| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 选题背景与研究意义 | 第11-12页 |
| 1.2 国内外研究状况分析 | 第12-15页 |
| 1.2.1 静态OD估计研究概况 | 第12-14页 |
| 1.2.2 动态OD估计研究概况 | 第14页 |
| 1.2.3 多类型数据OD矩阵估计研究概况 | 第14-15页 |
| 1.3 研究目标及内容 | 第15-17页 |
| 1.4 研究技术路线 | 第17-19页 |
| 第2章 路径选择模型与贝叶斯推断原理 | 第19-33页 |
| 2.1 路径选择模型 | 第19-22页 |
| 2.1.1 用户均衡模型 | 第19-20页 |
| 2.1.2 随机用户均衡模型 | 第20-22页 |
| 2.2 贝叶斯推断基础 | 第22-24页 |
| 2.2.1 贝叶斯推断原理 | 第22页 |
| 2.2.2 统计线性反问题 | 第22-23页 |
| 2.2.3 贝叶斯后验分布的推导 | 第23-24页 |
| 2.3 马尔可夫链蒙特卡罗(MCMC)抽样算法 | 第24-31页 |
| 2.3.1 随机模拟 | 第24-25页 |
| 2.3.2 马尔可夫链及其平稳分布 | 第25-27页 |
| 2.3.3 马尔可夫链蒙特卡罗方法(MCMC方法) | 第27-31页 |
| 2.4 OD矩阵估计精度指标 | 第31-33页 |
| 第3章 基于路段流量的贝叶斯OD矩阵估计 | 第33-41页 |
| 3.1 固定路径选择模式下的OD矩阵估计模型 | 第33-37页 |
| 3.1.1 似然函数推断 | 第33-36页 |
| 3.1.2 先验分布推断 | 第36-37页 |
| 3.1.3 后验分布推断 | 第37页 |
| 3.2 求解固定路径选择模式下的OD矩阵估计模型的算法 | 第37-39页 |
| 3.3 模型扩展 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于多类型数据的贝叶斯OD矩阵估计 | 第41-54页 |
| 4.1 数据关系分析 | 第41-46页 |
| 4.1.1 数据类型介绍 | 第41-42页 |
| 4.1.2 数据间关系分析 | 第42-45页 |
| 4.1.3 数据独立性分析及处理 | 第45-46页 |
| 4.2 多类型数据的贝叶斯OD矩阵估计模型 | 第46-51页 |
| 4.2.1 求解部分路径流量的似然函数 | 第47-48页 |
| 4.2.2 求解路段流量的似然函数 | 第48-49页 |
| 4.2.3 求解交叉口转向流量的似然函数 | 第49-50页 |
| 4.2.4 求解路段车辆旅行速度的似然函数 | 第50-51页 |
| 4.2.5 求解后验分布形式 | 第51页 |
| 4.3 求解多类型数据的贝叶斯OD矩阵估计模型的算法 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 算例分析 | 第54-65页 |
| 5.1 Sioux-Falls网络 | 第54-58页 |
| 5.1.1 路网介绍 | 第54-56页 |
| 5.1.2 基础数据 | 第56-58页 |
| 5.2 基于路段流量的OD估计案例分析 | 第58-61页 |
| 5.2.1 路段流量数据分析 | 第58-60页 |
| 5.2.2 OD流量数据分析 | 第60-61页 |
| 5.3 基于多类型数据的OD估计案例分析 | 第61-65页 |
| 5.3.1 路段流量数据分析 | 第61-62页 |
| 5.3.2 OD流量数据分析 | 第62-65页 |
| 第6章 结论与展望 | 第65-67页 |
| 6.1 主要结论 | 第65-66页 |
| 6.2 主要创新点 | 第66页 |
| 6.3 未来研究展望 | 第66-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士期间发表的学术论文和参与的科研项目 | 第73页 |
