| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-27页 |
| 1.1 研究背景 | 第9-12页 |
| 1.2 高速公路交通事故管理的框架模型 | 第12-15页 |
| 1.3 国内外研究现状综述 | 第15-21页 |
| 1.3.1 短时交通流预测 | 第16-18页 |
| 1.3.2 交通事件侦测 | 第18-19页 |
| 1.3.3 交通事故预警 | 第19-20页 |
| 1.3.4 事故影响分析 | 第20页 |
| 1.3.5 事故应对处理 | 第20-21页 |
| 1.4 现有研究评述及研究目的 | 第21-22页 |
| 1.5 本文研究内容 | 第22-25页 |
| 1.6 主要创新点 | 第25-26页 |
| 1.7 本文结构 | 第26-27页 |
| 第二章 面向交通流非参数预测的状态向量优化选择方法 | 第27-45页 |
| 2.1 研究目标与动机 | 第27-28页 |
| 2.2 理论基础与方法框架 | 第28-33页 |
| 2.2.1 问题定义与算法原理 | 第28-30页 |
| 2.2.2 编码 | 第30-31页 |
| 2.2.3 适应度计算 | 第31-33页 |
| 2.3 实验及结果分析 | 第33-42页 |
| 2.3.1 实验设计 | 第33-35页 |
| 2.3.2 实验结果 | 第35-41页 |
| 2.3.3 结果分析 | 第41-42页 |
| 2.4 算法的分布化 | 第42-44页 |
| 2.5 本章小结 | 第44-45页 |
| 第三章 数据驱动的交通流短时预测系统 | 第45-66页 |
| 3.1 研究目标 | 第45-46页 |
| 3.2 系统总体结构 | 第46-49页 |
| 3.3 模式库 | 第49-56页 |
| 3.3.1 R 树上的近邻模式查找 | 第51-53页 |
| 3.3.2 R 树的插入与删除算法 | 第53-54页 |
| 3.3.3 模式库的动态调整 | 第54页 |
| 3.3.4 模式库的动态增加 | 第54-56页 |
| 3.3.5 模式库的动态清理 | 第56页 |
| 3.4 系统的其他优化 | 第56-57页 |
| 3.4.1 减少“数据移动”降低网络 I/O | 第56-57页 |
| 3.4.2 优化存储结构提高 I/O 效率 | 第57页 |
| 3.5 系统效果验证 | 第57-65页 |
| 3.5.1 搜索效率 | 第57-58页 |
| 3.5.2 基于仿真的系统在线实验 | 第58-65页 |
| 3.6 本章小结 | 第65-66页 |
| 第四章 高速公路交通事故宏观规律分析——以津蓟高速为例 | 第66-82页 |
| 4.1 时段分布统计 | 第66-72页 |
| 4.1.1 统计描述 | 第66-68页 |
| 4.1.2 时段聚类分析 | 第68-72页 |
| 4.2 星期分布统计 | 第72页 |
| 4.3 月份分布统计 | 第72-73页 |
| 4.4 事故路段分布统计 | 第73-74页 |
| 4.5 交通事故起数与流量关系 | 第74-75页 |
| 4.6 基于神经网络的高速交通事故预测 | 第75-80页 |
| 4.6.1 研究背景 | 第75-76页 |
| 4.6.2 神经网络 | 第76-78页 |
| 4.6.3 事故数量预测 | 第78-80页 |
| 4.7 本章小结 | 第80-82页 |
| 第五章 基于模糊推理的高速公路交通事故短时预警算法 | 第82-102页 |
| 5.1 模糊推理简介 | 第82-84页 |
| 5.2 算法基本过程 | 第84-97页 |
| 5.2.1 数据准备 | 第85-87页 |
| 5.2.2 优化步骤 1 | 第87-93页 |
| 5.2.3 优化步骤 2 | 第93-97页 |
| 5.3 实验及结果分析 | 第97-101页 |
| 5.3.1 数据来源 | 第97页 |
| 5.3.2 实验结果 | 第97-101页 |
| 5.4 本章小结 | 第101-102页 |
| 第六章 高速公路交通事件巡逻车的最优调度 | 第102-116页 |
| 6.1 问题和模型描述 | 第103-104页 |
| 6.1.1 问题描述 | 第103-104页 |
| 6.1.2 目标函数设计 | 第104页 |
| 6.2 算法介绍 | 第104-107页 |
| 6.2.1 路径的产生 | 第105-106页 |
| 6.2.2 求解最优的停留时间 | 第106-107页 |
| 6.2.3 解的更新 | 第107页 |
| 6.3 实验结果 | 第107-114页 |
| 6.3.1 算法参数设置 | 第108-109页 |
| 6.3.2 算法效率证明 | 第109-110页 |
| 6.3.3 实验结果 | 第110-114页 |
| 6.4 本章小结 | 第114-116页 |
| 第七章 总结与展望 | 第116-118页 |
| 7.3 本文结论 | 第116-117页 |
| 7.4 未来研究展望 | 第117-118页 |
| 参考文献 | 第118-128页 |
| 发表论文和参加科研情况说明 | 第128-129页 |
| 致谢 | 第129页 |
