2 强化学习基本原理 |
| 2.3.3 强化学习关键要素 |
| 2.3.4 强化学习主要算法 |
| 2.4 Sumo仿真软件 |
| 2.5 本章小结 |
| 第二章 单交叉口交通信号模糊控制方法的设计与实现 |
| 3.1 单交叉口交通信号灯控制问题 |
| 3.2 模糊控制算法 |
| 3.3 模糊控制系统设计与实现 |
| 3.4 仿真及实验结果分析 |
| 3.5 本章小结 |
| 第四章 单交叉口交通信号的遗传模糊控制方法的设计与实现 |
| 4.1 遗传算法优化模糊控制系统 |
| 4.2 染色体编码和初始种群产生 |
| 4.3 个体的评价 |
| 4.4 选择 |
| 4.5 交叉 |
| 4.6 变异 |
| 4.7 仿真及实验结果分析 |
| 4.8 本章小结 |
| 第五章 单交叉口交通信号强化学习控制方法的实现 |
| 5.1 3DQN算法 |
| 5.1.1 卷积神经网络CNN |
| 5.1.2 Dueling DQN |
| 5.1.3 Target Network |
| 5.1.4 Double DQN |
| 5.2 强化学习方法控制交通信号灯 |
| 5.3 仿真及实验结果分析 |
| 5.4 本章小结 |
| 第六章 交通信号灯控制仿真系统的设计与实现 |
| 6.1 需求分析及系统设计 |
| 6.1.1 交通元素管理功能 |
| 6.1.2 交通信号灯控制方案仿真功能 |
| 6.1.3 用户管理功能 |
| 6.1.4 用户界面可视化功能 |
| 6.1.5 数据存储 |
| 6.1.6 性能需求 |
| 6.2 系统实现 |
| 6.2.1 用户管理模块的实现 |
| 6.2.2 交通信号灯控制方案仿真模块实现 |
| 6.2.3 交通元素管理模块实现 |
| 6.3 系统测试 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文总结 |
| 7.2 论文展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（6）预防区域路网过饱和的优化控制方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内、外研究现状 |
| 1.3.1 交叉口过饱和状态识别方法研究 |
| 1.3.2 路网过饱和状态识别方法研究 |
| 1.3.3 基于MFD的路网交通状态识别 |
| 1.3.4 过饱和交叉口的优化控制方法研究 |
| 1.3.5 过饱和路网的优化控制方法研究 |
| 1.3.6 交通优化控制方案评价指标 |
| 1.4 研究内容 |
| 1.5 技术路线 |
| 1.6 本章小结 |
| 2 基于图像分割算法的交通时段划分 |
| 2.1 引言 |
| 2.2 常用的交通时段划分方法 |
| 2.2.1 基于聚类算法的交通时段划分 |
| 2.2.2 借助人工智能方法的交通时段划分 |
| 2.3 基于图像分割算法的交通时段划分 |
| 2.3.1 基于交通流量分布覆盖率的交通流模式分类 |
| 2.3.2 交通流数据图像分割 |
| 2.4 仿真实例与结果分析 |
| 2.4.1 交叉口属性及数据准备 |
| 2.4.2 基于图像分割算法的交通时段划分结果 |
| 2.4.3 仿真结果分析 |
| 2.4.4 实验对比分析 |
| 2.5 本章小结 |
| 3 预防关键交叉口过饱和的单向全通行控制方法 |
| 3.1 引言 |
| 3.2 信号相位优化设计 |
| 3.2.1 关键交叉口单向全通行放行方式 |
| 3.2.2 相邻交叉口相关三转向车流同步放行方式 |
| 3.3 预防关键交叉口过饱和的信号控制策略 |
| 3.3.1 关键交叉口的信号周期 |
| 3.3.2 关键交叉口各相位的绿时分配 |
| 3.3.3 关键交叉口的信号优化控制模型 |
| 3.4 基于相关三转向车流同步控制的相邻交叉口协同控制方法 |
| 3.4.1 相邻交叉口的信号配时方案 |
| 3.4.2 相邻交叉口的相位差协同控制 |
