| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-24页 |
| 1.1 研究背景和意义 | 第10-14页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 研究意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 短时交通流预测研究现状 | 第14-17页 |
| 1.2.2 路径选择研究现状 | 第17-19页 |
| 1.3 研究内容与技术路线 | 第19-23页 |
| 1.4 本章小结 | 第23-24页 |
| 2 基于短时交通流预测的动态路径选择问题的基础理论 | 第24-31页 |
| 2.1 短时交通流预测问题及方法 | 第24-26页 |
| 2.1.1 短时交通流问题 | 第24-25页 |
| 2.1.2 短时交通流预测方法 | 第25-26页 |
| 2.2 路径选择问题及方法 | 第26-28页 |
| 2.2.1 路径选择问题 | 第26页 |
| 2.2.2 路径选择方法 | 第26-28页 |
| 2.3 基于短时交通流预测的动态路径选择方案影响因素 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 基于小波神经网络的短时交通流预测模型 | 第31-38页 |
| 3.1 小波理论 | 第31-32页 |
| 3.2 嵌套式小波神经网络 | 第32-33页 |
| 3.3 小波神经网络的拓扑结构和参数修正 | 第33-36页 |
| 3.3.1 拓扑结构设计 | 第33-34页 |
| 3.3.2 参数修正 | 第34-36页 |
| 3.4 小波神经网络的预测模型 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 基于小波神经网络预测的动态路径选择算法研究 | 第38-49页 |
| 4.1 经典算法 | 第38页 |
| 4.2 路径选择算法的目标选定 | 第38-39页 |
| 4.3 路径出行时间的计算方法 | 第39-42页 |
| 4.4 设定城市道路交通网络中各路段的权值 | 第42页 |
| 4.5 基于传统的Dijkstra算法改进 | 第42-46页 |
| 4.6 基于小波神经网络预测的动态路径选择方案 | 第46-48页 |
| 4.7 本章小结 | 第48-49页 |
| 5 实际算例分析 | 第49-63页 |
| 5.1 城市道路交通网络的基本介绍和数据说明 | 第49-52页 |
| 5.1.1 城市道路交通网络的基本介绍 | 第49-51页 |
| 5.1.2 数据说明 | 第51-52页 |
| 5.2 基于短时交通流预测的动态路径选择仿真 | 第52-62页 |
| 5.2.1 基于小波神经网络模型的交通流短时预测仿真 | 第52-54页 |
| 5.2.2 动态路径选择模拟仿真 | 第54-62页 |
| 5.3 本章小结 | 第62-63页 |
| 6 论文总结和展望 | 第63-65页 |
| 6.1 论文总结 | 第63页 |
| 6.2 研究结果展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-68页 |
