| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-23页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-21页 |
| 1.2.1 道路交通数据获取及预处理研究现状 | 第13-15页 |
| 1.2.2 道路交通参数预测研究现状 | 第15-18页 |
| 1.2.3 道路交通状态判别研究现状 | 第18-21页 |
| 1.3 研究内容及技术路线 | 第21-22页 |
| 1.4 本章小结 | 第22-23页 |
| 第2章 交通数据获取及其预处理 | 第23-39页 |
| 2.1 动态交通数据采集 | 第24-29页 |
| 2.1.1 固定点交通数据采集 | 第24-26页 |
| 2.1.2 轨迹线交通数据采集 | 第26-29页 |
| 2.1.3 大空间交通数据采集 | 第29页 |
| 2.2 交通异常数据识别 | 第29-33页 |
| 2.2.1 基于统计的方法 | 第29-30页 |
| 2.2.2 基于距离的方法 | 第30-31页 |
| 2.2.3 基于密度的方法 | 第31-32页 |
| 2.2.4 基于偏差的方法 | 第32-33页 |
| 2.3 交通异常数据修复 | 第33-37页 |
| 2.3.1 简单插值的异常数据修复方法 | 第33-34页 |
| 2.3.2 基于灰色GM(1,N)模型的异常数据修复方法 | 第34-37页 |
| 2.4 交通数据滤波处理 | 第37-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第3章 交通状态参数计算模型构建 | 第39-56页 |
| 3.1 交通流参数及其特性 | 第39-41页 |
| 3.2 交通状态参数的选择 | 第41-43页 |
| 3.3 行程时间计算模型的构建 | 第43-50页 |
| 3.3.1 行程时间研究基础 | 第43-44页 |
| 3.3.2 行程时间特性分析 | 第44-45页 |
| 3.3.3 行程时间累积直方图模型 | 第45-46页 |
| 3.3.4 改进的行程时间累积直方图模型 | 第46-50页 |
| 3.4 交通流量计算模型的构建 | 第50-55页 |
| 3.4.1 交通流量时间特性 | 第51-52页 |
| 3.4.2 交通流量空间特性 | 第52页 |
| 3.4.3 基于卡尔曼滤波的交通流量计算 | 第52-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第4章 基于云模型的交通状态判别 | 第56-71页 |
| 4.1 交通状态的概念 | 第56-57页 |
| 4.2 云模型简介 | 第57-62页 |
| 4.2.1 云模型的定义 | 第57-59页 |
| 4.2.2 云模型的数字特征 | 第59-60页 |
| 4.2.3 正态云及其性质 | 第60-62页 |
| 4.3 输入变量的选取 | 第62-65页 |
| 4.4 指标权重的确定 | 第65-67页 |
| 4.5 交通状态综合评价 | 第67-70页 |
| 4.6 本章小结 | 第70-71页 |
| 第5章 实例验证 | 第71-85页 |
| 5.1 交通数据预处理 | 第72-74页 |
| 5.2 行程时间短时预测 | 第74-79页 |
| 5.3 交通流量短时预测 | 第79-80页 |
| 5.4 基于云模型的交通状态判别 | 第80-84页 |
| 5.5 本章小结 | 第84-85页 |
| 第6章 结论与展望 | 第85-87页 |
| 6.1 研究结论 | 第85-86页 |
| 6.2 研究展望 | 第86-87页 |
| 参考文献 | 第87-91页 |
| 攻读硕士学位期间论文发表及科研情况 | 第91-92页 |
| 致谢 | 第92页 |