一、为“智慧”“拧亮”绿灯（论文文献综述）
孙艺琳,刘备,苟富强,袁也,张敏娟,柳锦宝[1]（2021）在《基于北斗卫星定位的智能红绿灯系统》文中认为随着科技的发展,车辆的不断增多,在给人们带来便利的同时也意味着带来了巨大的交通压力。本研究以C#语言,Visual Studio为集成开发环境,采用ArcGIS Engine 10.2二次开发控件,并将基于北斗卫星导航系统获取的车辆、人群位置信息集成到地理信息系统（Geographic Information System,GIS）系统中,设计完成了基于GIS的智能红绿灯系统。系统首先通过北斗导航系统获取人群和车辆的位置信息数据,然后将数据传递给反馈系统,反馈系统通过设计的算法,可以将车辆和人群的密度、速度、等待的时间和等待车辆的长度,不同的时间段结合计算出人群的权值和车辆的权值,最后将计算所获得的结果传递给红绿灯控制系统实现红绿灯控制。
朱杰[2]（2021）在《基于出行大数据的城市重点区域交通状态识别方法与应用研究》文中研究表明近年来,机动车保有量和交通出行量的不断提升,加上违规占道及乱停车等现象屡禁不止,导致学校和医院及周边等重点区域的交通拥堵问题越发严重。学校与医院等城市重点区域往往是居民交通出行的主要区域,城市重点区域的交通运行状态与居民生活息息相关。交通拥堵不仅增加了出行过程中的延误,也使得交通事故发生率提高,严重威胁中小学生与医患人员的出行安全。然而,我国应用的城市交通运行状态识别,主要从宏观角度出发,重点关注道路网络全局交通运行变化情况,较少有微观指标专门针对学校、医院等重点区域的交通运行状态识别,不利于交通管理部门提早采取疏导应对措施。为方便交通管理部门提前制定重点区域疏导措施和诱导社会公众合理安排出行,急需针对学校、医院等重点区域的交通运行状态识别研究。本文基于智慧交通的处理思路与技术,分别从重点区域交通数据处理、运行状态识别、识别状态应用三个层面,开展城市重点区域交通拥堵识别技术与应用的研究。交通数据处理方面,主要开展重点区域交通数据填补、交通数据短时预测研究;运行状态识别方面,主要开展重点区域交通状态识别研究;识别状态应用方面,主要开展重点区域交通信息查询和信息服务方案发布研究。本文的主要研究成果如下:（1）提出含缺失权重的交通流量矩阵化数据填补模型数据填补是开展交通拥堵状态识别的前期工作,考虑到数据存在不完整的情况,从时间和空间两方面入手,利用机器学习法,建立数据填补模型。首先,针对历史数据,优化现有深度学习方法,构建基于领域-降噪堆叠自编码器（ND）模型,弥补缺失或损害的数据;然后,引入空间处理思路,研究构建含缺失权重的交通流量矩阵化填补模型。实验发现,模型在处理完全随机交通数据恢复、随机卡口缺失数据恢复中,均取得较好恢复效果。（2）提出基于时序残差网络的重点区域短时交通预测模型以预测精度高和资源占用少为目标,建立基于时序残差网络为基础的重点区域短时交通预测模型。模型主要由中心模块与独立模块构成,前者在于发现共性问题,后者主要就各条道路提炼个性问题,接着借助模型融合形成时序残差网络交通流预测模型。实验发现,短时预测模型精确较高,达到Acc0.02的97%且所需参数较少。（3）提出基于聚集交通量比里程分布的重点区域交通状态识别模型从微观角度出发,首先验证聚集交通量变化与交通拥堵的产生、发展与消散存在密切的相关性;然后针对区域内重点导致拥堵的路段进行挑选研究;之后运用粗糙集模型对交通拥堵区间进行细分;最后依托学校和医院监测数据,完成了聚集交通量比里程概率分布模型的建立,形成分段线性方程,并提出评价重要区域交通指数方法。相较传统指数,模型在评估区域范围交通拥堵状态方面精准性更高。（4）提出基于动态Dc-top-k的交通状态信息查询算法从动态分区方面进一步完善了Top-k查询算法。首先,运用分治检索的思路,形成Dc-top-k选择算法。然后,引入动态自适应分区算法,进一步优化Dc-top-k算法,增加智能分区功能,形成动态自适应分区Dc-top-k算法。实验发现,同其它选择算法相比来说,动态自适应分区Dc-top-k算法在查询效果与扩展性方面表现突出,非常适用于并行处理。上述四项研究从数据处理、状态识别、结果应用三个层面完成了城市重点区域交通状态识别及应用工作,从微观层面提出了有针对性的评价方法,为后续更准确分析研究和有针对性治理措施提供有力保障。此外,智慧交通的应用和用户使用都离不开信息交互系统的支持。文章根据高德地图和北京市公安交管局提供2019年全年学校医院周边道路监测数据,利用高德开放式平台,结合各项研究成果,进行实例研究,将北京市学校、医院等重点区域交通信息发布服务方案进行发布,为交通管理部门和社会公众提供实时拥堵信息查询。
刘伟华,侯家和,袁超伦,吴文飞[3]（2021）在《基于改进的信号灯预警模型的城市智慧供应链发展动态预测研究》文中研究说明在国家大力推动供应链创新与应用的背景下,许多城市纷纷开展供应链创新试点,城市智慧供应链已经成为检验城市发展水平的重要因素。开展城市智慧供应链发展水平动态预测有助于帮助城市认识其智慧供应链的发展水平,识别薄弱环节,促进城市智慧供应链的可持续发展。为此,本文基于改进的信号灯模型构建了中国城市智慧供应链的预警框架。（1）从智慧基础设施建设情况、人力资源投入情况、资金投入情况、企业创新4个维度构建了城市智慧供应链发展的评价指标体系;（2）基于信号灯模型识别了4个评价维度下二级指标的信号灯状态;（3）利用层次分析法改进了信号灯模型的权重设置环节。本文判别了不同二级指标的重要程度,计算得到综合警情指数,并给出预警信息,为政府部门提供智慧供应链的发展建议。
