| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·我国城市公路交通中存在的典型问题 | 第8-9页 |
| ·短时交通流量预测研究的背景和意义 | 第9-10页 |
| ·短时交通流量预测研究现状及存在的问题 | 第10页 |
| ·本论文的研究意义 | 第10-12页 |
| ·主要研究内容 | 第12-13页 |
| 第二章 交通流特性分析及短时交通流预测方法 | 第13-21页 |
| ·交通流概念及交通流的特性 | 第13-15页 |
| ·短时交通流预测方法 | 第15-18页 |
| ·短时交通流时空二维融合的预测方法 | 第18-19页 |
| ·预测性能指标 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于小波变换、神经网络、二次指数平滑的短时交通流预测 | 第21-38页 |
| ·小波分解与重构的理论基础 | 第21-26页 |
| ·小波变换的定义 | 第21-22页 |
| ·多尺度（多分辨）分析 | 第22-23页 |
| ·Mallat 算法 | 第23-26页 |
| ·短时交通流数据分解与重构 | 第26-27页 |
| ·神经网络预测模型 | 第27-30页 |
| ·BP 神经网络结构 | 第27-28页 |
| ·BP 神经网络算法 | 第28-30页 |
| ·二次指数平滑理论 | 第30-32页 |
| ·二次指数平滑预测模型 | 第30-32页 |
| ·基于小波变换、神经网络、二次指数平滑的短时交通流预测 | 第32-37页 |
| ·仿真实验 | 第33-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于空间相关性的 RBF 神经网络的短时交通流预测 | 第38-49页 |
| ·空间相关性 | 第38页 |
| ·多断面交通流数据的空间相关性 | 第38-41页 |
| ·相关系数的基本原理 | 第39-40页 |
| ·多断面交通流数据的相关性分析 | 第40-41页 |
| ·RBF 神经网络概述 | 第41-45页 |
| ·RBF 神经网络的基本原理 | 第41-42页 |
| ·径向基函数的定义与分类 | 第42-43页 |
| ·RBF 神经网络模型 | 第43-45页 |
| ·RBF 神经网络的学习算法 | 第45-46页 |
| ·基于空间相关性的RBF 神经网络的短时交通流预测 | 第46-48页 |
| ·基于空间相关性的RBF 神经网络预测模型 | 第47页 |
| ·仿真结果及分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于时空二维融合的短时交通流预测 | 第49-59页 |
| ·信息融合概述 | 第49-53页 |
| ·信息融合原理 | 第49页 |
| ·信息融合的方法 | 第49-52页 |
| ·信息融合的结构 | 第52-53页 |
| ·交通系统的时空二维融合模型 | 第53-54页 |
| ·基于时空二维融合的短时交通流预测模型 | 第54-56页 |
| ·权重的确定方法 | 第55-56页 |
| ·基于时空二维融合的短时交通流预测仿真 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 结论与展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 在学期间发表的论著及取得的科研成果 | 第65页 |
