| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 研究内容与技术路线 | 第15-16页 |
| 1.4 本章小结 | 第16-18页 |
| 第二章 天气与交通数据的特征分析 | 第18-28页 |
| 2.1 天气和交通数据的采集方式及数据描述 | 第18-22页 |
| 2.2 降雨天气对高速公路行车速度的影响研究 | 第22-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 贝叶斯-K近邻组合算法的行驶速度短时预测 | 第28-38页 |
| 3.1 贝叶斯-K近邻组合算法的内涵 | 第28-29页 |
| 3.2 Bayes与KNN算法的概述 | 第29-31页 |
| 3.3 Bayes-KNN算法的框架 | 第31-35页 |
| 3.4 预测算法性能评价标准 | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 贝叶斯-K近邻组合算法预测效果评价 | 第38-58页 |
| 4.1 基于Bayes-KNN算法预测分析 | 第38-45页 |
| 4.2 ARIMA算法与RBF神经网络算法预测分析 | 第45-53页 |
| 4.3 三种模型预测结果的对比评价 | 第53-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 结论与展望 | 第58-60页 |
| 5.1 本研究的主要成果 | 第58页 |
| 5.2 尚待进一步研究的问题 | 第58-60页 |
| 第六章 致谢 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 作者简介 | 第66页 |