安娜[4]（2020）在《基于多目标跟踪雷达的单点全感应式信号控制方法》文中进行了进一步梳理随着经济社会发展而产生的国内外各大城市中心区交通拥堵问题依然严峻。交叉口作为城市路网的重要节点,是城市道路拥堵的主要发生地。面向单个交叉口的单点信号控制是干道乃至区域信号控制的基础,全感应式信号控制是单点信号控制的先进技术形式。针对采用断面检测技术、基于车辆时距等绿灯切断依据的传统单点全感应式信号控制方法会出现“为导向车道内缓慢行驶或静止的机动车延长绿灯时间”、“为导向车道组的个别导向车道内连续到达的机动车延长绿灯时间”的低效现象,以及“需耗时确认没有后续车辆到达再切断绿灯”的滞后现象,在交叉口出口道布设多目标跟踪雷达检测器,采集机动车运行状态数据;提出机动车安全扩展长度的概念,用以构筑机动车相位导向车道实时利用率的概念;基于导向车道实时利用率,设计感应控制逻辑规则,开发一种新颖的单点全感应式信号控制方法;在仿真环境下进行正交试验,采用方差分析和直观分析的方法,以交叉口车均延误为主要评价指标,考察本文提出的控制方法在不同的导向车道数量、导向车道长度、交通需求水平、大型车辆比例等交通条件下的性能表现,并与基于车辆时距的传统方法进行对比分析。结果显示:本方法可以适应上述多种交通条件的变化,且能够取得优于传统方法约4%18%的交叉口车均延误,并能在导向车道数量较多的场景下进一步扩大这种性能相对优势。但是,对于同时具有导向车道偏少、导向车道较短、交通需求偏大、大型车辆较多等特点的交叉口,本方法的上述优越性丧失。
曹堉[5]（2020）在《基于多源数据挖掘的交通拥堵智能识别与改善》文中指出交通拥堵识别与改善在交通领域具有重要的理论意义和工程应用价值。针对目前方法精度低、不能智能识别等关键问题进行深入的研究,提出了基于多源数据挖掘的交通拥堵智能识别与改善方法,主要研究工作如下:（1）针对交通流短时预测方法由于交通流特性考虑不全面而导致预测精度低的问题,提出了一种基于时空节点包裹式特征选择和BPNN的城市道路交通流短时预测方法。将研究区域范围内有影响关系的道路交通流空间节点对应的时空交通流作为输入,待预测道路空间节点未来时段的交通流量作为输出,通过历史数据作为训练集,从而将该问题转化为数据驱动的多输入单输出回归预测问题。首先,对交通流特性进行机理和数据相关性分析,获得交通流的时空特性;其次,根据车流的可达范围确定候选时空节点集合,以误差平方和的倒数为目标函数计算适应度,在训练集上使用包裹式特征选择方法,运用遗传算法和反向传播神经网络（BPNN）进行时空节点选择的求解,得到最终的时空节点和训练好的BPNN;最后,在工作集上将选择的时空节点的实测值输入训练好的BPNN,即得出城市道路交通流的短时预测值。该方法更合理的选择和使用了时空交通流数据,精度会更高。在泉州市田安北路,以2019年8月一周共5个工作日的路段交通流量上的实测结果表明,本文方法精度高于仅使用相邻时空节点数据、采用其它时间节点范围、支持向量机和梯度提升树方法。（2）针对城市道路交通拥堵原因动态实时、复杂多变,识别方法主观性强、实时性差、不能自动等问题,提出了一种基于因果贝叶斯网络的城市道路交通拥堵多原因自动识别方法。将研究区域范围内有关的城市道路交通状态可观测变量作为输入,交通拥堵原因的0-1离散类型作为输出,通过历史数据作为训练集,从而将问题转化为数据驱动的多分类问题。首先,对城市道路交通的动态可观测变量和多个拥堵原因之间的关系进行系统的机理分析和仿真验证,从而构建因果贝叶斯网络结构;其次,以获取的实测历史数据进行参数学习训练,得到完整的因果贝叶斯网络模型;最后,将该道路工作状态下交通可观测变量输入该因果贝叶斯网络模型,就能同时自动识别出交通拥堵的多个原因。该方法灵活性高、对节点相关性能够更好的表达、可解释性强、能够充分利用专家经验知识、且能做到自动实时。在泉州市泉秀街,以2019年2月25日至3月3日晚高峰为研究对象研究结果表明,本文方法在行人影响、车流高峰、停车占道、信号配时不合理和过街车流影响五种拥堵原因的识别准确率与对比方法实验相比表现较优。（3）针对当前交叉口拥堵现象频发,信号灯控制方法的精确性、灵活性较差等问题,提出了一种基于实测车流量和组合控制策略的交通信号灯实时逻辑开环控制方法。将问题转化为时变优化问题,针对此问题设计了一个开环控制系统,以绿灯时长和信号状态作为可控变量提升交叉口通行效率。该方法首先根据实际交通问题考虑了完全服务控制、阈值限制控制和优先级控制三种控制策略,结合各策略构建了实时交通信号灯逻辑控制模型;其次,采用仿真方法验证模型的正确性和控制方法的有效性。该方法能够在满足条件下及时处理紧急情况,提升了交叉口通行效率,实现了交叉口信号的精细化和智能化控制。在泉州市丰泽田安路口,以2019年9月5日的实验结果表明,采用本文方法在车辆平均延误时间和车辆平均排队长度上都优于实际采用的固定配时信号控制方案和自适应绿灯时延算法。另外,本文中也还有可以继续开展研究的地方,例如交通流预测中BPNN的隐层层数和节点数可以进行更多次的实验寻找最优结构;因果贝叶斯网络方法识别交通拥堵多原因的精度可采用更多的多分类模型指标进行评价;提出的交叉口控制方法可考虑实际实施,获得实测数据,从而进一步验证方法的精度和效果。
