基于路况数据的交通流预测模型及其对比分析
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 1 引言 | 第11-17页 |
| ·选题背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·研究方法 | 第13-14页 |
| ·论文结构 | 第14-17页 |
| 2 交通流预测方法 | 第17-25页 |
| ·交通流基本理论 | 第17-20页 |
| ·交通流参数 | 第17-18页 |
| ·评价指标 | 第18-20页 |
| ·交通流预测模型 | 第20-23页 |
| ·交通流预测定义 | 第20页 |
| ·预测模型特性 | 第20-21页 |
| ·模型分类 | 第21-23页 |
| ·小结 | 第23-25页 |
| 3 ARIMA预测模型的应用研究 | 第25-43页 |
| ·时间序列定义 | 第25-26页 |
| ·ARIMA基本原理 | 第26-27页 |
| ·数据预处理 | 第27-28页 |
| ·基本流程及原理 | 第28-32页 |
| ·平稳性和随机性判断 | 第28-29页 |
| ·样本预处理 | 第29-30页 |
| ·模型识别和参数估计 | 第30-31页 |
| ·模型检验和预测 | 第31-32页 |
| ·模型仿真 | 第32-40页 |
| ·小结 | 第40-43页 |
| 4 BP神经网络预测模型的应用研究 | 第43-59页 |
| ·基本原理 | 第43-48页 |
| ·BP神经网络的结构 | 第43-46页 |
| ·BP神经网络的特点 | 第46页 |
| ·BP神经网络的算法 | 第46-48页 |
| ·基本流程 | 第48-51页 |
| ·样本预处理 | 第49-50页 |
| ·设计网络 | 第50-51页 |
| ·测试网络 | 第51页 |
| ·模型仿真 | 第51-56页 |
| ·小结 | 第56-59页 |
| 5 非参数回归预测模型的应用研究 | 第59-67页 |
| ·基本原理 | 第59-61页 |
| ·非参数回归的结构 | 第59-60页 |
| ·非参数回归的特点 | 第60-61页 |
| ·基本流程 | 第61-63页 |
| ·生成历史数据库 | 第61-62页 |
| ·选取状态向量 | 第62页 |
| ·设定相似机制 | 第62页 |
| ·选取近邻值 | 第62页 |
| ·预测算法 | 第62-63页 |
| ·模型仿真 | 第63-65页 |
| ·小结 | 第65-67页 |
| 6 三类预测模型的对比分析 | 第67-77页 |
| ·评价指标 | 第67-74页 |
| ·绝对误差 | 第67-69页 |
| ·其它误差 | 第69-71页 |
| ·误差分布概率 | 第71-72页 |
| ·可移植性 | 第72-73页 |
| ·可操作性 | 第73-74页 |
| ·综合分析 | 第74-75页 |
| ·小结 | 第75-77页 |
| 7 总结及展望 | 第77-81页 |
| ·研究总结 | 第77-80页 |
| ·研究展望 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 附录 | 第85-95页 |
| 作者简历 | 第95-99页 |
| 学位论文数据集 | 第99页 |
