数据驱动的中观交通排放估计研究及案例分析
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 研究背景 | 第8-12页 |
| 1.1.1 机动车保有量的快速增长 | 第8-9页 |
| 1.1.2 城市大气环境问题日益严重 | 第9-11页 |
| 1.1.3 减排为目的的交通管控策略 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 机动车尾气排放模型研究 | 第12-13页 |
| 1.2.2 机动车尾气扩散排放模型研究 | 第13-14页 |
| 1.2.3 环境影响机理研究 | 第14-15页 |
| 1.2.4 研究现状总结 | 第15页 |
| 1.3 研究目的和意义 | 第15-16页 |
| 1.4 研究内容和方法 | 第16-18页 |
| 第2章 多源数据采集及预处理 | 第18-26页 |
| 2.1 研究相关数据采集 | 第18-24页 |
| 2.1.1 动态交通数据采集 | 第18-20页 |
| 2.1.2 空气质量及气象数据采集 | 第20-24页 |
| 2.2 数据预处理 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 中观机动车尾气排放浓度估算 | 第26-44页 |
| 3.1 交通基本图 | 第26-32页 |
| 3.2 机动车比功率 | 第32-37页 |
| 3.3 交通-排放热力图 | 第37-41页 |
| 3.3.1 加速度-速度-机动车排放热力图 | 第37-40页 |
| 3.3.2 流量-速度-机动车排放热力图 | 第40-41页 |
| 3.4 高斯扩散模型 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 空气污染物浓度估计 | 第44-57页 |
| 4.1 研究选址 | 第44页 |
| 4.2 相关性分析 | 第44-46页 |
| 4.3 实际热力图 | 第46-49页 |
| 4.4 污染物浓度估计模型 | 第49-54页 |
| 4.4.1 一次线性回归模型 | 第49-50页 |
| 4.4.2 人工神经网络 | 第50-52页 |
| 4.4.3 支持向量机 | 第52-54页 |
| 4.5 模型效果及对比 | 第54-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第5章 结论与展望 | 第57-60页 |
| 5.1 全文结论 | 第57-58页 |
| 5.2 未来展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第66页 |