刘玉婷[6]（2020）在《双环相位结构下的单点人工智能信号控制方法》文中研究表明传统的单点交通信号控制方法需要人为地建立基于显式编程的逻辑规则或基于性能指标的优化模型,注入交通信号控制器,实现交通信号配时方案的设计、调整和优化。但人工经验存在瓶颈,同时此类开环控制方法缺乏性能评价的反馈和有效应用,最终限制了道路使用者性能表现的提升空间。近年来,在飞速发展的人工智能和新兴的交通数据采集技术的双重作用下,将人工智能与交通信号控制相结合的研究呈现井喷态势。双环相位结构是大型信号控制交叉口最常用的通行权分配方式,可以为灵活、高效地配置机动车相位的绿灯时间创造条件。本文面向具有双环相位结构的单个四路信号控制交叉口,以在更短的时间内使更多的机动车通过停止线为控制目标,运用强化学习技术,开发一种单点人工智能信号控制方法。为环A和环B的前置相位分别部署一个智能体,为环A和环B的后置相位部署一个智能体。将每个进口方向停止线上游160米的道路空间划分成13个区域,利用多目标跟踪雷达采集每个区域内的车辆数、平均瞬时速度和排队车辆数作为交通运行特征,与信号运行特征共同构成状态向量。将动作设定为正在显示绿灯的机动车相位选择最小绿灯结束后的绿灯延长时间,动作空间包括36个备选动作。将回报设定为每秒各进口方向停止线的通过车辆数总和。根据本研究的状态表征方式和动作设定方式,建立定制化的Double Deep Q-Network（DDQN）,采用深度全连接神经网络表示策略,采用改进的多步时间差分方法更新动作价值,在由VISSIM创建的虚拟道路交通环境中训练智能体。以典型的四路信号控制交叉口为实验对象,在路段为3车道的道路空间条件和高峰水平的交通需求条件下,仿真实验结果表明:在双环相位结构下,与传统的单点全感应信号控制方法相比,本文提出的单点人工智能信号控制方法可使交叉口车均延误下降17%、车均排队时间下降22%,是一种行之有效的信号控制方法。
黎紫书[7]（2020）在《流俗地》文中进行了进一步梳理归来（之一）大辉回来了。这种事,怪不怪呢?光天化日,一个死人,活生生出现在大街上。这不是普通的大街。五兵路是锡都的主干大道,一路上景点特多。锡都是个山城,路的南端重峦叠巘,岩壁耸立,壁上许多山洞像被史前巨大的白蚁蛀空作巢,无尽纵深,都被开辟成石窟寺。三宝洞南天洞灵仙岩观音洞,栉比鳞次,各路神仙像是占山为王,一窟窿一庙宇,里头都像神只住的城寨,挤着满天神佛。大辉就出现在
薛佳帆[8]（2020）在《基于LoRa无线组网技术的漏水检测系统设计》文中研究表明家庭供水管道漏水既会带来经济损失,也会造成安全隐患。目前已有多种漏水检测方案,但由于其成本、实时性或检测精度等方面的局限性,均无法在智能家居中普及和推广,而室内无线网络通信技术的发展为研究智能家庭漏水检测系统提供了新思路。本文提出一套基于LoRa无线组网技术的智能家庭漏水检测系统,由电池供电的LoRa漏水检测节点、可控制水阀开关的LoRa-Wi Fi集中器网关、可实时监控系统状态的APP以及电磁阀遥控器组成。节点用于检测漏水状态并通过LoRa模块向集中器网关发送报警信号,集中器网关接收此报警信号后自动关闭总水阀,并将此报警信号通过Wi Fi发送至APP提醒用户及时处理,电磁阀遥控器作为辅助,用于控制电磁阀的开关。本系统具有低功耗、低成本、实时性强以及通信可靠性高等优势,并且易于集成到诸如家用地暖等智能家居系统中。为保证由电池供电的漏水检测节点能长时间工作,本文提出了一种基于自适应功率调节算法的低功耗设计方法。采用均值滤波机制,节点在采集多次信号强度（RSSI）之后,将跳变较大的RSSI值去除后取均值,从而提高对数据链路评估的准确度,然后再根据该RSSI值自适应地调整其发射功率。测试表明,改进后的算法能有效提高节点功率调节的效率并降低网络通信功耗。为降低多个漏水检测节点同时访问信道时发生数据碰撞的概率、提高LoRa无线网络通信的可靠性,本文提出了一种基于非时隙CSMA/CA算法的无线网络防碰撞设计方法。以退避次数NB值作为评估当前网络状况的依据,对退避时隙进行了自适应性设计。自适应动态变化的退避时隙可以有效降低各节点选择相同退避时间窗口的概率,减少数据碰撞;通过对退避时隙的优先级加权设计,使得优先级高的节点其退避时隙更短、数据传输失败的概率更低。并基于此对LoRa无线网络架构以及通信协议进行了设计。测试结果表明,采用本算法设计的无线网络具有可靠的通信性能,能对管道漏水做出及时准确的反应。
张林燕[9]（2019）在《基于机器人课程的初中生计算思维培养研究》文中研究说明计算思维与理论思维、实践思维统称为三大科学思维,逐渐成为人类在掌握阅读,写作和算术能力的同时必须掌握的又一技能。随着信息技术的发展,不仅在高校领域越来越重视计算思维的培养,中小学阶段也越来越关注计算思维的研究。2017年新的《普通高中信息技术课程标准》明确将计算思维写进了高中信息技术学科的核心素养中,因此,将计算思维的培养融入到信息技术学科中是不可避免的。但就目前而言,如何在中小学信息技术学科中培养学生的计算思维,不管是从理论层面,还是实践研究层面都还处于探索阶段,信息技术课程教学中“重操作,轻思维”的现象依然严峻。随着创客教育和人工智能的发展,机器人及机器人教育慢慢进入中小学课堂中,与机器人教育有关的研究也越来越多。基于此,本研究结合机器人教育课堂与计算思维的培养,首先通过问卷调查了解现今中小学一线信息技术教师及学科专家对计算思维的认知和初中学生计算思维培养及能力现状,总结了初中生计算思维能力培养的现状和问题;其次,梳理了计算思维的概念、维度等,采用英国南安普敦大学的Cynthia Selby博士和John Woollard博士提出的计算思维五要素即算法思维、抽象、概括、分解及评估作为初中生计算思维的能力维度,详细介绍了符合机器人教育特点的教学模式;再次,结合问卷分析结果、适合开展机器人教学的方法以及计算思维的特性初步设计了面向初中生计算思维培养的教学策略;然后,采用行动研究法将教学策略应用于机器人课程教学实践中,并通过问卷、学生作品分析和行动研究过程观察分析总结检验教学策略的应用效果,探究它是否有助于学生计算思维的培养及发展;最后,总结了适合中小学阶段计算思维的定义和计算思维培养的有效教学策略,为中小学信息技术教师开展计算思维培养提供一定的教学实践参考。