| 3.4.3 预防车队溢流的相关三转向车流“不完全”截流控制 |
| 3.5 实例仿真与结果分析 |
| 3.5.1 实验设计 |
| 3.5.2 结果分析 |
| 3.5.3 实验对比分析 |
| 3.6 本章小结 |
| 4 基于重叠划分方法的区域路网车辆分布模型 |
| 4.1 引言 |
| 4.2 基于重叠划分的交叉口车流特性分析 |
| 4.2.1 重叠划分方法 |
| 4.2.2 控制组内车流运行特性分析 |
| 4.3 基于重叠划分方法的区域路网内部车辆分布模型 |
| 4.3.1 I型控制组内的车辆分布模型 |
| 4.3.2 II型控制组内的车辆分布模型 |
| 4.4 实例分析 |
| 4.4.1 研究对象 |
| 4.4.2 I型控制组中心交叉口信号配时 |
| 4.4.3 区域路网内部路段的车辆分布率计算 |
| 4.4.4 路网划分结果对比 |
| 4.5 本章小结 |
| 5 基于可变车辆分布的区域路网协同控制方法 |
| 5.1 引言 |
| 5.2 基于动态车辆分布的区域路网车容量计算 |
| 5.3 基于区域路网车容量的边界交叉口流量控制 |
| 5.3.1 I型中心交叉口为边界交叉口 |
| 5.3.2 II型中心交叉口为边界交叉口 |
| 5.4 基于模糊控制的II型控制组中心交叉口放行方法 |
| 5.4.1 一级模糊控制器设计 |
| 5.4.2 二级模糊控制器设计 |
| 5.5 仿真实验与结果分析 |
| 5.5.1 仿真对象说明 |
| 5.5.2 区域路网中各交叉口配时参数 |
| 5.5.3 边界交叉口流量控制参数 |
| 5.5.4 仿真结果及分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
（7）基于事故情景划分的山区普通干线公路事故预测和安全隐患挖掘（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 交通事故影响研究 |
| 1.2.2 交通安全隐患点识别 |
| 1.2.3 交通事故关联规则挖掘研究 |
| 1.2.4 国内外研究述评 |
| 1.3 研究内容 |
| 1.4 技术路线 |
| 第二章 山区普通干线公路交通事故成因及特性分析 |
| 2.1 交通事故成因分析 |
| 2.1.1 道路特性 |
| 2.1.2 环境特性 |
| 2.2 交通事故特性 |
| 2.2.1 交通事故类型特征 |
| 2.2.2 交通事故时间分布特征 |
| 2.2.3 交通事故空间分布特征 |
| 2.2.4 交通事故形态分布特征 |
| 2.2.5 交通事故人为因素分布特征 |
| 2.2.6 交通事故车辆因素分布特征 |
| 2.3 本章小结 |
| 第三章 山区普通干线公路交通事故时空影响分析 |
| 3.1 事故持续时间的阶段划分 |
| 3.1.1 交通事故发现与响应阶段 |
| 3.1.2 交通事故清除阶段 |
| 3.1.3 交通恢复阶段 |
| 3.2 山区普通干线公路交通事故持续时间 |
| 3.2.1 Van Aerde模型下的交通波方程 |
| 3.2.2 事故持续时间计算 |
| 3.3 事故空间扩散范围的影响因素分析 |
| 3.4 山区普通干线公路交通事故空间影响范围 |
| 3.4.1 高斯烟雨模型 |
| 3.4.2 周围路网影响力Q的标定 |
| 3.4.3 事故影响范围的类椭圆高斯烟雨模型 |
| 3.5 实例分析 |
| 3.6 本章小结 |
| 第四章 山区普通干线公路事故情景划分 |
| 4.1 情景分类指标体系 |
| 4.1.1 事故可能性影响因素分析 |
| 4.1.2 运行严重性影响因素分析 |
| 4.1.3 指标体系的构建 |
| 4.2 指标权重的确定 |
| 4.2.1 指标等级的划分 |
| 4.2.2 事故评价矩阵的建立 |
| 4.2.3 CRITIC法确定指标权重 |
| 4.3 基于秩合比方法的交通事故情景判断矩阵 |
| 4.3.1 秩和比法原理及步骤 |
| 4.3.2 编秩并计算RSR值 |
