| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-20页 |
| 1.1 课题背景 | 第8-9页 |
| 1.2 道路交通拥堵概述 | 第9-13页 |
| 1.2.1 道路交通拥堵的描述 | 第9页 |
| 1.2.2 道路交通拥堵程度的划分 | 第9-11页 |
| 1.2.3 道路交通偶发性拥堵分析 | 第11-13页 |
| 1.3 国内外研究现状 | 第13-17页 |
| 1.3.1 交通信息采集技术现状 | 第13-14页 |
| 1.3.2 国内外文献综述 | 第14-17页 |
| 1.3.3 现有算法的不足 | 第17页 |
| 1.4 研究内容、意义与目的 | 第17-18页 |
| 1.4.1 研究内容 | 第17-18页 |
| 1.4.2 研究意义 | 第18页 |
| 1.5 论文章节安排 | 第18-20页 |
| 2 总体方案设计 | 第20-26页 |
| 2.1 本章引言 | 第20页 |
| 2.2 基于公交GPS数据的道路交通偶发性拥堵检测系统体系结构 | 第20-24页 |
| 2.3 基于公交车GPS数据的道路交通偶发性拥堵检测方法 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 基于公交车GPS历史数据的道路交通状态规律分析 | 第26-46页 |
| 3.1 本章引言 | 第26页 |
| 3.2 道路交通历史拥堵程度统计分析 | 第26-31页 |
| 3.2.1 历史参数分析 | 第26-27页 |
| 3.2.2 时段和路段划分 | 第27-28页 |
| 3.2.3 交通状态整体分析 | 第28-30页 |
| 3.2.4 交通状态差异分析 | 第30-31页 |
| 3.3 基于K-均值聚类自适应算法的交通状态模式识别 | 第31-41页 |
| 3.3.1 道路交通状态特征提取 | 第31-36页 |
| 3.3.2 交通情景划分的必要性 | 第36页 |
| 3.3.3 K-均值自适应聚类算法 | 第36-41页 |
| 3.3.4 道路交通情景的划分实验结果与交通状态特征分析 | 第41页 |
| 3.4 基于四分位差的道路交通偶发性拥堵量化界定 | 第41-44页 |
| 3.4.1 基于四分位差的道路交通偶发性拥堵量化界定方法 | 第41-42页 |
| 3.4.2 道路偶发性拥堵量化界定实验结果及分析 | 第42-44页 |
| 3.5 本章小结 | 第44-46页 |
| 4 基于CVA的道路交通偶发性拥堵检测 | 第46-62页 |
| 4.1 本章引言 | 第46页 |
| 4.2 实时参数分析 | 第46-52页 |
| 4.3 CVA原理简介 | 第52-56页 |
| 4.4 CVA模型构建 | 第56-58页 |
| 4.5 道路交通偶发性拥堵的检测 | 第58-60页 |
| 4.5.1 参数选择 | 第58页 |
| 4.5.2 判别指标选择 | 第58-59页 |
| 4.5.3 阈值的确定 | 第59-60页 |
| 4.5.4 道路交通偶发性拥堵的最终判定 | 第60页 |
| 4.6 本章小结 | 第60-62页 |
| 5 道路交通偶发性拥堵检测系统实现与应用 | 第62-72页 |
| 5.1 本章引言 | 第62页 |
| 5.2 系统的实现 | 第62-64页 |
| 5.3 评价指标体系的建立 | 第64-65页 |
| 5.4 检测结果分析 | 第65-70页 |
| 5.4.1 CVA规范变量系数及其显著性分析 | 第65-67页 |
| 5.4.2 道路交通状态实时变化趋势分析 | 第67-68页 |
| 5.4.3 道路交通偶发性拥堵检测结果分析 | 第68-69页 |
| 5.4.4 检测结果对比 | 第69-70页 |
| 5.5 本章小结 | 第70-72页 |
| 6 总结与展望 | 第72-74页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 附录 | 第80页 |
| A. 作者在攻读学位期间申请的发明专利目录 | 第80页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第80页 |