本研究经过调查及实践分析,总结出:（1）初中生计算思维处于中低水平,他们的计算思维认知度、计算思维应用意识、计算思维能力都有待提高;计算思维培养的重点在于开发合适的教学内容、设计合适的教学方法、教学策略及多元化的评价标准;（2）机器人课程中计算思维培养策略:结合真实情境、引导学生进行任务分解、设计算法流程图、合作完成学习、进行创新设计;（3）初中生计算思维培养的教学策略包含:创设情境、知识内容学习、开展活动探究、总结评价及分享、启发再创作;（4）经过三轮行动研究,基于机器人课程的教学策略对学生的计算思维认知度、计算思维应用意识、计算思维能力即算法思维能力、抽象能力、分解能力、概括与评估能力等有一定的促进作用。
柳爽[10]（2019）在《基于非端到端强化学习的单点信号控制方法》文中进行了进一步梳理传统的单点交通响应信号控制方法已经能够令信号控制设备完全代替人类采集、处理、分析和预测交通需求数据,动态调整信号配时,但仍需依赖人类现有的知识构建的规则或模型,在各类场景下信号配时方案的选择都相对固化,同时缺乏信号配时方案对性能影响的评价,无法利用评价改善现有的规则或模型。将人工智能领域的强化学习方法应用于单点信号控制,使交叉口层面的智能体与交叉口环境进行交互,通过尝试各种信号配时动作开拓经验,通过评价的反馈完善策略,从而超越人类水平。本文以单环4相位的单个四路交叉口为研究对象,基于非端到端强化学习,提出了一种单点人工智能信号控制方法。利用先进的交通数据检测技术,采集交叉口各进口道停止线后160m检测范围内的所有车辆的位置、车速等数据,提取交通运行状况和信号运行状况两类共132个特征,在此基础上构建状态向量。动作设定为:选择当前相位最小绿灯时间结束后的延长绿灯时间。以最小化交叉口车均排队时间为目标,将加权累进平均方法得到的交叉口车均排队时间变化量作为即时回报。本文借鉴Deep Q Network的技术体系,并有如下创新性成果:（1）对强化学习的各个技术环节的方法选用进行分析,选择最适合单点信号控制任务的方法,采用多步时间差分方法,适当的解决了信号配时动作之间时间间隔不等的问题。（2）设置了对智能体的训练具有引导作用的终止状态,提高训练效率,抑制左转机动车相位性能的剧烈恶化。经仿真实验验证,本文提出的单点人工智能信号控制方法与同等条件下的单点全感应信号控制方法相比,交叉口车均延误降低了17%。
二、为“智慧”“拧亮”绿灯（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、为“智慧”“拧亮”绿灯（论文提纲范文）
（1）基于北斗卫星定位的智能红绿灯系统（论文提纲范文）
| 1引言 |
| 2系统模型构建 |
| 2.1人群、车辆及特殊车辆位置信息的获取 |
| 2.2特殊车辆的控制权设定 |
| 2.3红绿灯的显示设置 |
| 2.4参数的设置 |
| 2.5函数模型确定 |
| 2.5.1调查资料得到有关的函数模型 |
| 2.5.2设计模型 |
| 1、考虑的因素 |
| 2、变量设置 |
| 3、模型确定 |
| 4、一般情况 |
| 5、特殊车辆通过 |
| 6、特殊情况 |
| 3系统总体设计 |
| 3.1系统工作原理 |
| 3.2功能设计 |
| 3.3系系统界面 |
| 3.4系系统应用案例 |
| 4结语 |
（2）基于出行大数据的城市重点区域交通状态识别方法与应用研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 研究内容及方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 本章小结 |
| 2 国内外研究现状 |
| 2.1 交通节点特征分析 |
| 2.1.1 道路驶入和驶出节点拥堵特征分析 |
| 2.1.2 路段拥堵特征分析 |
| 2.1.3 交叉口拥堵特征分析 |
| 2.2 交通流数据填补研究 |
| 2.3 交通流量预测研究 |
| 2.4 交通状态评价方法研究 |
| 2.5 TOP-K选择算法研究 |
| 2.6 已有研究的不足 |
| 2.7 本章小结 |
| 3 重点区域交通流数据填补方法研究 |
| 3.1 研究思路 |
| 3.2 基于ND的缺失数据填补方法研究 |
| 3.2.1 ND缺失数据填补模型设计 |
| 3.2.2 基于ND缺失数据填补方法的案例分析 |
| 3.3 交通流量矩阵化网络填补模型研究 |
| 3.3.1 矩阵化网络填补方法设计 |
| 3.3.2 复原子网络设计 |
| 3.3.3 预测子网络设计 |
| 3.3.4 融合网络设计 |
| 3.4 实证研究 |
| 3.4.1 数据集缺失情况描述 |
| 3.4.2 交通网络矩阵化 |
| 3.4.3 缺失数据恢复 |
| 3.5 本章小结 |
| 4 重点区域短时交通流预测研究 |
| 4.1 研究思路 |
| 4.2 重点区域短时交通流预测模型设计研究 |
| 4.2.1 中心模块设计 |
| 4.2.2 独立模块设计 |
| 4.2.3 时序残差网模型设计 |
| 4.3 模型训练方法研究 |
| 4.4 评价指标选取 |
| 4.5 实证研究 |
| 4.6 本章小结 |
| 5 重点区域交通状态识别模型构建研究 |
| 5.1 研究思路 |
