| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-17页 |
| ·研究背景 | 第8-9页 |
| ·国内外研究现状分析 | 第9-14页 |
| ·国内外ITS研究现状 | 第9-12页 |
| ·路段行程时间预测研究现状 | 第12-14页 |
| ·研究的目的和意义 | 第14-15页 |
| ·论文的主要工作 | 第15-16页 |
| ·论文的组织 | 第16-17页 |
| 第二章 交通参数的解析与处理 | 第17-31页 |
| ·交通参数的选择 | 第17页 |
| ·线圈数据的解析 | 第17-27页 |
| ·行程时间的采集技术 | 第18-19页 |
| ·交通流信息采集技术 | 第19-23页 |
| ·线圈数据的解析规则 | 第23-27页 |
| ·交通参数预处理 | 第27-29页 |
| ·误差分析指标 | 第29-30页 |
| ·小结 | 第30-31页 |
| 第三章 经典路段行程时间预测方法研究 | 第31-43页 |
| ·卡尔曼滤波 | 第31-33页 |
| ·卡尔曼滤波简介 | 第31页 |
| ·卡尔曼滤波模型的建立 | 第31-33页 |
| ·基于GPS/GIS的行程时间预测模型 | 第33-35页 |
| ·GPS/GIS的行程时间预测模型建立 | 第33-34页 |
| ·GPS/GIS模型的优缺点 | 第34-35页 |
| ·人工神经网络 | 第35-42页 |
| ·人工神经网络发展史 | 第35-36页 |
| ·人工神经网络的优势 | 第36页 |
| ·BP神经网络 | 第36-40页 |
| ·RBF网络 | 第40-42页 |
| ·小结 | 第42-43页 |
| 第四章 基于神经网络的路段行程时间预测模型设计与构建 | 第43-55页 |
| ·简单BP网络模型 | 第43页 |
| ·遗传算法优化的BP网络模型 | 第43-47页 |
| ·概述 | 第43-44页 |
| ·遗传优化算法BP神经网络模型的建立 | 第44-47页 |
| ·粒子群算法优化的BP网络模型 | 第47-49页 |
| ·粒子群算法简介 | 第47页 |
| ·粒子群算法的实现 | 第47-48页 |
| ·模型建立 | 第48-49页 |
| ·RBF网络模型构建 | 第49-51页 |
| ·几种模型理论对比 | 第51-54页 |
| ·几种网络模型理论方面对比 | 第51-53页 |
| ·RBF网络与BP网络结构比较 | 第53-54页 |
| ·小结 | 第54-55页 |
| 第五章 路段行程时间预测仿真与分析 | 第55-64页 |
| ·基本BP网络模型的仿真 | 第55-57页 |
| ·遗传算法优化的BP网络模型仿真 | 第57-59页 |
| ·粒子群算法优化的BP网络模型仿真 | 第59-60页 |
| ·RBF网络模型仿真 | 第60-62页 |
| ·仿真结果分析 | 第62-63页 |
| ·小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士期间完成的论文 | 第71页 |
| 攻读硕士期间参加的项目 | 第71页 |