城市道路交通流状态辨识及决策方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 致谢 | 第8-13页 |
| 第一章 绪论 | 第13-21页 |
| ·论文研究背景 | 第13-14页 |
| ·交通流辨识研究现状 | 第14-18页 |
| ·国外研究状况 | 第14-17页 |
| ·国内研究状况 | 第17-18页 |
| ·主要研究内容 | 第18-19页 |
| ·本文组织结构 | 第19-21页 |
| 第二章 短时交通序列的状态辨识分析 | 第21-37页 |
| ·短时交通流特性分析 | 第21-22页 |
| ·短时交通流预测方法概述 | 第22-29页 |
| ·基于统计理论的传统预测方法 | 第22-23页 |
| ·基于灰色理论的预测方法 | 第23-24页 |
| ·基于非线性理论的预测方法 | 第24-26页 |
| ·基于神经网络的预测方法 | 第26-27页 |
| ·基于动态分配理论的预测模型 | 第27-29页 |
| ·交通状态判别模型概述 | 第29-35页 |
| ·基于固定检测装置的ACI算法 | 第29-33页 |
| ·基于移动检测装置的ACI算法 | 第33-35页 |
| ·交通流辨识评价指标分析 | 第35-36页 |
| ·交通流预测性能及指标 | 第35页 |
| ·交通检测算法评价指标分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 基于小波分析的短时交通流预测方法 | 第37-46页 |
| ·交通序列的随机性及预测模型 | 第37-38页 |
| ·短时随机交通流序列小波空间分解 | 第38-39页 |
| ·基本理论 | 第38页 |
| ·交通序列小波分解的基本步骤 | 第38-39页 |
| ·神经网络与马尔科夫链组合预测法 | 第39-41页 |
| ·随机部分序列预测Markov链法 | 第39-40页 |
| ·交通流稳定部分序列神经网络预测 | 第40-41页 |
| ·交通流序列预测及误差指标 | 第41页 |
| ·实例分析 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 短时交通流组合预测方法及应用 | 第46-56页 |
| ·组合预测模型研究的意义 | 第46页 |
| ·组合预测模型 | 第46-50页 |
| ·组合预测模型的建立 | 第46-47页 |
| ·组合方法模型中权重的确定 | 第47-50页 |
| ·实例分析 | 第50-55页 |
| ·选取单项预测模型 | 第50页 |
| ·数据的获取 | 第50-51页 |
| ·预测结果分析 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 基于预测的交通状态决策方法 | 第56-66页 |
| ·城市道路交通状态分析 | 第56-61页 |
| ·道路交通状态指标 | 第56-57页 |
| ·城市交通状态分析 | 第57-58页 |
| ·城市交通状态划分 | 第58-60页 |
| ·交通拥挤状态识别原理 | 第60-61页 |
| ·基于交通流预测的状态决策模型 | 第61-63页 |
| ·基于交通流预测结果的决策模型 | 第61-62页 |
| ·决策阈值的确定 | 第62-63页 |
| ·实例分析 | 第63-64页 |
| ·数据来源 | 第63页 |
| ·阈值的标定 | 第63页 |
| ·算法应用与结果分析 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| ·论文工作总结与创新 | 第66页 |
| ·研究不足与展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间发表的论文 | 第73页 |
| 硕士期间参与的科研项目 | 第73-74页 |
