基于智能交通系统的城市路网短时交通预测
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-17页 |
| ·选题背景及意义 | 第8-10页 |
| ·选题背景 | 第8页 |
| ·研究意义 | 第8-9页 |
| ·选题来源 | 第9-10页 |
| ·国内外 ITS 的发展及研究现状 | 第10-14页 |
| ·国外 ITS 的发展 | 第10-11页 |
| ·我国 ITS 的发展 | 第11-13页 |
| ·ITS 信息预测的研究现状 | 第13-14页 |
| ·研究内容与结构框架 | 第14-17页 |
| ·研究内容 | 第14-15页 |
| ·研究框架 | 第15-17页 |
| 第二章 交通预测基本理论 | 第17-29页 |
| ·交通预测理论 | 第17-21页 |
| ·影响交通的基本因素及其特征 | 第17-18页 |
| ·参数表示 | 第18-20页 |
| ·参数研究的必要性 | 第20-21页 |
| ·有检测器路段交通预测方法 | 第21-26页 |
| ·RBF 神经网络方法 | 第21-24页 |
| ·支持向量机方法 | 第24-26页 |
| ·无检测器路段交通预测方法 | 第26-29页 |
| ·聚类分析方法 | 第27-28页 |
| ·判别分析方法 | 第28-29页 |
| 第三章 数据的采集及处理 | 第29-45页 |
| ·数据采集 | 第29-35页 |
| ·移动式信息获取 | 第29-31页 |
| ·固定式信息获取 | 第31-33页 |
| ·信息融合 | 第33-35页 |
| ·数据清洗 | 第35-41页 |
| ·丢失数据补齐 | 第35-37页 |
| ·错误数据判别 | 第37-41页 |
| ·冗余数据约简 | 第41页 |
| ·数据标准化 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 路网中有检测器路段短时交通预测 | 第45-57页 |
| ·基于 RBF 神经网络的短时交通预测 | 第45-49页 |
| ·基于 SVM 的短时交通预测 | 第49-53页 |
| ·预测结果对比及分析 | 第53-55页 |
| ·本章小结 | 第55-57页 |
| 第五章 路网中无检测器路段短时交通预测 | 第57-69页 |
| ·路网中路段的聚类与判别分析 | 第57-63页 |
| ·聚类问题分析流程 | 第58-62页 |
| ·聚类与判别分析结果 | 第62-63页 |
| ·路段相关性分析与预测 | 第63-66页 |
| ·路段间的相关性分析 | 第63-64页 |
| ·回归预测 | 第64-66页 |
| ·预测结果分析 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 附录 A | 第71-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 研究成果 | 第81-82页 |