| 4.3.3 确定RSR分布并计算回归方程 |
| 4.3.4 构建情景划分判断矩阵 |
| 4.4 实例分析 |
| 4.5 本章小结 |
| 第五章 基于关联规则和贝叶斯网络的交通事故情景预测 |
| 5.1 交通事故情景与风险因素关联规则简介 |
| 5.1.1 交通事故风险关联规则基本概念 |
| 5.1.2 交通事故关联规则筛选标准 |
| 5.2 普通干线公路事故情景与风险因素加权关联规则挖掘 |
| 5.2.1 加权关联规则概述 |
| 5.2.2 加权关联规则评价指标计算 |
| 5.2.3 基于Apriori算法改进的多维多层加权Top-k关联规则挖掘算法 |
| 5.2.4 结果分析 |
| 5.3 基于贝叶斯网络的事故情景预测 |
| 5.3.1 贝叶斯网络基本理论 |
| 5.3.2 贝叶斯网络学习 |
| 5.3.3 贝叶斯网络推理分析 |
| 5.4 本章小结 |
| 第六章 基于网络核密度估计的安全隐患点挖掘 |
| 6.1 核密度估计理论 |
| 6.2 事故情景类别的网络核密度估计 |
| 6.2.1 网络核密度估计基本理论 |
| 6.2.2 事故情景类别指数 |
| 6.2.3 实例分析 |
| 6.3 安全隐患点段分级 |
| 6.3.1 零膨胀负二项回归模型基本理论 |
| 6.3.2 鉴别模型求解及结果可视化分析 |
| 6.4 本章小结 |
| 研究结论与展望 |
| 主要研究结论 |
| 创新点 |
| 研究展望 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间取得研究成果 |
| 致谢 |
（8）基于吸引子的异构接入网络选择策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号对照表 |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.1.1 异构网络的提出 |
| 1.1.2 现有异构网络的架构 |
| 1.2 课题研究现状 |
| 1.2.1 异构无线网络融合方式 |
| 1.2.2 异构无线网络的资源管理 |
| 1.2.3 异构无线网络的接入选择策略 |
| 1.2.4 保障QoS的接入选择策略 |
| 1.3 异构无线网络的挑战 |
| 1.4 论文的主要内容 |
| 1.5 论文的创新点与组织结构 |
| 1.5.1 论文创新点 |
| 1.5.2 论文组织结构 |
| 1.6 参考文献 |
| 第二章 异构自适应接入网模型的构建 |
| 2.1 无线网络融合架构 |
| 2.1.1 相关研究 |
| 2.1.2 融合架构模式 |
| 2.1.3 融合接入网管理模式 |
| 2.2 异构网络(P-HN)模型 |
| 2.2.1 数据包格式转化模块 |
| 2.2.2 控制模块 |
| 2.3 吸引子选择算法 |
| 2.3.1 算法的生物学原理 |
| 2.3.2 吸引子选择算法的数学模型 |
| 2.3.3 吸引子选择模型中的活性因子 |
| 2.4 基于吸引子算法的网络选择策略 |
| 2.4.1 系统模型 |
| 2.4.2 P-HN网络中的吸引子算法模型 |
| 2.4.3 P-HN中吸引子选择过程 |
| 2.4.4 活性因子表达式 |
| 2.5 仿真结果与分析 |
| 2.5.1 P-HN融合仿真 |
| 2.5.2 吸引子选择策略仿真 |
| 2.6 本章小结 |
| 2.7 参考文献 |
| 第三章 异构网络中基于吸引子的流量卸载策略 |
| 3.1 问题的提出 |
| 3.2 P-HN的流量卸载模型 |
| 3.3 P-HN中的吞吐量 |
| 3.3.1 PLC网络的吞吐量 |
| 3.3.2 蜂窝网络的吞吐量 |
| 3.4 基于吸引子的流量卸载策略 |
| 3.4.1 流量卸载的数学表达 |
| 3.4.2 算法实现 |
| 3.5 仿真结果与分析 |
| 3.5.1 参数设置 |
| 3.5.2 仿真结果 |
| 3.6 本章小结 |
| 3.7 参考文献 |
| 第四章 异构网络中基于用户排队时延的网络选择策略 |
