| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 交通流预测研究现状 | 第9-11页 |
| 1.2.2 深度学习研究现状 | 第11页 |
| 1.2.3 交通通行效率研究现状 | 第11-12页 |
| 1.3 论文章节安排 | 第12-14页 |
| 第2章 基于深度学习交通流量预测 | 第14-28页 |
| 2.1 深度学习基本原理 | 第14-15页 |
| 2.1.1 深度学习概念 | 第14页 |
| 2.1.2 深度学习的优势 | 第14-15页 |
| 2.2 深度学习的训练过程和常用模型分析 | 第15-23页 |
| 2.2.1 深度学习训练过程 | 第15-17页 |
| 2.2.2 深度学习模型介绍 | 第17-23页 |
| 2.3 深度学习与交通流量算法结合 | 第23-26页 |
| 2.3.1 深度学习模型DBN | 第23-24页 |
| 2.3.2 支持向量回归 | 第24-26页 |
| 2.3.3 基于路网短时交通流量DBN-SVR模型 | 第26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 交通通行效率算法研究 | 第28-36页 |
| 3.1 通行效率方法的基本原理 | 第28-29页 |
| 3.2 影响通行效率影响因素 | 第29-30页 |
| 3.2.1 路口交通的特点 | 第29-30页 |
| 3.2.2 影响通行效率的因素 | 第30页 |
| 3.3 基于路网通行效率模型构建 | 第30-35页 |
| 3.3.1 路段通行效率 | 第31-32页 |
| 3.3.2 四相位路口通行效率 | 第32-33页 |
| 3.3.3 二相位路口通行效率 | 第33-34页 |
| 3.3.4 路网中通行效率 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于深度学习框架交通流量预测仿真平台构建 | 第36-42页 |
| 4.1 深度学习框架选型 | 第36-38页 |
| 4.2 深度学习框架构建 | 第38-40页 |
| 4.3 本章小结 | 第40-42页 |
| 第5章 基于深度学习的交通流量的优化 | 第42-50页 |
| 5.1 数据来源及深度训练过程 | 第42-44页 |
| 5.2 预测结果评估 | 第44-46页 |
| 5.2.1 预测结果性能评估指标 | 第44页 |
| 5.2.2 预测结果评估 | 第44-46页 |
| 5.3 通行效率优化 | 第46-48页 |
| 5.4 通行效率优化结果对比展示 | 第48-49页 |
| 5.5 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-58页 |
| 攻读硕士学位期间所发表的论文 | 第58-60页 |
| 致谢 | 第60页 |