| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-13页 |
| ·研究背景 | 第10-11页 |
| ·研究意义和目的 | 第11-13页 |
| 第二章 交通参数估计的研究状况 | 第13-19页 |
| ·交通检测技术概述 | 第13-14页 |
| ·手机定位在交通参数估计中应用 | 第14-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 基于手机数据的交通参数估计 | 第19-26页 |
| ·手机定位数据预处理 | 第19-20页 |
| ·车辆样本的识别和估计 | 第20-24页 |
| ·道路交通参数估计 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第四章 基于聚类分析的交通状况分类判别 | 第26-36页 |
| ·聚类分析概述 | 第26-28页 |
| ·聚类分析中的数据结构和数据类型 | 第26-27页 |
| ·算法性能评价指标 | 第27-28页 |
| ·主要聚类分析方法 | 第28页 |
| ·密度聚类概述 | 第28-31页 |
| ·聚类 DBSCAN 算法在交通中的应用 | 第31-35页 |
| ·本章小结 | 第35-36页 |
| 第五章 交通流量的贝叶斯估计 | 第36-46页 |
| ·贝叶斯估计简介 | 第36-38页 |
| ·交通流量分布的假设检验 | 第38-40页 |
| ·车流量服从泊松分布的贝叶斯估计 | 第40-42页 |
| ·车流量服从二项式分布的贝叶斯估计 | 第42-43页 |
| ·车流量贝叶斯估计和极大似然估计的比较 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第六章 基于模糊决策树的实时交通状况的判别与规则提取 | 第46-60页 |
| ·模糊集定义及相关概念 | 第46-48页 |
| ·决策树算法 | 第48-53页 |
| ·交通判别的模糊决策树建立及知识推理 | 第53-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附件 | 第66页 |