| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究的背景和意义 | 第14页 |
| 1.2 交通流量相关研究的国内外概述 | 第14-20页 |
| 1.2.1 智能交通系统 | 第14-16页 |
| 1.2.2 交通流量预测模型 | 第16-19页 |
| 1.2.3 车辆导航系统 | 第19-20页 |
| 1.3 本文研究的主要内容和技术路线 | 第20-22页 |
| 第二章 交通流量的数据处理 | 第22-30页 |
| 2.1 交通流的基本参数 | 第22-24页 |
| 2.1.1 交通流量 | 第22页 |
| 2.1.2 车速、密度、占有率 | 第22-23页 |
| 2.1.3 交通流量数据的特点分析 | 第23-24页 |
| 2.2 交通流量的采集与预处理 | 第24-27页 |
| 2.2.1 交通流量的采集方法 | 第24-25页 |
| 2.2.2 交通流量的问题数据 | 第25-26页 |
| 2.2.3 基于小波分析的交通流量预处理 | 第26-27页 |
| 2.3 车辆导航系统的数据处理算法分析 | 第27-29页 |
| 2.3.1 数据库总体设计 | 第27-28页 |
| 2.3.2 算法的基本思想与流程 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于路口相关性的变结构式组合预测模型研究 | 第30-56页 |
| 3.1 短时交通流量预测模型 | 第30-33页 |
| 3.1.1 卡尔曼滤波模型 | 第30-31页 |
| 3.1.2 RBF神经网络模型 | 第31-33页 |
| 3.2 变结构式组合预测模型 | 第33-37页 |
| 3.2.1 线性组合预测模型 | 第33-34页 |
| 3.2.2 非线性组合预测模型 | 第34-35页 |
| 3.2.3 变结构式组合预测模型 | 第35-37页 |
| 3.3 基于路口相关性的变结构式组合预测模型的建立 | 第37-42页 |
| 3.3.1 路口相关性与相关度模糊评价 | 第37-39页 |
| 3.3.2 变结构式组合预测模型的建立 | 第39页 |
| 3.3.3 变结构式组合预测模型的算法步骤 | 第39-42页 |
| 3.4 基于路口相关性的变结构式组合预测模型的实例分析 | 第42-55页 |
| 3.4.1 数据处理结果分析 | 第42-48页 |
| 3.4.2 模型仿真结果分析 | 第48-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 道路交通流量预测模型的应用 | 第56-68页 |
| 4.1 道路权重的选择 | 第56-59页 |
| 4.1.1 道路权重类型的确定 | 第56-57页 |
| 4.1.2 以出行距离为道路权重的动态赋值方法 | 第57-58页 |
| 4.1.3 以行程时间为道路权重的动态赋值方法 | 第58-59页 |
| 4.2 基于行程时间的道路择优 | 第59-63页 |
| 4.2.1 路网的介绍 | 第59-60页 |
| 4.2.2 模拟路网的确定 | 第60-61页 |
| 4.2.3 交叉口延误确定 | 第61-63页 |
| 4.3 基于动态路径算法的软件设计 | 第63-67页 |
| 4.3.1 Floyd算法 | 第63-64页 |
| 4.3.2 软件设计的功能实现 | 第64-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第五章 总结及展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第73-74页 |