基于卡口系统的路段旅行时间预测及系统原型设计
| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 课题研究背景 | 第13-15页 |
| 1.2 课题研究意义 | 第15页 |
| 1.3 文献综述 | 第15-21页 |
| 1.3.1 历史平均算法 | 第15-16页 |
| 1.3.2 非参数回归算法 | 第16-17页 |
| 1.3.3 人工神经网络算法 | 第17页 |
| 1.3.4 卡尔曼滤波算法 | 第17-18页 |
| 1.3.5 其他预测算法 | 第18-21页 |
| 1.4 研究内容 | 第21-23页 |
| 1.5 本文章节安排 | 第23-25页 |
| 第二章 基于卡口系统的旅行时间估计 | 第25-37页 |
| 2.1 检测技术及数据分析 | 第25-29页 |
| 2.1.1 检测技术简介 | 第25-27页 |
| 2.1.2 本文数据说明及分析 | 第27-29页 |
| 2.2 基于卡口系统的旅行时间估计 | 第29-30页 |
| 2.3 错误数据识别与处理 | 第30-34页 |
| 2.3.1 错误数据识别 | 第30-31页 |
| 2.3.2 错误数据处理 | 第31-34页 |
| 2.4 缺失数据识别与修复 | 第34-36页 |
| 2.4.1 缺失数据识别 | 第34页 |
| 2.4.2 缺失数据修复 | 第34-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 基于补偿模糊神经网络的旅行时间预测 | 第37-49页 |
| 3.1 旅行时间特性分析 | 第37-38页 |
| 3.2 预测模型分析 | 第38-39页 |
| 3.3 补偿模糊神经网络模型建立 | 第39-47页 |
| 3.3.1 模型简介 | 第39-40页 |
| 3.3.2 模型结构 | 第40-41页 |
| 3.3.3 模型建立 | 第41-43页 |
| 3.3.4 模型学习算法 | 第43-46页 |
| 3.3.5 求解算法 | 第46-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第四章 案例分析 | 第49-61页 |
| 4.1 数据来源 | 第49-50页 |
| 4.2 数据处理 | 第50-51页 |
| 4.3 对比模型 | 第51-52页 |
| 4.3.1 BP神经网络 | 第51页 |
| 4.3.2 卡尔曼滤波算法 | 第51-52页 |
| 4.4 预测性能评价与分析 | 第52-59页 |
| 4.4.1 模型准确性分析 | 第55-57页 |
| 4.4.2 模型可靠性分析 | 第57-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第五章 系统原型设计 | 第61-71页 |
| 5.1 系统整体结构设计 | 第61-63页 |
| 5.2 采集与存储层 | 第63-65页 |
| 5.2.1 数据采集模块 | 第63-64页 |
| 5.2.2 数据库管理模块 | 第64-65页 |
| 5.3 数据处理层 | 第65-66页 |
| 5.4 功能管理层 | 第66-68页 |
| 5.4.1 旅行时间预测模块 | 第66-67页 |
| 5.4.2 统计分析模块 | 第67页 |
| 5.4.3 用户管理模块 | 第67-68页 |
| 5.5 系统应用及扩展 | 第68-69页 |
| 5.6 本章小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 本文主要研究成果 | 第71-72页 |
| 6.2 下一步工作展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-81页 |
| 硕士期间发表的论文和科研成果 | 第81-82页 |
| 附件 | 第82页 |
