城市快速路路段行程时间估计与预测方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究对象界定 | 第11页 |
| 1.3 研究内容与论文结构 | 第11-12页 |
| 1.4 技术路线 | 第12-14页 |
| 2 国内外研究现状 | 第14-22页 |
| 2.1 路段行程时间估计研究现状 | 第14-16页 |
| 2.2 路段行程时间预测研究现状 | 第16-21页 |
| 2.2.1 基于线性理论的预测方法 | 第16-18页 |
| 2.2.2 基于非线性理论的预测方法 | 第18-20页 |
| 2.2.3 基于组合理论的预测方法 | 第20-21页 |
| 2.3 小结 | 第21-22页 |
| 3 基于行程—时间域法的路段行程时间估计 | 第22-41页 |
| 3.1 快速路微波数据采集原理及特性分析 | 第22-29页 |
| 3.1.1 微波数据采集原理 | 第22-25页 |
| 3.1.2 微波数据特性分析 | 第25-29页 |
| 3.2 行程—时间域法概述 | 第29-33页 |
| 3.2.1 行程—时间域定义 | 第29-30页 |
| 3.2.2 估计算法设计 | 第30-32页 |
| 3.2.3 估计性能评价指标 | 第32-33页 |
| 3.3 实例分析 | 第33-40页 |
| 3.4 小结 | 第40-41页 |
| 4 基于小波神经网络的路段行程时间预测 | 第41-51页 |
| 4.1 神经网络概述 | 第41-43页 |
| 4.2 小波分析概述 | 第43-45页 |
| 4.3 小波神经网络路段行程时间预测模型构建 | 第45-50页 |
| 4.3.1 小波神经网络基础 | 第45-48页 |
| 4.3.2 模型建立 | 第48页 |
| 4.3.3 参数控制 | 第48-49页 |
| 4.3.4 算法实现 | 第49-50页 |
| 4.4 小结 | 第50-51页 |
| 5 实例分析 | 第51-60页 |
| 5.1 数据描述及预处理 | 第51-52页 |
| 5.2 模型训练和模型检验 | 第52-55页 |
| 5.3 模型比较 | 第55-59页 |
| 5.3.1 BP神经网络 | 第55-58页 |
| 5.3.2 结果分析 | 第58-59页 |
| 5.4 小结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 论文的工作总结 | 第60页 |
| 6.2 进一步的研究工作 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65-69页 |
| 作者简历及攻读硕士 /博士学位期间取得的研究成果 | 第69-71页 |
| 学位论文数据集 | 第71页 |
