| 第一章 绪论 | 第1-19页 |
| ·研究背景、意义 | 第7-15页 |
| ·我国交通问题现状及原因 | 第7-9页 |
| ·智能运输系统——解决交通问题的有效途径 | 第9-10页 |
| ·智能运输系统研究内容 | 第10-13页 |
| ·中国智能运输系统的体系框架 | 第13-14页 |
| ·交通流状态辨识研究的意义 | 第14-15页 |
| ·主要研究内容及关键理论 | 第15-16页 |
| ·主要研究内容 | 第15-16页 |
| ·关键理论 | 第16页 |
| ·交通流状态辨识系统研究现状与发展趋势 | 第16-19页 |
| ·国外研究现状 | 第16-17页 |
| ·国内研究现状 | 第17-18页 |
| ·发展趋势 | 第18-19页 |
| 第二章 交通流状态辨识系统框架 | 第19-27页 |
| ·交通流状态辨识 | 第19-24页 |
| ·交通流短时预测 | 第19页 |
| ·交通流实时检测 | 第19-24页 |
| ·交通流辨识系统框架 | 第24-26页 |
| ·动态交通管理 | 第24-25页 |
| ·基于动态交通管理的交通流状态辨识系统框架 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 交通流状态辨识算法研究进展 | 第27-40页 |
| ·交通流短时预测算法 | 第27-31页 |
| ·概述 | 第27-28页 |
| ·主要预测算法及评价 | 第28-31页 |
| ·交通流短时预测算法小结 | 第31页 |
| ·交通流自动检测算法 | 第31-39页 |
| ·主要检测算法及评价 | 第32-37页 |
| ·算法的评价指标 | 第37-39页 |
| ·交通流自动检测算法小结 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第四章 交通流状态辨识的数据挖掘算法 | 第40-70页 |
| ·数据挖掘技术 | 第40-44页 |
| ·数据挖掘模型分类与基本任务 | 第40-42页 |
| ·数据挖掘方法 | 第42-43页 |
| ·数据挖掘中的非参数回归样条拟合与小波多分辨分析方法 | 第43-44页 |
| ·基于非参数回归样条拟合的交通流短时预测算法 | 第44-54页 |
| ·非参数回归 | 第44-45页 |
| ·非参数回归样条拟合方法 | 第45-49页 |
| ·非参数回归样条拟合在交通流短时预测中的应用 | 第49-54页 |
| ·基于多分辨分析的交通事件自动检测算法 | 第54-69页 |
| ·多分辨分析Mallat 算法 | 第54-61页 |
| ·小波滤波器及 Mallat 算法的具体实现 | 第61-63页 |
| ·多分辨分析在交通事件自动检测中的应用 | 第63-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 总结及展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间发表的学术论文及其它成果 | 第77-79页 |
| 致谢 | 第79页 |