| 5.2 学校和医院交通流特征及交通拥堵原因分析 |
| 5.3 基于聚集交通量的路段交通拥堵识别方法可行性分析 |
| 5.3.1 聚集交通量与区段行驶速度的关系分析 |
| 5.3.2 聚集交通量与交通波在区段上的传播分析 |
| 5.3.3 聚集交通量比与路段饱和度的比较分析 |
| 5.3.4 聚集交通量比与路段密度的比较分析 |
| 5.3.5 基于聚集交通量的交通状态评价方法可测性分析 |
| 5.4 路段交通拥堵识别研究 |
| 5.4.1 单条路段交通拥堵识别研究 |
| 5.4.2 关键路段识别研究 |
| 5.5 基于粗糙集的拥堵区间细分研究 |
| 5.5.1 交通状态多级划分 |
| 5.5.2 粗糙集理论模型概述 |
| 5.5.3 基于粗糙集模型的交通拥堵区间细分 |
| 5.6 重点区域交通拥堵识别研究 |
| 5.6.1 不同交通状态聚集交通量比区间阈值划分 |
| 5.6.2 不同交通状态下聚集交通量比聚集里程分布模型 |
| 5.6.3 基于聚集交通量比里程分布的重点区域交通状态评价模型 |
| 5.7 实证研究 |
| 5.8 本章小结 |
| 6 重点区域交通状态信息查询研究 |
| 6.1 研究思路 |
| 6.2 基于分治思想的重点区域DC-TOP-K查询算法研究 |
| 6.2.1 当前排序算法 |
| 6.2.2 串行分治查询算法设计 |
| 6.2.3 并行分治查询算法设计 |
| 6.2.4 基于分治思想的重点区域搜索算法分析 |
| 6.3 基于动态自适应分区的重点区域DC-TOP-K查询算法研究 |
| 6.3.1 动态自适应分区评估函数 |
| 6.3.2 动态自适应分区算法设计 |
| 6.4 实证研究 |
| 6.4.1 动态自适应分区DC-Top-k算法的整体性能测试 |
| 6.4.2 动态自适应分区DC-Top-k算法的扩展性能测试 |
| 6.5 本章小结 |
| 7 重点区域交通状态识别信息应用案例分析 |
| 7.1 基于HIS的重点区域交通拥堵可视化方法 |
| 7.1.1 HIS交换 |
| 7.1.2 彩虹编码和热金属编码 |
| 7.1.3 处理步骤 |
| 7.2 北京市重点区域交通运行信息服务应用方案设计 |
| 7.3 服务实例 |
| 7.4 本章小结 |
| 8 总结与展望 |
| 8.1 主要研究成果 |
| 8.2 主要创新点 |
| 8.3 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）基于改进的信号灯预警模型的城市智慧供应链发展动态预测研究（论文提纲范文）
| 引 言 |
| 1 中国智慧供应链现状及城市发展监测的必要性 |
| 1.1 中国智慧供应链发展现状 |
| 1.2 城市智慧供应链发展监测必要性 |
| 2 基于改进的信号灯预警模型的城市智慧供应链发展动态预测 |
| 2.1 城市智慧供应链发展评价指标体系 |
| 2.2 确定二级指标的信号灯预警区间与信号灯状态 |
| 2.3 基于层次分析法的综合警情指数计算 |
| 3 城市智慧供应链预警的算例分析 |
| 3.1 指标数据搜集 |
| 3.2 各一级指标讨论与分析 |
| 3.2.1 城市智慧供应链基础设施建设情况 |
| 3.2.2 城市智慧供应链人力资源投入情况 |
| 3.2.3 城市智慧供应链资金投入情况 |
| 3.2.4 城市智慧供应链企业创新情况 |
| 3.3 城市智慧供应链综合分析 |
| 4 结论与未来展望 |
（4）基于多目标跟踪雷达的单点全感应式信号控制方法（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 现实背景 |
| 1.1.2 理论背景 |
| 1.2 研究目的及意义 |
| 1.3 研究内容 |
| 1.4 技术路线 |
| 2 研究综述 |
| 2.1 交通数据采集技术的发展历程 |
| 2.1.1 交通数据采集技术的常见分类 |
| 2.1.2 交通数据采集技术的性能比较 |
| 2.1.3 交通数据采集技术的应用分析 |
| 2.2 单点感应式信号控制的研究现状 |
| 2.2.1 单点感应式信号控制的基本概念 |
| 2.2.2 单点感应式信号控制的主要特点 |
| 2.2.3 单点感应式信号控制的不足之处 |
| 3 单点全感应式信号控制方法 |
| 3.1 概述 |
| 3.2 相位结构设计 |
| 3.2.1 德国方法 |
| 3.2.2 美国方法 |
| 3.3 检测器布设 |
| 3.4 导向车道实时利用率 |
| 3.4.1 机动车的安全扩展长度 |
| 3.4.2 相位的导向车道实时利用率 |
| 3.5 感应控制逻辑 |
| 3.5.1 导向车道实时利用率的阀值设定 |
| 3.5.2 基于逻辑规则的感应控制工作原理 |
| 4 基于正交试验的控制方法适用性分析 |
| 4.1 概述 |
| 4.2 正交试验设计 |
| 4.3 仿真实验环境 |
| 4.3.1 道路空间条件 |
| 4.3.2 交通需求条件 |
| 4.3.3 信号配时条件 |
| 4.3.4 仿真模型参数 |
| 4.4 正交试验结果与分析 |
| 4.4.1 方差分析 |
| 4.4.2 直观分析 |
| 结论 |
| 参考文献 |
| 附录 A 交通需求抽样结果 |
| 附录 B 仿真实验结果原始数据 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（5）基于多源数据挖掘的交通拥堵智能识别与改善（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外交通拥堵识别与改善问题研究进展 |
