城市道路短时交通流预测
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-17页 |
| ·ITS国内、外发展概述 | 第8-11页 |
| ·目前ITS研究的内容和关键问题 | 第11-13页 |
| ·本文研究的目的和意义 | 第13-16页 |
| ·本文的主要内容与结构 | 第16-17页 |
| 第二章 交通流特性分析及交通流预测方法 | 第17-25页 |
| ·交通流概念及交通流的特性 | 第17-20页 |
| ·交通流预测方法 | 第20-23页 |
| ·交通流混合预测方法 | 第23-24页 |
| ·小结 | 第24-25页 |
| 第三章 短时交通流的小波分解与重构 | 第25-35页 |
| ·小波分析基础 | 第25-29页 |
| ·定义 | 第25页 |
| ·几种小波基函数 | 第25-29页 |
| ·二进小波性质及构造 | 第29页 |
| ·多分辨分析与Mallat算法 | 第29-32页 |
| ·短时交通流数据分解与重构 | 第32-34页 |
| ·对数据进行小波分解、重构的步骤 | 第32-33页 |
| ·对交通流数据进行分解与单枝重构的具体操作 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第四章 基于小波变换与AR模型的预测方法 | 第35-48页 |
| ·时间序列建模预备理论 | 第35-39页 |
| ·时间序列模型 | 第35-36页 |
| ·时间序列统计量 | 第36-37页 |
| ·时间序列模式识别 | 第37-39页 |
| ·AR模型预测方法的基本原理 | 第39-40页 |
| ·预测效果评价 | 第40页 |
| ·AR模型直接对交通流流量进行预测 | 第40-43页 |
| ·基于AR模型与小波变换对交通流的预测 | 第43-47页 |
| ·模型定阶 | 第43-44页 |
| ·参数估计 | 第44-45页 |
| ·预测结果 | 第45-47页 |
| ·小结 | 第47-48页 |
| 第五章 城市交通流混合预测模型的建立 | 第48-57页 |
| ·基于BP神经网络模型的交通流量预测算法 | 第48-52页 |
| ·BP神经网络介绍 | 第48-52页 |
| ·基于BP神经网络的交通流量预测 | 第52页 |
| ·基于混合模型的预测方法 | 第52-53页 |
| ·混合预测模型参数的确定 | 第53页 |
| ·混合预测模型的建立 | 第53-55页 |
| ·仿真结果分析 | 第55-57页 |
| 结论 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-60页 |
