| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·国外研究 | 第9页 |
| ·国内研究 | 第9-10页 |
| ·主要研究内容与技术路线 | 第10-12页 |
| ·主要研究内容 | 第10页 |
| ·研究技术路线 | 第10-12页 |
| 第二章 城市动态交通信息采集系统的框架设计 | 第12-18页 |
| ·城市动态交通信息采集系统的需求分析 | 第12-14页 |
| ·城市道路交通状态检测系统的需求分析 | 第12页 |
| ·交通信号控制系统的需求分析 | 第12-13页 |
| ·交通诱导系统的需求分析 | 第13页 |
| ·交通事故紧急救援系统的需求分析 | 第13页 |
| ·交通信息服务系统的需求分析 | 第13-14页 |
| ·城市动态交通信息采集系统的功能单元设计 | 第14页 |
| ·城市动态交通信息采集系统的信息流程设计 | 第14-15页 |
| ·城市动态交通信息采集系统的应用框架设计 | 第15-16页 |
| ·城市动态交通信息采集系统设计 | 第16-17页 |
| ·信息采集子系统 | 第16页 |
| ·信息处理子系统 | 第16页 |
| ·信息发布子系统 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 城市动态交通信息采集技术分析研究 | 第18-30页 |
| ·概述 | 第18页 |
| ·埋入式检测技术 | 第18-21页 |
| ·环形感应线圈检测器 | 第18-20页 |
| ·压电检测器 | 第20页 |
| ·磁力检测器 | 第20-21页 |
| ·气压管型道路车辆检测器 | 第21页 |
| ·悬挂式检测技术 | 第21-25页 |
| ·视频图象检测器 | 第21-22页 |
| ·微波雷达检测器 | 第22-23页 |
| ·红外线检测器 | 第23-24页 |
| ·超声波检测器 | 第24-25页 |
| ·被动声学检测器 | 第25页 |
| ·几种主要的动态交通信息采集技术的比较 | 第25-29页 |
| ·各种检测器输出的交通参数特性比较分析 | 第25-26页 |
| ·周围环境的适用性分析 | 第26页 |
| ·成本费用比较分析 | 第26-29页 |
| ·不同交通控制系统的动态交通信息采集技术 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第四章 交通检测器优化布置研究 | 第30-42页 |
| ·交通检测器的布置原则 | 第30-31页 |
| ·交通检测器的优化布点研究 | 第31-36页 |
| ·已有研究成果 | 第31页 |
| ·检测点分布规则分析 | 第31-33页 |
| ·交通检测器的优化布点研究 | 第33-34页 |
| ·交通检测器的优化布点算例分析 | 第34-36页 |
| ·交通检测器的选择方法研究 | 第36-40页 |
| ·交通检测器选择的影响因素分析 | 第37页 |
| ·模糊综合评判数学模型建立的步骤 | 第37-38页 |
| ·交通检测器选择的模糊综合评判法 | 第38-40页 |
| ·其他交通检测器辅助性布置的建议 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 短期交通流预测 | 第42-51页 |
| ·概述 | 第42-43页 |
| ·基于数学模型的预测方法 | 第43-44页 |
| ·参数回归模型 | 第43页 |
| ·自回归综合滑动平均模型（ARIMA） | 第43页 |
| ·自适应权重模型 | 第43-44页 |
| ·Kalman 滤波模型 | 第44页 |
| ·无模型算法 | 第44-45页 |
| ·非参数回归模型 | 第44页 |
| ·基于小波分析的算法 | 第44-45页 |
| ·状态空间重构模型 | 第45页 |
| ·神经网络模型 | 第45页 |
| ·数据缺失情况下的短期交通流量预测研究 | 第45-48页 |
| ·缺失数据的识别与修复 | 第46页 |
| ·RBF 神经网络预测模型 | 第46-47页 |
| ·基于RBF 神经网络的短期交通流预测模型原理和算法 | 第47-48页 |
| ·短期交通流预测误差指标 | 第48页 |
| ·实例 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 结论与展望 | 第51-53页 |
| ·本文的主要研究成果和结论 | 第51页 |
| ·进一步研究方向 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 作者攻读硕士学位期间发表论文和参与项目 | 第57页 |