| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-29页 |
| 1.1 课题研究的背景 | 第10-14页 |
| 1.2 课题研究的意义 | 第14-15页 |
| 1.3 交通流预测方法综述 | 第15-23页 |
| 1.3.1 基于统计理论的预测方法 | 第16-19页 |
| 1.3.2 基于知识发现的智能理论模型预测方法 | 第19-20页 |
| 1.3.3 基于非线性理论的预测方法 | 第20-21页 |
| 1.3.4 基于动态交通分配的预测方法 | 第21-22页 |
| 1.3.5 基于组合模型的预测方法 | 第22-23页 |
| 1.4 深度学习的发展及应用现状 | 第23-26页 |
| 1.5 论文主要研究内容和章节安排 | 第26-29页 |
| 第2章 交通流预测的相关概念和一般流程 | 第29-37页 |
| 2.1 引言 | 第29页 |
| 2.2 交通流的基本概念 | 第29-30页 |
| 2.3 交通流数据的采集 | 第30-31页 |
| 2.4 交通流数据的预处理 | 第31-34页 |
| 2.4.1 异常数据的识别 | 第31-32页 |
| 2.4.2 异常数据的修复 | 第32页 |
| 2.4.3 去噪 | 第32-33页 |
| 2.4.4 归一化和标准化 | 第33-34页 |
| 2.5 交通流预测问题的数学描述 | 第34-35页 |
| 2.6 交通流预测模型的评价指标 | 第35-36页 |
| 2.7 本章小节 | 第36-37页 |
| 第3章 基于LSTM模型的短时交通流量预测 | 第37-53页 |
| 3.1 引言 | 第37页 |
| 3.2 实验数据的来源及分析 | 第37-44页 |
| 3.3 模型的描述和训练集的构造 | 第44-50页 |
| 3.4 实验结果的分析与讨论 | 第50-52页 |
| 3.4.1 结合速度/占有率信息的短时交通流量预测 | 第50-51页 |
| 3.4.2 考虑上下游交通流量状况的短时交通流量预测 | 第51-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第4章 基于Conv-LSTM模型的短时交通流量预测 | 第53-73页 |
| 4.1 引言 | 第53-54页 |
| 4.2 实验数据的来源及分析 | 第54-58页 |
| 4.3 模型的描述和训练集的构造 | 第58-67页 |
| 4.3.1 模型1 | 第59-60页 |
| 4.3.2 模型2 | 第60-61页 |
| 4.3.3 模型3 | 第61-64页 |
| 4.3.4 模型4 | 第64-67页 |
| 4.4 实验结果的分析与讨论 | 第67-72页 |
| 4.5 本章小结 | 第72-73页 |
| 结论 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 攻读硕士学位期间所发表的学术论文 | 第81-82页 |
| 致谢 | 第82页 |
