| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 城市道路交通状态判别研究现状 | 第9-10页 |
| 1.2.2 路网交通状态时空分析研究现状 | 第10-11页 |
| 1.3 研究的目的及意义 | 第11-12页 |
| 1.4 研究内容及论文结构 | 第12-13页 |
| 1.5 小结 | 第13-14页 |
| 2 论文研究方案及关键问题 | 第14-19页 |
| 2.1 城市道路交通状态概述 | 第14页 |
| 2.2 论文研究方案 | 第14-16页 |
| 2.3 关键问题分析 | 第16-18页 |
| 2.4 小结 | 第18-19页 |
| 3 城市道路交通数据采集方法及浮动车特性分析 | 第19-30页 |
| 3.1 城市道路交通数据采集方法及特性 | 第19-21页 |
| 3.1.1 固定型交通数据采集方法及特性 | 第19-20页 |
| 3.1.2 移动型交通数据采集方法及特性 | 第20-21页 |
| 3.2 浮动车运行特性及GPS数据特点分析 | 第21-29页 |
| 3.2.1 浮动车运行特性分析 | 第21-23页 |
| 3.2.2 GPS数据特点分析 | 第23-27页 |
| 3.2.3 GPS数据预处理 | 第27-29页 |
| 3.3 小结 | 第29-30页 |
| 4 动态聚类的城市道路交通状态判别标准确定 | 第30-40页 |
| 4.1 城市道路交通状态分类概述 | 第30页 |
| 4.2 K-均值聚类改进算法 | 第30-34页 |
| 4.2.1 K-均值聚类算法简介 | 第31页 |
| 4.2.2 基于方差分析的K-均值聚类改进算法 | 第31-32页 |
| 4.2.3 基于方差分析的K-均值聚类改进算法的优化 | 第32-34页 |
| 4.3 交通状态评价因子的选择 | 第34页 |
| 4.4 实例验证 | 第34-38页 |
| 4.4.1 K-均值聚类改进算法确定最佳分类数 | 第35-36页 |
| 4.4.2 阈值确定 | 第36-38页 |
| 4.5 小结 | 第38-40页 |
| 5 异种浮动车数据融合的城市道路交通状态判别方法研究 | 第40-50页 |
| 5.1 数据融合技术概述 | 第40-41页 |
| 5.2 异种浮动车数据融合的城市道路交通状态判别方法设计 | 第41-43页 |
| 5.2.1 交通状态判别方法与应用的基本框架 | 第41-42页 |
| 5.2.2 异种浮动车数据融合的城市道路交通状态判别方法 | 第42-43页 |
| 5.3 基于浮动车GPS数据的路段平均速度估计 | 第43-45页 |
| 5.3.1 基于公交车GPS数据的路段平均速度估计 | 第43-44页 |
| 5.3.2 基于出租车GPS数据的路段平均速度估计 | 第44-45页 |
| 5.4 道路交通状态判别算法评价指标 | 第45-46页 |
| 5.5 实验验证 | 第46-49页 |
| 5.5.1 研究路段选择 | 第46-47页 |
| 5.5.2 实验验证及分析 | 第47-49页 |
| 5.6 小结 | 第49-50页 |
| 6 路网交通状态时空特征分析 | 第50-61页 |
| 6.1 城市道路网络概述 | 第50-52页 |
| 6.2 时空单位定义及表征参数选取 | 第52-54页 |
| 6.2.1 时空单位定义 | 第52页 |
| 6.2.2 表征参数选取 | 第52-54页 |
| 6.3 时空聚类特征及演化特征分析 | 第54-55页 |
| 6.3.1 聚类特征分析 | 第54页 |
| 6.3.2 演化特征分析 | 第54-55页 |
| 6.4 实例分析 | 第55-60页 |
| 6.4.1 交通状态聚类特征 | 第56-58页 |
| 6.4.2 交通状态演化特征 | 第58-60页 |
| 6.5 小结 | 第60-61页 |
| 7 结论与展望 | 第61-63页 |
| 7.1 论文结论 | 第61-62页 |
| 7.2 展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68页 |
| A. 作者在攻读硕士学位期间发表论文 | 第68页 |
| B. 作者在攻读硕士学位期间公开的发明专利 | 第68页 |
| C. 作者在攻读硕士学位期间参与的科研项目 | 第68页 |
