| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究相关 | 第10-14页 |
| 1.2 课题相关领域发展现状 | 第14-18页 |
| 1.2.1 短时交通速度预测的研究现状 | 第14-17页 |
| 1.2.2 交通路径规划的研究现状 | 第17-18页 |
| 1.3 论文主要工作 | 第18-20页 |
| 1.4 论文的组织结构 | 第20-22页 |
| 第二章 基于小波神经网络的短时交通速度预测 | 第22-36页 |
| 2.1 问题分析 | 第22页 |
| 2.2 交通流预测基本特征参数 | 第22-24页 |
| 2.3 交通数据预处理 | 第24-28页 |
| 2.3.1 交通数据故障识别 | 第25页 |
| 2.3.2 数据修复方法 | 第25-27页 |
| 2.3.3 数据归一化 | 第27-28页 |
| 2.4 小波神经网络模型 | 第28-34页 |
| 2.4.1 神经网络概述 | 第28页 |
| 2.4.2 小波神经网络预测模型 | 第28-31页 |
| 2.4.3 小波神经网络算法流程 | 第31-32页 |
| 2.4.4 小波神经网络模型实验分析 | 第32-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第三章 基于遗传算法和小波神经网络的短时交通速度预测 | 第36-45页 |
| 3.1 遗传算法原理 | 第36-38页 |
| 3.2 遗传算法改进小波神经网络模型 | 第38-44页 |
| 3.2.1 遗传算法改进小波神经网络的基本原理 | 第38-41页 |
| 3.2.2 基于遗传优化小波神经网络的短时交通速度预测实验 | 第41-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第四章 基于实时路况的动态路径规划 | 第45-62页 |
| 4.1 实时动态路径规划问题 | 第45页 |
| 4.2 交通路网数据存储结构 | 第45-48页 |
| 4.2.1 图相邻矩阵数据存储 | 第46-47页 |
| 4.2.2 图相邻链表数据存储 | 第47-48页 |
| 4.3 基于改进蚁群算法的动态路径规划 | 第48-55页 |
| 4.3.1 基本蚁群算法原理 | 第48-52页 |
| 4.3.2 改进的蚁群算法 | 第52-53页 |
| 4.3.3 多约束蚁群算法 | 第53-55页 |
| 4.4 仿真实验和结果分析 | 第55-61页 |
| 4.4.1 实时动态路径规划思想 | 第55-57页 |
| 4.4.2 路径规划仿真实验 | 第57-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 研究结论 | 第62页 |
| 5.2 研究展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70页 |