| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究的背景和意义 | 第8-9页 |
| 1.2 国内外研究概况 | 第9-12页 |
| 1.2.1 国外研究概况 | 第9-11页 |
| 1.2.2 国内研究概况 | 第11-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 技术路线 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 交通拥堵相关理论研究 | 第14-20页 |
| 2.1 交通拥堵的概念及分类 | 第14-15页 |
| 2.1.1 交通拥堵的概念 | 第14页 |
| 2.1.2 交通拥堵的分类 | 第14-15页 |
| 2.2 交通拥堵量化标准 | 第15-18页 |
| 2.3 交通拥堵预测周期 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 城市主干路交通拥堵预测指标选取 | 第20-26页 |
| 3.1 指标的选取原则 | 第20页 |
| 3.2 指标的选取及确定 | 第20-25页 |
| 3.2.1 交通流方面的参数 | 第21-24页 |
| 3.2.2 反应驾驶员感受的参数 | 第24-25页 |
| 3.2.3 微观驾驶行为参数 | 第25页 |
| 3.3 本章小结 | 第25-26页 |
| 第四章 城市主干路交通拥堵参数预测 | 第26-52页 |
| 4.1 常用预测方法适用性分析 | 第26-28页 |
| 4.2 基于自回归移动平均法(ARIMA)参数预测 | 第28-29页 |
| 4.3 基于二次指数平滑法参数预测 | 第29-30页 |
| 4.4 基于BP神经网络参数预测 | 第30-34页 |
| 4.5 基于多模型融合技术参数预测 | 第34-36页 |
| 4.6 实例分析及预测模型检验 | 第36-51页 |
| 4.6.1 自回归移动平均法（ARIMA）预测 | 第39-43页 |
| 4.6.2 二次指数平滑法预测 | 第43-46页 |
| 4.6.3 BP神经网络预测 | 第46-50页 |
| 4.6.4 多模型融合预测 | 第50页 |
| 4.6.5 误差检验 | 第50-51页 |
| 4.7 本章小结 | 第51-52页 |
| 第五章 基于预测数据的交通拥堵状态判别 | 第52-61页 |
| 5.1 层次分析法确定各指标权重 | 第52-56页 |
| 5.2 样本数据正向化及无量纲化处理 | 第56-58页 |
| 5.2.1 样本数据正向化处理 | 第57页 |
| 5.2.2 样本数据无量纲处理 | 第57-58页 |
| 5.3 指标值加权平均 | 第58页 |
| 5.4 样本数据聚类分析 | 第58-59页 |
| 5.5 基于预测数据进行交通状态判别 | 第59-60页 |
| 5.6 本章小结 | 第60-61页 |
| 第六章 缓堵措施 | 第61-66页 |
| 6.1 基于宏观策略缓解交通拥堵 | 第61-63页 |
| 6.1.1 合理规划 | 第61-62页 |
| 6.1.2 交通结构合理布局 | 第62页 |
| 6.1.3 政策引导 | 第62-63页 |
| 6.2 基于预测交通状态缓解交通拥堵 | 第63-65页 |
| 6.3 本章小结 | 第65-66页 |
| 结论与展望 | 第66-68页 |
| 主要研究结论 | 第66页 |
| 问题及展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 附录 | 第71-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-78页 |
| 致谢 | 第78页 |