| 4.1 问题的提出 |
| 4.2 网络模型及问题推导 |
| 4.2.1 网络模型 |
| 4.2.2 问题的推导 |
| 4.3 基于排队时延的吸引子网络选择策略 |
| 4.3.1 选择策略的数学表达 |
| 4.3.2 活性因子的映射 |
| 4.3.3 网络选择策略实现过程 |
| 4.4 仿真与分析 |
| 4.4.1 双网络选择模型仿真与分析 |
| 4.4.2 多网络选择模型仿真与分析 |
| 4.4.3 接入网络策略的仿真与分析 |
| 4.5 本章小结 |
| 4.6 参考文献 |
| 第五章 异构网络中基于业务优先级的网络选择策略 |
| 5.1 优先级网络选择模型及推导 |
| 5.1.1 异构网络优先级队列管理模型 |
| 5.1.2 异构网络中双优先级队列模型 |
| 5.1.3 双优先级队列模型的推导 |
| 5.2 基于优先级的网络选择策略 |
| 5.2.1 网络选择模型的数学表达 |
| 5.2.2 活性因子的映射 |
| 5.2.3 网络选择策略实现过程 |
| 5.3 仿真与分析 |
| 5.3.1 仿真场景 |
| 5.3.2 性能分析 |
| 5.4 本章小结 |
| 5.5 参考文献 |
| 第六章 总结与展望 |
| 6.1 全文主要工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 附录 缩略语表 |
| 攻读学位期间取得的研究成果 |
（9）基于以太网的列车通信网络多业务调度优化策略研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 背景与意义 |
| 1.2 基于以太网的列车通信网络 |
| 1.2.1 列车通信网络的基本要求 |
| 1.2.2 实时以太网的研究现状 |
| 1.2.3 基于以太网的列车通信网络应用 |
| 1.3 基于以太网的列车通信网络多业务调度 |
| 1.3.1 TCN多业务数据分类 |
| 1.3.2 TCN多业务数据调度 |
| 1.3.3 相关问题研究现状 |
| 1.4 论文整体结构 |
| 2 基于FQPSO和 SMT理论的实时周期业务调度优化 |
| 2.1 引言 |
| 2.2 周期任务调度优化建模 |
| 2.2.1 时间触发通信机理 |
| 2.2.2 列车通信网络建模 |
| 2.2.3 任务调度约束条件 |
| 2.2.4 抖动与负载均衡目标 |
| 2.3 模糊控制量子粒子群算法 |
| 2.3.1 量子粒子群算法 |
| 2.3.2 收缩-扩张系数与势阱长度关系 |
| 2.3.3 基于模糊控制的量子粒子群自适应优化算法 |
| 2.4 基于可调度性排序SMT的时间触发调度 |
| 2.4.1 可满足性模块理论 |
| 2.4.2 周期业务可调度性排序 |
| 2.5 调度表性能评估 |
| 2.5.1 算法流程 |
| 2.5.2 网络环境 |
| 2.5.3 算例分析 |
| 2.6 本章小结 |
| 3 实时非周期业务调度与分析优化方法 |
| 3.1 引言 |
| 3.2 实时非周期数据融合调度模型 |
| 3.2.1 实时非周期数据传输特征 |
| 3.2.2 实时非周期数据融合传输机制 |
| 3.2.3 动态平滑加权轮询—最小截止期优先两级调度 |
| 3.3 基于随机网络演算的实时非周期数据时延计算 |
| 3.3.1 随机网络演算理论 |
| 3.3.2 TCN实时非周期数据到达与服务过程 |
| 3.3.3 TCN实时非周期数据积压与时延边界计算 |
| 3.4 基于贝叶斯规则的实时非周期业务时延估计方法 |
| 3.4.1 业务端到端时延测试 |
| 3.4.2 数据帧延误先验与后验概率分布 |
| 3.4.3 基于目标置信度的端到端数据延误率估计算法 |
| 3.5 算例仿真与分析 |
| 3.5.1 随机网络演算算例分析 |
| 3.5.2 DSRR-EDF调度仿真 |
| 3.5.3 贝叶斯时延测试方法分析 |
| 3.6 本章小结 |
| 4 基于定价机制与纳什均衡的流媒体数据带宽分配策略 |
