车辆诱导系统与可变信息板分析-analysis of vehicle guidance system and variable information board.docxVIP

北京交通大学硕士学位论文 摘要 Y586412 目前?世界很多大城市都遇到了严重的交通问题，交通拥挤、道路 阻塞，交通秩序混乱和交通效率低下。车辆诱导是解决交通效率和提高 机动性的有效途径 F 也是目前国际城市交通领域研究的重点。本文从理 论和实际应用两方面探讨了在我国建立全面的城市车辆诱导系统问题。 本文首先介绍了动态交通分配 (DTAλDTA 是车辆诱导理论的核 心问题。近年来，尽管发达国家的诱导装备比较齐全 F 但诱导理论上的 不足影响了诱导系统的实施效果，以至于无法大面积推广应用。因此? 深入研究动态交通分配问题已成为诱导系统研究的核心问题。 然后讨论了车辆诱导的模型与算法问题。车辆诱导的模型与算法直 接决定所研究的城市车辆诱导系统的可行性 F 其优劣直接影响车辆诱导 系统的造价与功能。本文在总结己有的模型与算法的基础上，建立了基 于流体神经网络的最优路径选择模型 F 设计了一类应用于车辆诱导系统 的遗传算法。 本文重点研究了可变信息板问题。车辆诱导系统可分为可变信息、板 系统 (VMS) 和单车诱导信息系统 (IVNS) ，本文分析了这两类信息系 统的系统配置，为研究和开发适合我国国惰的车辆诱导系统提出了建议。 目前F 单车诱导系统研究较多步而基于可变信息板的城市车辆诱导系统 还未见报道。本文探索了在我国建立基于可变信息板的城市率辆诱导问 题9 研究可变信息板的设计与应用问题和在我国建立城市可变信息板诱 导系统的可行性问题。 关键词z 车辆诱导 可变信息板 袋缝作者、导师问黛 勿金文公布 北京交通大学硕士学位论文 Abstract Today，many cities of the world face serious traffic problems such as traffic congestion-， traffic system chaos and traffic inefficiency. It is recognized that vehicle guidance is 由e best method to solve these traffic problems. Vehicle guidance is also the emphasis ofresearch in the domain of intemational traffic engineering. This paper discusses the problem that builds comprehensive urban vehicle gt且也nce system in China 企om theoretical and practical aspects. First， thìs study introduces 也e theory of dynamic traffic assi伊ment (DTA) which is 也，e core theoηof vehicle guidance. Nowadays ，the technology of hardware 岛r vehicle guidance is well developed in developing countries. But theory of vehic1e guidance is insufficient ，and it 1s difficult to set up vehicle guidance system. Therefore，it is the key problemωresearch DTA deeply for vehicle guidance system. This study discusses the modal and algorithm 01、\;ehicle guidance also. The modal and a1gorithm determine the feasibility，perfonnance and cost of vehicle guidance system directly. Based on 也e summary of modals and algorithms formulated already，也is study fonnulates fluid neural network modal and designs a kind of genetic algorithm for vehicle guidance. This study researches the problem of variable message signs deeply