| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第16-24页 |
| 1.1 研究背景及意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-21页 |
| 1.2.1 传统环境下交通态势理论研究 | 第17-19页 |
| 1.2.2 C V环境下交通态势理论研究 | 第19-20页 |
| 1.2.3 总结 | 第20-21页 |
| 1.3 研究内容及技术路线 | 第21-23页 |
| 1.4 小结 | 第23-24页 |
| 2 路网交通状态表征模型构建 | 第24-42页 |
| 2.1 传统交通状态表征模型 | 第24-32页 |
| 2.1.1 国外表征模型 | 第24-26页 |
| 2.1.2 国内表征模型 | 第26-32页 |
| 2.2 交通状态表征基本指标选取 | 第32-35页 |
| 2.2.1 选取原则 | 第32-33页 |
| 2.2.2 指标选取 | 第33-35页 |
| 2.3 基于模糊综合评价的交通状态表征模型构建 | 第35-41页 |
| 2.3.1 路段交通状态表征模型 | 第35-40页 |
| 2.3.2 路网交通状态表征模型 | 第40-41页 |
| 2.4 小结 | 第41-42页 |
| 3 车联网环境下基于深度学习理论的交通态势预测方法设计 | 第42-60页 |
| 3.1 交通态势预测方法介绍 | 第42-50页 |
| 3.1.1 统计理论方法 | 第42-45页 |
| 3.1.2 非线性理论方法 | 第45-47页 |
| 3.1.3 深度学习理论方法 | 第47-50页 |
| 3.2 基于深度学习理论的路网交通态势预测方法设计 | 第50-58页 |
| 3.2.1 车联网环境下交通态势影响因素分析 | 第50-52页 |
| 3.2.2 基于LSTM交通态势预测方法设计 | 第52-58页 |
| 3.3 小结 | 第58-60页 |
| 4 车联网仿真环境设计及功能模块开发 | 第60-82页 |
| 4.1 车联网概述 | 第60-62页 |
| 4.2 车联网仿真环境功能模块分析 | 第62-70页 |
| 4.2.1 驾驶行为模块 | 第62-65页 |
| 4.2.2 车辆通信模块 | 第65-67页 |
| 4.2.3 RSU行为模块 | 第67-68页 |
| 4.2.4 RSU通信模块 | 第68-69页 |
| 4.2.5 信号灯模块 | 第69页 |
| 4.2.6 路网布置模块 | 第69-70页 |
| 4.3 车联网仿真环境下路网场景设计 | 第70-81页 |
| 4.3.1 仿真场景设计 | 第71-73页 |
| 4.3.2 功能模块二次开发 | 第73-81页 |
| 4.4 小结 | 第81-82页 |
| 5 实例验证 | 第82-110页 |
| 5.1 实验数据准备 | 第82-84页 |
| 5.1.1 实验方案设计 | 第82-83页 |
| 5.1.2 数据预处理 | 第83-84页 |
| 5.2 基于模糊综合评价的交通状态表征模型效果分析 | 第84-97页 |
| 5.2.1 表征模型标定 | 第85-92页 |
| 5.2.2 表征模型效果分析 | 第92-97页 |
| 5.3 基于LSTM的交通态势预测方法验证 | 第97-108页 |
| 5.3.1 LSTM网络训练 | 第97页 |
| 5.3.2 预测效果分析 | 第97-101页 |
| 5.3.3 预测精度影响因素分析 | 第101-108页 |
| 5.4 小结 | 第108-110页 |
| 6 总结与展望 | 第110-112页 |
| 6.1 总结 | 第110-111页 |
| 6.2 展望 | 第111-112页 |
| 参考文献 | 第112-116页 |
| 附录A | 第116-125页 |
| 附录B | 第125-129页 |
| 附录C | 第129-134页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第134-138页 |
| 学位论文数据集 | 第138页 |