| 4.1 引言 |
| 4.2 列车通信网络流媒体数据融合传输模型 |
| 4.2.1 流媒体数据业务传输特征 |
| 4.2.2 流媒体数据融合调度模型 |
| 4.2.3 流媒体数据带宽决定因素 |
| 4.2.4 流媒体数据综合效用评价模型 |
| 4.3 基于策略定价机制与纳什均衡的流媒体数据码率竞争策略 |
| 4.3.1 执行理论与定价机制 |
| 4.3.2 基于纳什均衡的流媒体数据码率策略定价机制 |
| 4.3.3 策略定价机制设计及求解 |
| 4.3.4 纳什均衡解的有效性 |
| 4.3.5 基于策略定价机制的调度算法设计 |
| 4.4 仿真分析 |
| 4.4.1 仿真平台结构 |
| 4.4.2 流媒体QoE性能参数拟合 |
| 4.4.3 基于策略定价机制的码率竞争仿真 |
| 4.5 本章小结 |
| 5 基于以太网的列车通信网络多业务传输验证平台 |
| 5.1 引言 |
| 5.2 验证平台总体设计 |
| 5.2.1 TCN多业务系统结构 |
| 5.2.2 总体设计 |
| 5.3 基于TCN的多业务子系统设计 |
| 5.3.1 基于TRDP的实时通信子系统 |
| 5.3.2 基于TRDP-MIB的以太网TCN状态感知子系统 |
| 5.3.3 基于MPEG DASH的 PIS视频播放子系统 |
| 5.4 平台组网实验 |
| 5.4.1 实时周期数据调度实验 |
| 5.4.2 实时非周期数据调度实验 |
| 5.4.3 流媒体数据调度实验 |
| 5.5 本章小结 |
| 6 结论 |
| 6.1 全文工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（10）城市交通能源供应终端系统负效应分析与减负优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 TESTS议题的源起 |
| 1.2.2 TESTS负效应的表现 |
| 1.2.3 TESTS负效应的量化研究 |
| 1.2.4 现有研究评述 |
| 1.3 研究目标与研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 研究思路与方法 |
| 1.4.1 研究思路 |
| 1.4.2 研究方法 |
| 1.4.3 研究创新点 |
| 第二章 TESTS负效应定义及相关方法 |
| 2.1 TESTS负效应的定义 |
| 2.2 TESTS相关分析方法 |
| 2.2.1 交通流及研究模型 |
| 2.2.2 车辆选择行为的分析方法 |
| 2.2.3 TESTS系统的构建方法 |
| 2.2.4 TESTS负效应分析方法设计 |
| 2.3 减少负效应的方式和方法 |
| 2.3.1 减负方式的分类 |
| 2.3.2 减负问题的求解方法 |
| 2.3.3 实时信息技术的应用 |
| 2.3.4 减负优化方法的设计 |
| 2.4 本章小节 |
| 第三章 单供应站系统负效应分析及评价 |
| 3.1 引言 |
| 3.2 问题的提出 |
| 3.3 单供应站系统负效应分析模型 |
| 3.3.1 建模方法及设计思路 |
| 3.3.2 系统特征分析及元胞化设计 |
| 3.3.3 车辆行驶特征及模型运行规则设置 |
| 3.4 单供应站系统负效应评价模型 |
| 3.4.1 负效应评价模型目标分析 |
| 3.4.2 负效应评价模型设计 |
| 3.5 模型实验及分析 |
| 3.5.1 实验参数设计 |
| 3.5.2 基于道路状态的影响分析 |
| 3.5.3 基于平均速度和平均密度的影响分析 |
| 3.5.4 基于交通流量和(ρ,α)相图的影响分析 |
| 3.5.5 供应站的服务效率及影响分析 |
| 3.5.6 单供应站系统负效应评价 |
| 3.6 本章小节 |
| 第四章 城市干线多供应站系统负效应分析及评价 |
| 4.1 引言 |
| 4.2 问题的提出 |
| 4.3 城市干线多供应站系统需求车辆选择行为分析 |
