| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.1.1 论文选题背景 | 第12-13页 |
| 1.1.2 研究目的和意义 | 第13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.2.1 行程时间预测 | 第13-14页 |
| 1.2.2 交通状态预测 | 第14页 |
| 1.3 研究内容和方法 | 第14-17页 |
| 1.3.1 主要研究内容 | 第14-15页 |
| 1.3.2 研究方法和技术路线 | 第15-17页 |
| 第二章 基础理论和相关技术 | 第17-30页 |
| 2.1 交通数据采集技术 | 第17-20页 |
| 2.1.1 浮动车系统采集技术 | 第17-19页 |
| 2.1.2 固定检测器采集技术 | 第19-20页 |
| 2.2 行程时间预测相关理论 | 第20-24页 |
| 2.2.1 路段行程时间的相关概念 | 第20-21页 |
| 2.2.2 主要行程时间预测模型 | 第21-24页 |
| 2.3 交通状态预测相关理论 | 第24-29页 |
| 2.3.1 道路交通状态的划分 | 第24-25页 |
| 2.3.2 主要交通状态预测技术原理介绍 | 第25-29页 |
| 2.3.3 模型选择分析 | 第29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 浮动车数据格式及预处理过程 | 第30-41页 |
| 3.1 浮动车数据格式 | 第30-31页 |
| 3.2 浮动车数据修复 | 第31-33页 |
| 3.2.1 异常数据的识别与修复方法 | 第31-32页 |
| 3.2.2 数据修复实例验证 | 第32-33页 |
| 3.3 浮动车地图匹配 | 第33-40页 |
| 3.3.1 常用匹配方法介绍 | 第33-35页 |
| 3.3.2 基于距离和平均速度相似性的隐马尔可夫地图匹配算法 | 第35-38页 |
| 3.3.3 实例分析 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 基于浮动车和固定检测器的行程时间预测模型MSDF | 第41-59页 |
| 4.1 基于固定检测器的路段行程时间获取 | 第41-43页 |
| 4.2 基于浮动车技术的行程时间预测方法 | 第43-51页 |
| 4.2.1 浮动车占有率对路段平均速度估计可靠性研究 | 第43-47页 |
| 4.2.2 基于Logistic函数的路段平均速度计算方法 | 第47-49页 |
| 4.2.3 基于浮动车技术的行程时间预测方法实现 | 第49-51页 |
| 4.3 基于多源数据融合的路段行程时间预测模型MSDF | 第51-55页 |
| 4.3.1 多源数据融合方法介绍 | 第51-52页 |
| 4.3.2 MSDF路段行程时间预测模型 | 第52-55页 |
| 4.4 实验设置与结果分析 | 第55-58页 |
| 4.4.1 实验设置 | 第55页 |
| 4.4.2 实验结果与分析 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 MSDF行程时间预测模型在交通状态预测中的应用 | 第59-72页 |
| 5.1 现有的FCM交通状态预测方法 | 第59-61页 |
| 5.2 考虑行程时间的改进模糊C均值交通状态预测模型 | 第61-66页 |
| 5.2.1 交通状态评判特征的选择 | 第61页 |
| 5.2.2 基于最远距离策略的初始聚类中心优选算法 | 第61-64页 |
| 5.2.3 考虑行程时间的交通状态预测模型实现 | 第64-66页 |
| 5.3 实验设置与结果分析 | 第66-70页 |
| 5.3.1 交通状态聚类结果及分析 | 第66-68页 |
| 5.3.2 算法比较与分析 | 第68-70页 |
| 5.4 本章小结 | 第70-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 论文总结 | 第72页 |
| 6.2 研究展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 致谢 | 第77-78页 |
| 在学期间的研究成果及发表的论文 | 第78页 |
