摘要 | 第1-5页 |
ABSTRACT | 第5-11页 |
1 绪论 | 第11-19页 |
·选题的背景及研究现状 | 第11-15页 |
·选题的背景 | 第11-12页 |
·研究现状 | 第12-15页 |
·问题的提出 | 第15-16页 |
·目的和意义 | 第16-17页 |
·论文的研究内容及章节安排 | 第17-19页 |
2 交通状态的检测及判别 | 第19-49页 |
·引言 | 第19页 |
·交通状态检测技术分析 | 第19-22页 |
·交通状态检测 | 第19-20页 |
·交通参数检测 | 第20-22页 |
·交通检测数据的预处理 | 第22-32页 |
·异常交通检测数据的判别方法 | 第23-29页 |
·缺失或错误交通数据的处理方法 | 第29-32页 |
·动态交通数据的滤波方法 | 第32页 |
·基于 GPS 数据道路交通状态检测方法 | 第32-47页 |
·GPS 定位及其检测方法 | 第32-34页 |
·交通 GPS 数据特征分析 | 第34-35页 |
·交通 GPS 数据的异常分析 | 第35-36页 |
·交通 GPS 数据的预处理 | 第36-41页 |
·基于云计算模型的交通状态判别 | 第41-47页 |
·小结 | 第47-49页 |
3 交通状态的混沌特性分析 | 第49-73页 |
·引言 | 第49页 |
·混沌及其动力学特性 | 第49-64页 |
·混沌理论的数学基础 | 第49-52页 |
·混沌系统的表征参数和判定方法 | 第52-56页 |
·典型混沌动力系统研究 | 第56-64页 |
·交通状态的时空动力学特性 | 第64-66页 |
·随机性和时变特性 | 第64-65页 |
·周期相似性 | 第65页 |
·不确定性 | 第65页 |
·自组织特性 | 第65页 |
·网状特性 | 第65页 |
·因果相关性 | 第65-66页 |
·交通参数的混沌动力学特性以及可预测性分析 | 第66-71页 |
·路段平均速度的混沌动力学特性 | 第66-68页 |
·交通状态的可预测性分析 | 第68-71页 |
·小结 | 第71-73页 |
4 基于单参数的交通状态混沌预测 | 第73-91页 |
·引言 | 第73页 |
·交通流状态时间序列的混沌全域预测法 | 第73-76页 |
·全域预测法 | 第73-75页 |
·交通量全域预测实例分析 | 第75-76页 |
·交通流状态时间序列的混沌局域预测法 | 第76-79页 |
·零阶局域预测法 | 第76-77页 |
·一阶局域预测法 | 第77-78页 |
·非线性局域预测法 | 第78页 |
·基于最大 Lyapunov 指数预测的局域预测法 | 第78-79页 |
·基于路段相对速度的交通状态预测 | 第79-89页 |
·交通状态指标体系 | 第79-80页 |
·交通状态评判指标 | 第80-82页 |
·相对平均速度的时间序列特性 | 第82-84页 |
·相空间重构 | 第84-85页 |
·路段相对平均速度的混沌预测 | 第85-89页 |
·小结 | 第89-91页 |
5 基于多参数的交通状态混沌预测 | 第91-105页 |
·引言 | 第91-92页 |
·多交通参数的融合方法 | 第92-94页 |
·常用融合方法对比分析 | 第92页 |
·Bayes 方法在交通参数融合中的应用 | 第92-93页 |
·D-S 证据推理法在交通参数融合中的应用 | 第93-94页 |
·多参数时间序列的相空间重构及空间状态融合方法 | 第94-96页 |
·多参数时间序列重构 | 第94-95页 |
·高维相空间中的相点融合 | 第95-96页 |
·多参数时间序列交通状态预测 | 第96-99页 |
·混沌判定的 Lyapunov 指数方法 | 第96-98页 |
·基于 Lyapunov 指数的混沌预测方法 | 第98-99页 |
·数值试验及预测效果分析 | 第99-104页 |
·小结 | 第104-105页 |
6 结论与展望 | 第105-109页 |
·主要创新点与主要结论 | 第105-106页 |
·后续研究工作及展望 | 第106-109页 |
致谢 | 第109-111页 |
参考文献 | 第111-119页 |
附录 | 第119-121页 |
A. 攻读博士学位期间发表的论文 | 第119-120页 |
B. 攻读博士学位期间参加的学术交流 | 第120页 |
C. 攻读博士学位期间获得的学术资助 | 第120页 |
D. 攻读博士学位期间参加的主要科研项目 | 第120-121页 |
E. 攻读博士学位期间获得的奖励及荣誉 | 第121页 |