| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题的研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 本文的研究内容及结构安排 | 第11-12页 |
| 1.3.1 本文研究内容 | 第11页 |
| 1.3.2 本文结构安排 | 第11-12页 |
| 1.4 本章小结 | 第12-13页 |
| 第2章 高速公路交通量数据特性分析 | 第13-22页 |
| 2.1 引言 | 第13页 |
| 2.2 数据准备 | 第13-15页 |
| 2.2.1 高速公路交通量数据 | 第13-15页 |
| 2.2.2 天气数据 | 第15页 |
| 2.3 高速公路交通量时空特性分析 | 第15-20页 |
| 2.3.1 交通量时间序列性分析 | 第15-17页 |
| 2.3.2 交通量周期相似性分析 | 第17-18页 |
| 2.3.3 交通量空间序列性分析 | 第18-20页 |
| 2.4 天气对高速公路交通量的影响分析 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 基于数据融合的高速公路短时交通量预测模型 | 第22-36页 |
| 3.1 引言 | 第22页 |
| 3.2 基于BP神经网络的高速公路交通量预测模型 | 第22-25页 |
| 3.2.1 人工神经网络模型研究 | 第22-23页 |
| 3.2.2 BP神经网络交通量预测模型 | 第23-25页 |
| 3.3 基于数据融合的高速公路短时交通量预测模型的构建 | 第25-28页 |
| 3.3.1 时空特性状态向量定义 | 第25-26页 |
| 3.3.2 交通量预测模型构建 | 第26-28页 |
| 3.4 实验分析与对比 | 第28-35页 |
| 3.4.1 时空特性输入特征变量选择 | 第28-33页 |
| 3.4.2 交通量预测结果分析 | 第33-34页 |
| 3.4.3 交通量预测结果对比分析 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于RF-IABC-MKLSSVM的高速公路短时交通量预测模型 | 第36-50页 |
| 4.1 引言 | 第36页 |
| 4.2 基于随机森林模型的动态特征变量选择 | 第36-39页 |
| 4.2.1 初始特征变量集构建 | 第37页 |
| 4.2.2 初始特征变量集定义 | 第37-38页 |
| 4.2.3 动态特征选择模型的构建 | 第38-39页 |
| 4.3 基于RF-IABC-MKLSSVM高速公路短时交通量预测模型的构建 | 第39-44页 |
| 4.3.1 多核核函数选取 | 第39-41页 |
| 4.3.2 改进的人工蜂群优化算法 | 第41-42页 |
| 4.3.3 交通量预测模型构建 | 第42-44页 |
| 4.4 实验分析与对比 | 第44-48页 |
| 4.4.1 输入特征变量选择 | 第44-45页 |
| 4.4.2 交通量预测结果分析 | 第45-46页 |
| 4.4.3 交通量预测模型对比分析 | 第46-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50-51页 |
| 5.2 研究展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士期间论文发表情况 | 第56页 |
