基于浮动车数据的城市路段行程时间预测研究
| 致谢 | 第1-5页 |
| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-10页 |
| 图表目录 | 第10-12页 |
| 1 绪论 | 第12-19页 |
| ·选题的背景和意义 | 第12页 |
| ·论文选题背景 | 第12页 |
| ·研究目的和意义 | 第12页 |
| ·国内外发展现状 | 第12-17页 |
| ·交通数据采集技术概述 | 第13页 |
| ·浮动车比率研究概述 | 第13-15页 |
| ·行程时间预测方法综述 | 第15-17页 |
| ·研究内容和方法 | 第17-19页 |
| ·主要研究内容 | 第17-18页 |
| ·研究方法和技术路线 | 第18-19页 |
| 2 浮动车系统交通数据采集技术研究 | 第19-31页 |
| ·浮动车系统概述 | 第19-22页 |
| ·浮动车系统定义 | 第19-20页 |
| ·浮动车系统工作原理 | 第20-21页 |
| ·浮动车系统的优点 | 第21-22页 |
| ·浮动车系统的可靠性和准确性 | 第22-28页 |
| ·浮动车系统的影响因素和参数分析 | 第22-26页 |
| ·浮动车系统评估指标 | 第26-27页 |
| ·浮动车系统比率研究 | 第27-28页 |
| ·浮动车系统行程时间估计的实现 | 第28-30页 |
| ·浮动车系统数据采集和处理 | 第28页 |
| ·基于GPS的浮动车系统行程时间估计 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 3 浮动车数据格式及数据处理过程 | 第31-40页 |
| ·浮动车数据格式 | 第31-34页 |
| ·行程时间数据补缺 | 第34-35页 |
| ·行程时间数据去噪 | 第35-39页 |
| ·小波去噪原理分析 | 第36-37页 |
| ·路段行程时间数据去噪 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 4 基于BP神经网络的路段行程时间预测研究 | 第40-59页 |
| ·路段行程时间预测概述 | 第40-41页 |
| ·路段行程时间的定义 | 第40页 |
| ·路段行程时间预测方法 | 第40-41页 |
| ·BP神经网络基本原理 | 第41-48页 |
| ·神经网络发展概况 | 第41页 |
| ·BP神经网络基本原理 | 第41-43页 |
| ·BP网络前馈计算和系数调整 | 第43-47页 |
| ·BP网络的改进算法 | 第47-48页 |
| ·预测建模实例 | 第48-58页 |
| ·建模思想 | 第48-49页 |
| ·网络结构的确定 | 第49页 |
| ·样本对的划分和归一化处理 | 第49-52页 |
| ·训练算法和预测性能指标 | 第52-53页 |
| ·预测实例验证与分析 | 第53-58页 |
| ·本章小结 | 第58-59页 |
| 5 基于遗传神经网络的路段行程时间预测研究 | 第59-67页 |
| ·概述 | 第59-60页 |
| ·遗传算法基本原理 | 第60-62页 |
| ·遗传算法思想及其特点 | 第60-61页 |
| ·遗传算法求解思想和流程 | 第61-62页 |
| ·预测实例研究 | 第62-66页 |
| ·遗传神经网络的构建 | 第63-64页 |
| ·预测结果分析 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 6 论文总结与展望 | 第67-69页 |
| ·论文主要研究结论 | 第67页 |
| ·论文研究展望 | 第67-69页 |
| 参考文献 | 第69-71页 |
| 附录 A | 第71-77页 |
| 作者简历 | 第77-79页 |
| 学位论文数据集 | 第79页 |