| 1.2.1 城市道路交通流短时预测的研究 |
| 1.2.2 城市道路交通拥堵原因识别的研究 |
| 1.2.3 交叉口交通信号灯控制的研究 |
| 1.3 主要研究内容与章节安排 |
| 1.3.1 本文主要研究内容 |
| 1.3.2 本文结构安排 |
| 第2章 基于时空节点包裹式特征选择和BPNN的城市道路短时交通流预测 |
| 2.1 问题的形式化描述 |
| 2.1.1 基于传统方法的交通流预测及其存在的问题 |
| 2.1.2 基于数据驱动的交通流预测的问题的形式化描述 |
| 2.2 基于时空相关性及包裹式特征选择的交通流时空节点选择 |
| 2.2.1 交通流时空相关性分析 |
| 2.2.1.1 时间相关性分析 |
| 2.2.1.2 空间相关性分析 |
| 2.2.2 交通流时空候选节点确定 |
| 2.2.3 基于包裹式和遗传算法求解的交通流时空节点特征选择流程 |
| 2.3 基于时空节点选择和BPNN的短时交通流预测模型 |
| 2.3.1 反向传播神经网络介绍 |
| 2.3.2 短时交通流预测模型 |
| 2.3.3 方法的理论分析与比较 |
| 2.4 应用实例的实验结果与分析 |
| 2.4.1 实验对象和数据说明 |
| 2.4.2 评价方法和指标 |
| 2.4.3 实验参数设置 |
| 2.4.4 实验结果 |
| 2.4.4.1 短时交通流时间节点范围和预测时间间隔和对实验结果的影响 |
| 2.4.4.2 对比方法的实验结果 |
| 2.4.4.4 公开数据集上的结果 |
| 2.4.5 实验结果分析 |
| 第3章 基于因果贝叶斯网络的城市道路交通拥堵多原因自动识别 |
| 3.1 问题的形式化描述 |
| 3.2 基于因果贝叶斯网络的城市道路交通拥堵多原因识别模型的构建 |
| 3.2.1 道路拥堵原因类型 |
| 3.2.2 可观测交通状态变量 |
| 3.2.3 贝叶斯网络构建 |
| 3.2.3.1 确定网络结构 |
| 3.2.3.2 确定网络参数 |
| 3.2.4 方法的理论分析与比较 |
| 3.3 应用实例的实验结果与分析 |
| 3.3.1 实验对象和数据说明 |
| 3.3.2 拥堵原因识别准确率评价指标 |
| 3.3.3 实验参数设置 |
| 3.3.4 因果贝叶斯网络结构验证的实验结果及分析 |
| 3.3.4.1 实验结果 |
| 3.3.4.2 实验结果分析 |
| 3.3.5 模型识别精度的实验结果及分析 |
| 3.3.5.1 实验结果 |
| 3.3.5.2 实验结果分析 |
| 第4章 基于实测车流量和组合控制策略的交通信号灯实时逻辑开环控制 |
| 4.1 问题的形式化描述 |
| 4.2 交通信号灯逻辑控制方法 |
| 4.2.1 基本模型概述 |
| 4.2.2 交通信号灯实时逻辑开环控制模型 |
| 4.2.3 VISSIM仿真模型的构建 |
| 4.2.4 方法的理论分析与比较 |
| 4.3 应用实例的实验结果与分析 |
| 4.3.1 实验对象和数据说明 |
| 4.3.2 VISSIM仿真模型的正确性验证 |
| 4.3.2.1 VISSIM仿真模型的正确性验证方法和指标 |
| 4.3.2.2 VISSIM模型正确性检验实验结果 |
| 4.3.2.3 VISSIM仿真模型的误差原因分析 |
| 4.3.3 控制策略的有效性评价 |
| 4.3.3.1 控制策略有效性评价方法和指标 |
| 4.3.3.2 实验参数设置 |
| 4.3.3.3 控制方法有效性检验实验结果 |
| 4.3.3.4 实验结果分析 |
| 第5章 结论 |
| 5.1 研究总结 |
| 5.2 进一步研究方向 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文及研究成果 |
| 个人简历 |
| 攻读硕士学位期间发表（录用）论文情况 |
| 攻读硕士学位期间参的研究项目 |
| 攻读硕士学位期间参与申请的发明专利（实质审核阶段） |
| 获奖情况 |
| 软件着作权 |
（6）双环相位结构下的单点人工智能信号控制方法（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.1.1 现实背景 |
| 1.1.2 理论背景 |
| 1.2 研究目的 |
| 1.3 研究意义 |
| 1.4 研究重点 |
| 1.5 论文组织结构 |
| 2 文献综述 |
| 2.1 国内外研究现状 |
| 2.1.1 研究对象 |
| 2.1.2 环境 |
| 2.1.3 智能体 |
| 2.1.4 状态 |
| 2.1.5 动作 |
| 2.1.6 回报 |
| 2.1.7 训练方法 |
| 2.2 现有研究不足 |
| 3 强化学习要素 |
| 3.1 强化学习简介 |
| 3.2 环境 |
| 3.3 智能体 |
| 3.4 状态 |
| 3.4.1 状态表征方式 |
| 3.4.2 状态特征指标 |
| 3.4.3 终止状态 |
| 3.5 动作 |
| 3.6 回报 |
| 3.6.1 回报评价指标 |
| 3.6.2 回报折算方式 |
| 4 智能体训练 |
| 4.1 训练场景 |
| 4.1.1 训练环境 |
| 4.1.2 交通需求和仿真参数设置 |
| 4.2 训练方法 |
| 4.2.1 方法选型 |
| 4.2.2 DDQN方法详解 |
