基于支持向量机的交通流预测方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-26页 |
| ·研究背景和意义 | 第10-12页 |
| ·交通流预测方法的研究现状 | 第12-23页 |
| ·本文主要研究内容 | 第23-24页 |
| ·本文组织结构 | 第24-26页 |
| 2 交通流特性及影响因素分析 | 第26-39页 |
| ·交通流基本特征参数 | 第26-29页 |
| ·交通流特性分析 | 第29页 |
| ·交通流变化特性 | 第29-35页 |
| ·时间相关性 | 第30-32页 |
| ·空间相关性 | 第32-33页 |
| ·时空相关性分析 | 第33-35页 |
| ·影响交通流变化的主要因素 | 第35-38页 |
| ·交通基础设施的影响 | 第35-36页 |
| ·交通需求变化的影响 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 3 自适应参数选择的交通流预测 | 第39-62页 |
| ·交通流预测模型 | 第39-40页 |
| ·支持向量机理论基础与原理 | 第40-49页 |
| ·统计学习理论 | 第40-44页 |
| ·支持向量回归 | 第44-49页 |
| ·自适应参数选择 | 第49-52页 |
| ·参数对支持向量机的影响 | 第49页 |
| ·参数选择研究现状 | 第49-51页 |
| ·参数选择方法 | 第51-52页 |
| ·仿真研究 | 第52-61页 |
| ·支持向量机回归预测过程 | 第52-53页 |
| ·数据处理和样本提取 | 第53-55页 |
| ·评价指标 | 第55页 |
| ·实验方法 | 第55-61页 |
| ·本章小结 | 第61-62页 |
| 4 多尺度核函数的交通流预测 | 第62-78页 |
| ·核函数的研究现状 | 第62-64页 |
| ·核函数的原理 | 第64-66页 |
| ·核函数的基本性质 | 第64-65页 |
| ·核函数的构造 | 第65-66页 |
| ·小波核函数的构造 | 第66-70页 |
| ·Marr小波 | 第66-67页 |
| ·小波框架核函数构造 | 第67-69页 |
| ·小波支持向量机回归函数构造 | 第69-70页 |
| ·尺度核函数的构造 | 第70-71页 |
| ·构造条件 | 第70-71页 |
| ·多尺度核函数构造 | 第71页 |
| ·交通流预测仿真 | 第71-77页 |
| ·交通流预测核函数选择分析 | 第71-72页 |
| ·核函数性能比较模型 | 第72-73页 |
| ·仿真研究 | 第73-77页 |
| ·本章小结 | 第77-78页 |
| 5 基于AOSVR的交通流预测 | 第78-85页 |
| ·SVM增量学习的研究现状 | 第78-80页 |
| ·AOSVR原理 | 第80-81页 |
| ·AOSVR的建模及交通流预测仿真 | 第81-84页 |
| ·交通流预测在线建模步骤 | 第81-82页 |
| ·仿真实验 | 第82-84页 |
| ·本章小结 | 第84-85页 |
| 6 并行支持向量机的交通流预测 | 第85-97页 |
| ·并行计算平台 | 第85-87页 |
| ·硬件平台 | 第85-86页 |
| ·软件平台 | 第86-87页 |
| ·交通流预测并行算法 | 第87-91页 |
| ·并行SVM研究现状 | 第87-88页 |
| ·并行SMO算法 | 第88-90页 |
| ·并行算法性能评估指标 | 第90-91页 |
| ·路网流量并行预测仿真实验 | 第91-96页 |
| ·基于并行SMO的交通流预测 | 第91-93页 |
| ·大规模路网多路段并行实验 | 第93-96页 |
| ·本章小结 | 第96-97页 |
| 7 交通流预测信息发布 | 第97-104页 |
| ·交通信息服务发布方式 | 第97-98页 |
| ·交通实时预测信息体系结构 | 第98-99页 |
| ·交通信息服务领域建模及构件实现 | 第99-102页 |
| ·交通信息服务领域分析 | 第99-100页 |
| ·交通信息服务领域建模 | 第100-101页 |
| ·交通信息服务构件的实现 | 第101-102页 |
| ·应用部署 | 第102-103页 |
| ·本章小结 | 第103-104页 |
| 结论 | 第104-107页 |
| 参考文献 | 第107-122页 |
| 攻读博士学位期间发表学术论文情况 | 第122-124页 |
| 攻读博士学位期间参与科研工作 | 第124-125页 |
| 致谢 | 第125-126页 |
| 作者简介 | 第126-128页 |
