短时交通流预测及路径选择问题的研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 图目录 | 第8-9页 |
| 表目录 | 第9-10页 |
| 符号一览表 | 第10-12页 |
| 目录 | 第12-15页 |
| 第1章 绪论 | 第15-31页 |
| ·引言 | 第15页 |
| ·课题背景 | 第15-16页 |
| ·智能交通系统简介 | 第16-17页 |
| ·交通流 | 第17-20页 |
| ·交通流特性 | 第17-19页 |
| ·交通流基本参数 | 第19-20页 |
| ·交通流预测的分类 | 第20-21页 |
| ·短时交通流预测的研究方法 | 第21-27页 |
| ·历史平均法 | 第21-22页 |
| ·时间序列预测方法 | 第22-23页 |
| ·卡尔曼滤波算法 | 第23-24页 |
| ·指数平滑模型 | 第24-25页 |
| ·基于混沌理论的模型 | 第25页 |
| ·基于小波分析的预测方法 | 第25-26页 |
| ·非参数回归预测方法 | 第26页 |
| ·神经网络预测模型 | 第26-27页 |
| ·论文研究的目的和意义 | 第27-28页 |
| ·短时交通流预测研究的必要性和意义 | 第27-28页 |
| ·路径选择技术的重要性和意义 | 第28页 |
| ·论文的结构和主要工作 | 第28-31页 |
| 第2章 加权组合预测模型 | 第31-49页 |
| ·引言 | 第31页 |
| ·改进K近邻非参数回归预测 | 第31-40页 |
| ·核函数法 | 第32页 |
| ·K近邻法 | 第32-35页 |
| ·改进K近邻非参数回归 | 第35-36页 |
| ·实例分析 | 第36-40页 |
| ·模糊神经网络预测 | 第40-44页 |
| ·模糊神经网络 | 第40-42页 |
| ·实例分析 | 第42-44页 |
| ·加权组合预测 | 第44-47页 |
| ·加权组合预测模型 | 第44-45页 |
| ·实例分析 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 第3章 自适应路径选择算法 | 第49-71页 |
| ·引言 | 第49页 |
| ·路径选择的最优目标 | 第49-51页 |
| ·路段旅行时间和交叉口延误时间推算 | 第51-56页 |
| ·路段旅行时间推算 | 第51-52页 |
| ·交叉口延误时间推算 | 第52-56页 |
| ·城市交通路网模型 | 第56-57页 |
| ·自适应路径选择 | 第57-63页 |
| ·问题描述 | 第57-59页 |
| ·模型的建立 | 第59-62页 |
| ·自适应路径选择算法步骤 | 第62-63页 |
| ·算例分析 | 第63-69页 |
| ·本章小结 | 第69-71页 |
| 第4章 总结与展望 | 第71-73页 |
| ·全文工作总结 | 第71页 |
| ·研究展望 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 作者攻读硕士学位期间完成的科研成果 | 第79-81页 |
| 作者简介 | 第81页 |