| 4.2.3 定制DDQN |
| 4.2.4 超参数 |
| 4.3 训练过程 |
| 5 对比实验 |
| 5.1 实验对象 |
| 5.2 实验方案 |
| 5.3 实验结果 |
| 结论 |
| 参考文献 |
| 附录A 对比实验结果 |
| 致谢 |
（7）流俗地（论文提纲范文）
| 归来（之一） |
| 奀仔之死 |
| 群英 |
| 巴布理发室 |
| 蕙兰 |
| 婵娟 |
| 猫 |
| 莲珠 |
| 迦尼萨 |
| 大伯公 |
| 美丽园 |
| 鬼 |
| 所有的路 |
| 密山新村 |
| 南乳包 |
| 百日宴 |
| 新造的人 |
| 十二岁以前 |
| 仨 |
| 良人 |
| 那个人 |
| 春分 |
| 夏至 |
| 公仔纸 |
| 远水与近火 |
| 立秋 |
| 女孩如此 |
| 忏悔者 |
| 红白事 |
| 奔丧 |
| 点字机 |
| 信 |
| 顾老师 |
| 二手货 |
| 失踪 |
| 恶年 |
| 囚 |
| 马票嫂 |
| 一路上 |
| 归来（之二） |
（8）基于LoRa无线组网技术的漏水检测系统设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 漏水检测相关技术现状 |
| 1.2.1 漏水检测技术国内外研究现状 |
| 1.2.2 无线网络通信相关技术现状 |
| 1.2.3 功率控制技术 |
| 1.3 本文主要研究的内容 |
| 1.3.1 节点低功耗设计 |
| 1.3.2 LoRa无线网络防碰撞设计 |
| 1.4 本文各章节内容安排 |
| 第二章 智能家庭漏水检测系统详细设计 |
| 2.1 系统概述 |
| 2.1.1 系统整体架构 |
| 2.1.2 系统需求描述 |
| 2.2 系统硬件设计 |
| 2.2.1 系统硬件设计架构 |
| 2.2.2 节点硬件设计 |
| 2.2.3 集中器网关硬件设计 |
| 2.3 系统软件设计 |
| 2.3.1 节点软件设计 |
| 2.3.2 集中器网关软件设计 |
| 2.4 系统功能测试 |
| 2.5 实物展示 |
| 2.5.1 集中器网关实物图 |
| 2.5.2 节点与遥控器实物图 |
| 2.5.3 APP界面展示 |
| 2.5.4 本系统在智能地暖系统中的应用 |
| 2.6 本章小结 |
| 第三章 基于自适应功率调节算法的低功耗设计 |
| 3.1 节点自适应功率调节算法的改进与实现 |
| 3.1.1 功率控制技术选择 |
| 3.1.2 基于RSSI的室内路径损耗模型 |
| 3.1.3 RSSI均值滤波 |
| 3.1.4 自适应功率调节算法改进 |
| 3.1.5 算法实现 |
| 3.2 算法测试 |
| 3.2.1 测试方案及测试数据 |
| 3.2.2 测试结果分析 |
| 3.3 节点低功耗硬件设计 |
| 3.3.1 低功耗器件的选择 |
| 3.3.2 硬件低功耗设计 |
| 3.4 节点功耗测试与分析 |
| 3.4.1 测试方案及测试数据 |
| 3.4.2 测试结果分析 |
| 3.5 本章小结 |
| 第四章 基于非时隙CSMA/CA算法的Lo Ra无线网络设计 |
| 4.1 基于退避时隙优化的非时隙CSMA/CA算法改进及实现 |
| 4.1.1 非时隙CSMA/CA算法原理 |
| 4.1.2 传统非时隙CSMA/CA算法分析 |
| 4.1.3 基于退避时隙优化的非时隙CSMA/CA算法改进及应用 |
| 4.2 基于非时隙CSMA/CA算法的Lo Ra无线网络防碰撞机制设计 |
| 4.2.1 信道检测机制比较与分析 |
| 4.2.2 LoRa无线网络防碰撞机制设计 |
| 4.3 LoRa无线网络设计与实现 |
| 4.3.1 LoRa无线网络拓扑结构设计 |
| 4.3.2 通信协议设计 |
| 4.4 无线网络性能测试 |
| 4.4.1 通信距离测试 |
| 4.4.2 多节点通信测试 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 作者在读研期间发表的学术论文及参加的科研项目 |
（9）基于机器人课程的初中生计算思维培养研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 信息时代需要计算思维 |
| 1.1.2 机器人教育走进课堂 |
| 1.1.3 中小学计算思维培养现状 |
| 1.2 研究目的和研究意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 研究内容和研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 研究思路及框架 |
| 1.4.1 研究思路 |
| 1.4.2 研究框架 |
| 1.5 研究现状 |
| 1.5.1 计算思维研究现状 |
| 1.5.2 机器人教育研究现状 |
| 第二章 核心概念和理论基础 |
| 2.1 核心概念 |
| 2.1.1 计算思维 |
| 2.1.2 机器人教育 |
| 2.1.3 教学策略 |
| 2.2 理论基础 |
| 2.2.1 项目教学 |
| 2.2.2 建构主义教学理论 |
| 2.2.3 从做中学 |
| 2.2.4 合作学习 |
| 2.2.5 思维理论 |
| 2.2.6 SCS创客教学法 |
| 2.3 本章小结 |
| 第三章 计算思维培养教学现状调查 |
| 3.1 教师关于计算思维现状调查 |
| 3.1.1 调查目的 |
