城市交通拥堵状态自动判别方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第8-14页 |
| ·问题的提出 | 第8-9页 |
| ·道路交通状态判别的研究现状 | 第9-12页 |
| ·国外关于道路交通状态判别的研究 | 第9-11页 |
| ·国内关于道路交通状态判别的研究 | 第11-12页 |
| ·本文的研究内容及意义 | 第12页 |
| ·研究内容 | 第12页 |
| ·研究意义 | 第12页 |
| ·课题来源 | 第12页 |
| ·本文的组织 | 第12-14页 |
| 第二章 城市道路交通拥堵特征分析 | 第14-20页 |
| ·城市道路交通拥挤的概念 | 第14-15页 |
| ·城市道路交通拥挤的特征 | 第15-18页 |
| ·城市道路交通拥挤的影响 | 第18-19页 |
| ·解决道路交通拥挤的几个层次 | 第19-20页 |
| 第三章 城市道路交通拥堵状态判别信息需求分析 | 第20-36页 |
| ·城市道路交通拥堵状态判别概述 | 第20页 |
| ·道路交通拥堵状态判别的交通流参数 | 第20-22页 |
| ·动态交通数据采集技术 | 第22-24页 |
| ·交通量调查 | 第24-29页 |
| ·交通量调查概述 | 第24页 |
| ·交通量调查实例 | 第24-29页 |
| ·交通流参数选择 | 第29-30页 |
| ·几种交通拥堵状态自动判别算法 | 第30-36页 |
| ·加州算法 | 第30-31页 |
| ·标准偏差算法 | 第31-32页 |
| ·双指数平滑算法 | 第32-33页 |
| ·McMaster算法 | 第33-34页 |
| ·人工神经网络方法 | 第34-36页 |
| 第四章 基于增量贝叶斯的城市道路交通拥堵判别方法 | 第36-49页 |
| ·贝叶斯基础理论 | 第36-38页 |
| ·条件概率和乘法定理 | 第36页 |
| ·事件独立性 | 第36页 |
| ·全概率公式和贝叶斯定理 | 第36-37页 |
| ·极大后验假设和极大似然假设 | 第37-38页 |
| ·贝叶斯分类模型 | 第38-41页 |
| ·朴素贝叶斯分类模型 | 第38-40页 |
| ·增量型贝叶斯分类模型 | 第40-41页 |
| ·训练集优化算法 | 第41-43页 |
| ·训练集优化算法基本思想 | 第41-42页 |
| ·算法描述 | 第42页 |
| ·算法性能分析 | 第42-43页 |
| ·实验结果 | 第43页 |
| ·增量贝叶斯交通拥堵判别算法 | 第43-49页 |
| ·算法思想 | 第43-44页 |
| ·属性选取 | 第44页 |
| ·属性离散化 | 第44-46页 |
| ·算法描述 | 第46页 |
| ·算法验证 | 第46-49页 |
| 第五章 城市道路交通拥堵自动判别系统 | 第49-56页 |
| ·系统总体设计 | 第49-51页 |
| ·增量贝叶斯交通拥堵判别子系统设计 | 第51-56页 |
| ·增量贝叶斯交通拥堵判别子系统功能设计 | 第51-53页 |
| ·增量贝叶斯交通拥堵判别子系统数据库设计 | 第53-56页 |
| 第六章 总结与展望 | 第56-57页 |
| ·总结 | 第56页 |
| ·展望 | 第56-57页 |
| 主要参考文献 | 第57-59页 |
| 致谢 | 第59-60页 |
| 附录 | 第60-61页 |
