| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究目的与意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-16页 |
| 1.3.1 交通状态参数选取研究现状 | 第11-12页 |
| 1.3.2 交通状态度量标准研究现状 | 第12-14页 |
| 1.3.3 交通状态识别算法研究现状 | 第14-16页 |
| 1.4 研究内容及重点 | 第16-18页 |
| 1.4.1 研究内容 | 第16-17页 |
| 1.4.2 研究重点 | 第17-18页 |
| 1.5 技术路线 | 第18-19页 |
| 第二章 城市快速路交通数据统计特性分析 | 第19-41页 |
| 2.1 研究对象特点及数据获取 | 第19-20页 |
| 2.1.1 快速路研究特点 | 第19页 |
| 2.1.2 研究数据获取 | 第19-20页 |
| 2.2 城市快速路交通数据统计分布特性分析 | 第20-26页 |
| 2.2.1 基于纵向时空分析交通状态分布特性 | 第20-23页 |
| 2.2.2 基于横向时空分析交通状态分布特性 | 第23-26页 |
| 2.3 城市快速路交通数据统计分布相关性分析 | 第26-40页 |
| 2.3.1 基于时间分析状态参数分布相关性研究 | 第27-32页 |
| 2.3.2 基于纵向空间分析状态参数分布相关性研究 | 第32-35页 |
| 2.3.3 基于横向空间分析状态参数分布相关性研究 | 第35-40页 |
| 2.3.4 结论总述 | 第40页 |
| 2.4 本章小结 | 第40-41页 |
| 第三章 城市快速路交通状态模糊估计 | 第41-52页 |
| 3.1 快速路交通状态模糊估计思路 | 第41页 |
| 3.2 灰色关联系统聚类基本理论算法 | 第41-44页 |
| 3.2.1 灰色关联度 | 第41-42页 |
| 3.2.2 基于灰色关联系统聚类基本方法 | 第42-44页 |
| 3.3 基于灰色关联系统聚类交通状态梯度向量估计 | 第44-46页 |
| 3.4 基于灰色关联系统聚类交通状态模糊估计 | 第46-51页 |
| 3.4.1 交通状态模糊估计分类 | 第46-50页 |
| 3.4.2 交通状态模糊估计结果 | 第50-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 城市快速路交通状态统计特征分析 | 第52-67页 |
| 4.1 交通状态类型基本理论 | 第52-54页 |
| 4.2 宏观交通状态类型判定 | 第54-58页 |
| 4.3 宏观交通状态统计特征分析 | 第58-65页 |
| 4.3.1 稳定自由流状态统计特征分析 | 第59-61页 |
| 4.3.2 亚稳定收敛状态统计特征分析 | 第61-63页 |
| 4.3.3 亚稳定捕捉状态统计特征分析 | 第63-64页 |
| 4.3.4 稳定阻塞状态统计特征分析 | 第64-65页 |
| 4.4 宏观交通状态特征分级 | 第65-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第五章 城市快速路交通状态特征辨识 | 第67-78页 |
| 5.1 交通状态特征辨识基本理论 | 第67-71页 |
| 5.1.1 识别原理基础 | 第67-69页 |
| 5.1.2 组合规则 | 第69-71页 |
| 5.2 交通状态特征辨识模型构建 | 第71-75页 |
| 5.2.1 交通状态特征辨识模型构建思路 | 第71页 |
| 5.2.2 基本概率赋值函数确定 | 第71-72页 |
| 5.2.3 交通状态特征辨识模型确定 | 第72-75页 |
| 5.3 实例分析 | 第75-77页 |
| 5.4 本章小结 | 第77-78页 |
| 结论与展望 | 第78-80页 |
| 研究总结 | 第78页 |
| 未来展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 附录 | 第84-87页 |
| 攻读硕士学位期间取得的成果 | 第87-88页 |
| 致谢 | 第88-89页 |