| 4.3.1 选择行为的基础理论 |
| 4.3.2 干线多站点环境下的需求车辆特征分析 |
| 4.3.3 需求车辆目标选择模型的构建 |
| 4.4 城市干线多供应站系统负效应分析模型 |
| 4.4.1 系统的元胞化设计 |
| 4.4.2 负效应分析模型运行规则设置 |
| 4.5 城市干线多供应站系统负效应评价模型 |
| 4.5.1 评价模型的目标分析 |
| 4.5.2 负效应评价模型设计 |
| 4.6 模型实验及分析 |
| 4.6.1 实验参数设计 |
| 4.6.2 犹豫模糊选择行为的对比分析 |
| 4.6.3 干线多站点下的TESTS负效应评价 |
| 4.7 本章小节 |
| 第五章 城市路网多供应站系统负效应分析及评价 |
| 5.1 引言 |
| 5.2 问题的提出 |
| 5.3 城市路网多供应站系统需求车辆选择行为分析 |
| 5.3.1 初始目标供应站范围的选择 |
| 5.3.2 路段速度属性的判断 |
| 5.4 城市路网多供应站系统负效应仿真模型 |
| 5.4.1 模型基础设计 |
| 5.4.2 系统要素的构建 |
| 5.4.3 模型规则的设置 |
| 5.5 城市路网多供应站系统负效应评价模型 |
| 5.5.1 评价模型的目标 |
| 5.5.2 负效应评价模型设计 |
| 5.6 模型实验及分析 |
| 5.6.1 实验参数设置 |
| 5.6.2 供应站排队溢出现象分析 |
| 5.6.3 供应站平均等待时间分析 |
| 5.6.4 路网多供应站系统的负效应评价 |
| 5.7 本章小节 |
| 第六章 基于双层需求诱导模型的TESTS减负优化研究 |
| 6.1 引言 |
| 6.2 问题及假设 |
| 6.2.1 问题的提出 |
| 6.2.2 问题的假设 |
| 6.3 双层需求诱导模型设计 |
| 6.3.1 模型整体架构设计 |
| 6.3.2 基于整体负效应极小化的上层决策模型 |
| 6.3.3 基于优化个体目标选择的下层需求诱导模型 |
| 6.4 求解算法及实验模型设计 |
| 6.4.1 两阶段遗传算法设计 |
| 6.4.2 实验模型及运行规则设计 |
| 6.5 模型实验及分析 |
| 6.5.1 实验参数设置 |
| 6.5.2 模型及算法的有效性分析 |
| 6.5.3 负效应抑制效果分析 |
| 6.6 基于双层需求诱导系统的TESTS管理应用设计 |
| 6.6.1 系统的功能设计 |
| 6.6.2 系统的构成设计 |
| 6.6.3 实施建议 |
| 6.7 本章小节 |
| 第七章 结论与展望 |
| 7.1 研究结论 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 在学期间发表的论文和取得的学术成果 |
四、一类网络排队问题的模糊控制方法（论文参考文献）
- [1]认知无线电网络中基于信道访问的网络性能研究与分析[D]. 徐倩毓. 兰州理工大学, 2021
- [2]基于浮动车数据的信号交叉口运行态势推演与配时优化方法[D]. 陈德启. 北京交通大学, 2021(02)
- [3]中小学校园周边交通组织优化方法研究[D]. 张博旭. 兰州交通大学, 2021(02)
- [4]城市交通能源供应网络优化研究[D]. 徐光灿. 重庆交通大学, 2021(02)
- [5]基于模糊逻辑和强化学习的交通信号优化方法设计与实现[D]. 刘佳佳. 北京邮电大学, 2021(01)
- [6]预防区域路网过饱和的优化控制方法研究[D]. 申慧. 西南科技大学, 2021(09)
- [7]基于事故情景划分的山区普通干线公路事故预测和安全隐患挖掘[D]. 杨帆. 长安大学, 2021(02)
- [8]基于吸引子的异构接入网络选择策略研究[D]. 吴欢. 北京邮电大学, 2020(02)
- [9]基于以太网的列车通信网络多业务调度优化策略研究[D]. 简捷. 北京交通大学, 2020(03)
- [10]城市交通能源供应终端系统负效应分析与减负优化研究[D]. 吕奇光. 重庆交通大学, 2019(05)