| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 课题的目的及意义 | 第12页 |
| 1.4 论文研究内容及章节安排 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 高速公路交通流参数的特性分析 | 第14-30页 |
| 2.1 引言 | 第14页 |
| 2.2 高速公路基本路段概述 | 第14-16页 |
| 2.3 高速公路的交通状态 | 第16-17页 |
| 2.4 地点交通流参数特性分析 | 第17-22页 |
| 2.4.1 地点交通流参数 | 第17-18页 |
| 2.4.2 时间相关性 | 第18-21页 |
| 2.4.3 样本分布不均衡性 | 第21-22页 |
| 2.5 路段交通流参数特性分析 | 第22-29页 |
| 2.5.1 路段交通流参数 | 第22-23页 |
| 2.5.2 路段交通流参数的不确定性分析 | 第23-29页 |
| 2.6 小结 | 第29-30页 |
| 3 基于特征参数加权GEFCM算法的高速公路地点交通状态估计 | 第30-44页 |
| 3.1 引言 | 第30页 |
| 3.2 模糊C均值聚类算法介绍 | 第30-32页 |
| 3.2.1 模糊C均值聚类的基本原理 | 第30-31页 |
| 3.2.2 模糊C均值聚类算法在交通状态估计中存在的问题 | 第31-32页 |
| 3.3 基于特征参数加权的GEFCM算法 | 第32-35页 |
| 3.3.1 广义均衡模糊C均值聚类算法 | 第32-33页 |
| 3.3.2 基于特征参数加权的改进度量函数 | 第33-34页 |
| 3.3.3 基于主成分分析法的交通流参数特征权重的确定 | 第34-35页 |
| 3.4 估计流程及算法实现 | 第35-37页 |
| 3.4.1 算法实现流程 | 第35-37页 |
| 3.4.2 实现步骤 | 第37页 |
| 3.5 案例分析 | 第37-43页 |
| 3.6 本章小结 | 第43-44页 |
| 4 基于动态贝叶斯网络多源数据融合的高速公路路段交通状态估计 | 第44-68页 |
| 4.1 引言 | 第44页 |
| 4.2 路段交通流表征参数的获取 | 第44-48页 |
| 4.2.1 基于收费数据的高速公路路段平均行程时间的估计 | 第44-47页 |
| 4.2.2 基于固定车检器数据的路段相对密度的估计 | 第47-48页 |
| 4.3 贝叶斯网络理论基础 | 第48-51页 |
| 4.3.1 贝叶斯网络理论与方法 | 第48-49页 |
| 4.3.2 贝叶斯网络学习 | 第49-50页 |
| 4.3.3 动态贝叶斯网络 | 第50-51页 |
| 4.4 基于动态贝叶斯网络的多源数据融合路段交通状态估计模型 | 第51-57页 |
| 4.4.1 路段交通状态估计的动态贝叶斯网络模型的构建 | 第51-54页 |
| 4.4.2 路段交通状态估计的动态贝叶斯网络模型的推理 | 第54-57页 |
| 4.5 模型的实现与案例分析 | 第57-66页 |
| 4.5.1 模型实现流程 | 第57-59页 |
| 4.5.2 案例分析 | 第59-66页 |
| 4.6 本章小结 | 第66-68页 |
| 5 高速公路基本路段交通状态估计的实现 | 第68-78页 |
| 5.1 引言 | 第68页 |
| 5.2 系统功能概述 | 第68页 |
| 5.3 系统实现平台 | 第68-69页 |
| 5.4 系统总体设计 | 第69-70页 |
| 5.5 系统实现流程 | 第70-72页 |
| 5.6 应用效果分析 | 第72-77页 |
| 5.7 本章小结 | 第77-78页 |
| 6 总结与展望 | 第78-80页 |
| 6.1 总结 | 第78-79页 |
| 6.2 研究展望 | 第79-80页 |
| 致谢 | 第80-82页 |
| 参考文献 | 第82-88页 |
| 附录 | 第88页 |
| A. 作者在攻读硕士学位期间公开的发明专利 | 第88页 |
| B. 作者在攻读硕士学位期间参与的科研项目 | 第88页 |
