基于模糊c均值的城市道路交通状态判别研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 绪论 | 第10-19页 |
| ·研究背景及意义 | 第10-12页 |
| ·研究现状 | 第12-16页 |
| ·国外研究现状 | 第12-14页 |
| ·国内研究现状 | 第14-16页 |
| ·研究内容 | 第16-17页 |
| ·技术路线 | 第17-19页 |
| 2 交通状态判别指标 | 第19-30页 |
| ·交通参数 | 第19-25页 |
| ·交通参数介绍 | 第19-22页 |
| ·基本交通参数之间的关系 | 第22-25页 |
| ·交通状态判别参数的选取 | 第25-29页 |
| ·参数的选取原则 | 第25-26页 |
| ·交通数据的采集 | 第26-28页 |
| ·参数的确定 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 3 交通数据预处理 | 第30-38页 |
| ·错误交通数据修复 | 第31-33页 |
| ·丢失数据的识别与修复 | 第31页 |
| ·突变数据的识别与修复 | 第31-33页 |
| ·交通数据平滑处理 | 第33-34页 |
| ·数据修复与平滑处理实例 | 第34-37页 |
| ·断面交通数据 | 第37页 |
| ·本章小结 | 第37-38页 |
| 4 基于FCM算法的交通状态判别 | 第38-55页 |
| ·交通状态的度量 | 第38-42页 |
| ·国外关于交通状态度量的研究 | 第39-40页 |
| ·国内关于交通状态度量的研究 | 第40-42页 |
| ·FCM聚类算法 | 第42-45页 |
| ·FCM算法模型 | 第43-44页 |
| ·FCM算法步骤 | 第44-45页 |
| ·FCM聚类算法的参数研究 | 第45-51页 |
| ·模糊加权指数m的研究 | 第45-47页 |
| ·聚类类数c的研究 | 第47-49页 |
| ·基于数据的m、c值的确定 | 第49-51页 |
| ·HCM与FCM结合的算法步骤 | 第51-53页 |
| ·交通状态判别算法评价 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 5 实例分析 | 第55-66页 |
| ·实例交通数据来源 | 第55-57页 |
| ·快速路的特点与功能 | 第55-56页 |
| ·实例交通数据 | 第56-57页 |
| ·FCM聚类结果分析 | 第57-61页 |
| ·m、c值的确定 | 第57-59页 |
| ·聚类结果 | 第59-61页 |
| ·BP神经网络及其对实例交通状态的判别 | 第61-63页 |
| ·BP神经网络 | 第61-63页 |
| ·BP神经网络判别结果分析 | 第63页 |
| ·算法评价 | 第63-66页 |
| ·FCM算法与BP神经网络判别结果对比 | 第64页 |
| ·误判率交叉估计评价 | 第64-66页 |
| 6 总结与展望 | 第66-67页 |
| · | 第66-67页 |
| ·论文的主要工作 | 第66页 |
| ·后续研究工作展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 作者简历 | 第70-72页 |
| 学位论文数据集 | 第72页 |