| 3.1.2 问卷设计及发放 |
| 3.1.3 问卷数据分析 |
| 3.1.4 调查结论 |
| 3.2 初中生计算思维培养现状情况调查 |
| 3.2.1 调查目的 |
| 3.2.2 问卷设计及分析 |
| 3.2.3 问卷数据分析 |
| 3.2.4 调查结论 |
| 第四章 初中生计算思维培养策略构建 |
| 4.1 以计算思维的培养为目标 |
| 4.2 课程特征内容和教学对象分析 |
| 4.2.1 课程内容分析 |
| 4.2.2 研究对象分析 |
| 4.2.3 机器人课程与计算思维培养可行性分析 |
| 4.3 计算思维培养的教学策略建构 |
| 4.3.1 建构原则 |
| 4.3.2 策略构建 |
| 第五章 初中生计算思维培养行动研究过程 |
| 5.1 行动研究概述 |
| 5.1.1 行动研究教学内容 |
| 5.1.2 行动研究的开展和学生情况 |
| 5.2 行动研究方案设计 |
| 5.3 行动研究实施过程 |
| 5.3.1 第一轮行动研究 |
| 5.3.2 第二轮行动研究 |
| 5.3.3 第三轮行动研究 |
| 5.3.4 教学策略总结 |
| 第六章 计算思维策略培养教学效果分析 |
| 6.1 问卷分析 |
| 6.1.1 调查目的 |
| 6.1.2 问卷设计 |
| 6.1.3 问卷发放 |
| 6.2 问卷结果对比分析 |
| 6.2.1 计算思维认知程度分析 |
| 6.2.2 计算思维应用意识分析 |
| 6.2.3 计算思维能力分析 |
| 6.2.4 对机器人课程态度分析 |
| 6.3 学生任务完成情况分析 |
| 第七章 研究总结与研究展望 |
| 7.1 研究总结与结论 |
| 7.1.1 研究创新点 |
| 7.1.2 研究结论 |
| 7.2 研究不足 |
| 7.3 研究展望 |
| 参考文献 |
| 附录1 教师计算思维认知情况调查问卷 |
| 附录2 初中生计算思维培养情况调查问卷 |
| 附录3 行动研究前学生计算思维情况问卷调查 |
| 附录4 行动研究后学生计算思维情况调查问卷 |
| 附录5 “交通灯”项目任务实现的完整过程 |
| 附录6 “智能感应门”项目任务实现的完整过程 |
| 附录7 “巡线小车”项目任务实现的完整过程 |
| 致谢 |
| 攻读硕士学位期间的研究成果 |
（10）基于非端到端强化学习的单点信号控制方法（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景 |
| 1.3 单点信号控制的进化历程 |
| 1.4 交通数据采集技术的发展 |
| 1.5 文献综述 |
| 1.6 马尔可夫决策过程简介 |
| 2 强化学习要素和技术选型 |
| 2.1 人工智能信号控制方法概述 |
| 2.2 即时回报选择 |
| 2.3 状态表征 |
| 2.3.1 状态表征方式的选择 |
| 2.3.2 到达驶离图 |
| 2.3.3 状态向量特征的选择和处理 |
| 2.4 时间差分方法 |
| 2.5 基于时间差分的控制方法选型 |
| 2.5.1 策略改善方式选择 |
| 2.5.2 动作价值的近似 |
| 2.6 无模型借鉴策略时间差分方法——DQN |
| 3 定制DQN算法确定和智能体训练过程 |
| 3.1 多步时间差分方法 |
| 3.2 终止状态的设置 |
| 3.3 控制方法的解析 |
| 3.4 智能体训练技巧 |
| 3.4.1 训练技巧之VISSIM仿真 |
| 3.4.2 训练技巧之强化学习 |
| 3.5 强化学习超参数的取值 |
| 3.6 深度神经网络结构的设置 |
| 3.7 梯度下降算法的选择 |
| 3.8 智能体训练过程的观察 |
| 4 人工智能信号控制方法性能测试 |
| 4.1 对比对象选取 |
| 4.2 仿真实验方案设计 |
| 4.3 仿真实验环境设定 |
| 4.3.1 交通需求条件 |
| 4.3.2 信号配时条件 |
| 4.3.3 仿真参数设置 |
| 4.4 实验结果分析 |
| 5 结论 |
| 5.1 研究成果 |
| 5.2 主要创新点 |
| 5.3 后续研究展望 |
| 参考文献 |
| 附录A 仿真实验原始结果 |
| 致谢 |
四、为“智慧”“拧亮”绿灯（论文参考文献）
- [1]基于北斗卫星定位的智能红绿灯系统[A]. 孙艺琳,刘备,苟富强,袁也,张敏娟,柳锦宝. 第十二届中国卫星导航年会论文集——S01 卫星导航行业应用, 2021
- [2]基于出行大数据的城市重点区域交通状态识别方法与应用研究[D]. 朱杰. 北京交通大学, 2021
- [3]基于改进的信号灯预警模型的城市智慧供应链发展动态预测研究[J]. 刘伟华,侯家和,袁超伦,吴文飞. 工业技术经济, 2021(02)
- [4]基于多目标跟踪雷达的单点全感应式信号控制方法[D]. 安娜. 大连理工大学, 2020(02)
- [5]基于多源数据挖掘的交通拥堵智能识别与改善[D]. 曹堉. 华侨大学, 2020(01)
- [6]双环相位结构下的单点人工智能信号控制方法[D]. 刘玉婷. 大连理工大学, 2020(02)
- [7]流俗地[J]. 黎紫书. 山花, 2020(05)
- [8]基于LoRa无线组网技术的漏水检测系统设计[D]. 薛佳帆. 杭州电子科技大学, 2020(02)
- [9]基于机器人课程的初中生计算思维培养研究[D]. 张林燕. 深圳大学, 2019(09)
- [10]基于非端到端强化学习的单点信号控制方法[D]. 柳爽. 大连理工大学, 2019(02)