| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-21页 |
| 1.2.1 路段行程时间预测 | 第14-17页 |
| 1.2.2 交通流预测 | 第17-21页 |
| 1.3 本文主要工作 | 第21页 |
| 1.4 论文组织结构 | 第21-23页 |
| 第二章 相关研究 | 第23-35页 |
| 2.1 浮动车轨迹数据采集与处理 | 第23-27页 |
| 2.1.1 浮动车轨迹数据采集 | 第23-24页 |
| 2.1.2 浮动车轨迹数据预处理 | 第24-27页 |
| 2.2 神经网络 | 第27-30页 |
| 2.2.1 神经网络结构 | 第27-28页 |
| 2.2.2 激活函数 | 第28-29页 |
| 2.2.3 学习算法 | 第29-30页 |
| 2.3 循环神经网络 | 第30-32页 |
| 2.3.1 循环神经网络模型 | 第30-31页 |
| 2.3.2 长短时记忆网络 | 第31-32页 |
| 2.4 卷积神经网络 | 第32-34页 |
| 2.4.1 卷积神经网络的结构 | 第32-33页 |
| 2.4.2 局部连接和权值共享 | 第33页 |
| 2.4.3 卷积层和采样层 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于时空LSTM网络的路段行程时间预测模型 | 第35-47页 |
| 3.1 问题引述和研究思路 | 第35-36页 |
| 3.2 相关知识 | 第36-38页 |
| 3.2.1 基本概念 | 第36-37页 |
| 3.2.2 ODC矩阵 | 第37-38页 |
| 3.3 基于轨迹数据的路段行程时间数据预处理 | 第38-40页 |
| 3.3.1 轨迹点地图匹配 | 第38-39页 |
| 3.3.2 路段行程时间估计 | 第39-40页 |
| 3.4 LOLTTP模型 | 第40-43页 |
| 3.4.1 模型构建 | 第41-42页 |
| 3.4.2 模型训练 | 第42-43页 |
| 3.5 实验结果与分析 | 第43-46页 |
| 3.5.1 数据集描述 | 第43-44页 |
| 3.5.2 评价准则 | 第44页 |
| 3.5.3 模型参数设置 | 第44页 |
| 3.5.4 实验结果和讨论 | 第44-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 基于卷积循环神经网络的城市区域车流量预测模型 | 第47-57页 |
| 4.1 问题引述和研究思路 | 第47-48页 |
| 4.2 相关知识 | 第48-51页 |
| 4.2.1 车流量预测的基本描述 | 第48-49页 |
| 4.2.2 车流量预测的相关概念 | 第49-51页 |
| 4.3 模型介绍 | 第51-53页 |
| 4.3.1 ConvLSTM网络 | 第51-52页 |
| 4.3.2 CRUTVP模型 | 第52-53页 |
| 4.4 实验验证 | 第53-55页 |
| 4.4.1 数据集描述 | 第53页 |
| 4.4.2 数据预处理 | 第53-54页 |
| 4.4.3 参数设置 | 第54页 |
| 4.4.4 评价准则 | 第54页 |
| 4.4.5 实验结果与讨论 | 第54-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第五章 交通信息预测原型系统设计与实现 | 第57-65页 |
| 5.1 系统整体设计 | 第57-58页 |
| 5.1.1 系统需求分析 | 第57页 |
| 5.1.2 系统架构及原理 | 第57-58页 |
| 5.1.3 数据库设计 | 第58页 |
| 5.2 系统功能模块设计 | 第58-61页 |
| 5.2.1 轨迹数据接口模块 | 第58-59页 |
| 5.2.2 交通信息预处理模块 | 第59页 |
| 5.2.3 交通信息预测模块 | 第59-60页 |
| 5.2.4 可视化模块 | 第60-61页 |
| 5.3 系统界面展示 | 第61-64页 |
| 5.3.1 系统主页面 | 第61页 |
| 5.3.2 城市区域车流量预测 | 第61-63页 |
| 5.3.3 路段行程时间预测 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 本文工作总结 | 第65-66页 |
| 6.2 下一步工作 | 第66-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 作者简介 | 第75页 |