| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11页 |
| 1.2 研究目的与意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-16页 |
| 1.3.1 预测方法分类 | 第12-13页 |
| 1.3.2 交通流预测研究现状 | 第13-16页 |
| 1.4 研究内容与技术路线 | 第16-18页 |
| 1.4.1 研究思路 | 第16-17页 |
| 1.4.2 技术路线 | 第17-18页 |
| 1.5 文章组织结构 | 第18-19页 |
| 2 交通事件获取 | 第19-29页 |
| 2.1 概述 | 第19页 |
| 2.2 交通事件获取原理及预处理 | 第19-24页 |
| 2.2.1 交通事件数据分类 | 第19-20页 |
| 2.2.2 交通事件获取原理 | 第20-21页 |
| 2.2.3 文本报警数据预处理 | 第21-24页 |
| 2.3 基于Ansj的交通事件空间位置获取 | 第24-28页 |
| 2.3.1 Ansj简介 | 第24-25页 |
| 2.3.2 空间位置信息数据库的建立 | 第25-26页 |
| 2.3.3 交通事件位置检索的实现 | 第26-27页 |
| 2.3.4 事件位置获取的准确性评价 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 突发事件下交通流时空特征分析 | 第29-43页 |
| 3.1 概述 | 第29页 |
| 3.2 交通流时空分布特征 | 第29-33页 |
| 3.2.1 交通流时间分布特征 | 第29-30页 |
| 3.2.2 交通流空间分布特征 | 第30-33页 |
| 3.3 突发事件对交通流影响分析 | 第33-39页 |
| 3.3.1 事件情况下路段交通流速度分析 | 第34-36页 |
| 3.3.2 正常情况下路段交通流速度分析 | 第36-37页 |
| 3.3.3 事件情况下和正常情况下的速度对比分析 | 第37-39页 |
| 3.4 事件情况下交通流相关性分析 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 突发事件下时空特征融合的交通流预测 | 第43-58页 |
| 4.1 突发事件下交通流预测总体方案 | 第43-45页 |
| 4.2 交通流时空特征提取 | 第45-48页 |
| 4.2.1 交通流时间序列特征提取 | 第45-46页 |
| 4.2.2 交通流空间特征提取 | 第46-48页 |
| 4.3 基于随机森林的突发事件交通流预测模型 | 第48-52页 |
| 4.3.1 分类回归树 | 第48-49页 |
| 4.3.2 随机森林的收敛性 | 第49页 |
| 4.3.3 随机森林的分类效能 | 第49-50页 |
| 4.3.4 随机森林模型的构建 | 第50-52页 |
| 4.4 基于ARIMA和卡尔曼滤波的突发事件交通流预测模型 | 第52-55页 |
| 4.4.1 ARIMA突发事件交通流预测模型 | 第52-53页 |
| 4.4.2 卡尔曼滤波突发事件交通流预测模型 | 第53-55页 |
| 4.5 基于时空特征融合的交通流预测 | 第55-56页 |
| 4.6 预测结果评价指标 | 第56-57页 |
| 4.7 本章小结 | 第57-58页 |
| 5 实证研究 | 第58-77页 |
| 5.1 数据来源 | 第58-59页 |
| 5.2 未考虑事件因素的交通流预测 | 第59-67页 |
| 5.2.1 基于随机森林的交通流预测 | 第59-61页 |
| 5.2.2 ARIMA和卡尔曼滤波交通流预测 | 第61-64页 |
| 5.2.3 交通流预测结果评价 | 第64-67页 |
| 5.3 考虑事件因素的交通流预测 | 第67-75页 |
| 5.3.1 基于随机森林的交通流预测 | 第67-69页 |
| 5.3.2 ARIMA和卡尔曼滤波交通流预测 | 第69-72页 |
| 5.3.3 交通流预测结果评价 | 第72-75页 |
| 5.4 不同预测方法对比分析 | 第75-76页 |
| 5.5 本章小结 | 第76-77页 |
| 6 结论与展望 | 第77-79页 |
| 6.1 结论 | 第77-78页 |
| 6.2 研究展望 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第82-84页 |
| 学位论文数据集 | 第84页 |