基于状态判别的短时交通流预测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-20页 |
| 1.2.1 基于传统统计理论的预测方法 | 第14-16页 |
| 1.2.2 基于知识发现的预测方法 | 第16-18页 |
| 1.2.3 基于非线性理论的预测方法 | 第18-19页 |
| 1.2.4 基于新兴技术的预测方法 | 第19-20页 |
| 1.2.5 趋势 | 第20页 |
| 1.3 论文主要内容 | 第20-21页 |
| 1.4 论文的组织结构 | 第21-22页 |
| 第2章 道路交通流预测相关理论 | 第22-33页 |
| 2.1 交通流基本理论 | 第22-28页 |
| 2.1.1 交通流参数 | 第22-25页 |
| 2.1.2 交通流特征分析 | 第25-26页 |
| 2.1.3 基本图与三相交通流理论 | 第26-28页 |
| 2.2 短时交通流预测概论 | 第28-32页 |
| 2.2.1 短时交通流预测基本概念 | 第28页 |
| 2.2.2 交通流量预测的一般步骤 | 第28-29页 |
| 2.2.3 交通流数据获取与预处理 | 第29-31页 |
| 2.2.4 短时交通流预测评价指标 | 第31-32页 |
| 2.3 本章小结 | 第32-33页 |
| 第3章 基于FCM算法的状态判别 | 第33-44页 |
| 3.1 引言 | 第33页 |
| 3.2 聚类分析基本概念 | 第33-35页 |
| 3.2.1 聚类分析的原理 | 第33-34页 |
| 3.2.2 聚类分析的分类 | 第34-35页 |
| 3.3 FCM算法 | 第35-37页 |
| 3.3.1 FCM聚类模型 | 第35-36页 |
| 3.3.2 FCM算法步骤 | 第36页 |
| 3.3.3 FCM算法在交通状态判别中的不足 | 第36-37页 |
| 3.4 基于改进的FCM算法的交通状态判别方法 | 第37-40页 |
| 3.4.1 FCM算法改进的思想 | 第37页 |
| 3.4.2 基于快速搜索查找密度峰值的聚类算法 | 第37-39页 |
| 3.4.3 改进的FCM算法流程 | 第39页 |
| 3.4.4 交通状态判别方法 | 第39-40页 |
| 3.5 实验及结果分析 | 第40-43页 |
| 3.5.1 数据来源 | 第40-41页 |
| 3.5.2 结果与分析 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 基于状态判别的交通流预测模型研究 | 第44-52页 |
| 4.1 引言 | 第44页 |
| 4.2 基于状态判别的交通流预测模型 | 第44-47页 |
| 4.2.1 模型框架 | 第44-45页 |
| 4.2.2 基本模型的选择与预测过程 | 第45-47页 |
| 4.2.3 模型的不足 | 第47页 |
| 4.3 改进的基于状态判别的交通流预测模型 | 第47-50页 |
| 4.3.1 改进思路 | 第47-48页 |
| 4.3.2 权值计算方法 | 第48-49页 |
| 4.3.3 改进的基于状态判别的预测模型 | 第49-50页 |
| 4.4 实验结果对比与分析 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 附录A 攻读硕士学位期间发表的学术论文目录 | 第58-59页 |
| 附录B 攻读学位期间所参加的科研项目目录 | 第59页 |
