云模型的交通流预测在智能旅游系统中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景和研究意义 | 第10-12页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·国内外的发展及研究现状 | 第12-15页 |
| ·旅游信息产业的发展 | 第12-13页 |
| ·智能旅游概述 | 第13-14页 |
| ·云模型在交通中的应用 | 第14-15页 |
| ·论文研究内容及组织结构 | 第15-18页 |
| ·研究内容 | 第15-16页 |
| ·组织结构 | 第16-17页 |
| ·技术路线 | 第17-18页 |
| 第二章 基于云模型的短时交通流预测 | 第18-29页 |
| ·交通流预测及优化模型——云模型 | 第18-23页 |
| ·云模型的基本知识 | 第18-22页 |
| ·二维云模的数学模型 | 第22-23页 |
| ·交通流预测 | 第23-26页 |
| ·交通流预测概述 | 第23-24页 |
| ·交通流的数据来源 | 第24-25页 |
| ·交通流的基本参数 | 第25-26页 |
| ·短时交通流预测 | 第26-28页 |
| ·短时交通流预测原理 | 第26页 |
| ·短时交通流预测方法 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 云模型的短时交通流预测及其优化方案的设计 | 第29-57页 |
| ·基于云模型的短时交通流预测及仿真 | 第29-40页 |
| ·建立交通流历史云模型 | 第29-30页 |
| ·建立交通流预测云模型 | 第30-32页 |
| ·云模型的交通流预测仿真 | 第32-40页 |
| ·云模型和 BP 神经网络的预测结果对比分析 | 第40-43页 |
| ·BP 神经网络预测交通流 | 第40页 |
| ·预测结果对比分析 | 第40-43页 |
| ·交叉口信号状况 | 第43-47页 |
| ·交通信号控制 | 第43-44页 |
| ·交叉口信息监测模型 | 第44-47页 |
| ·基于云模型的控制规则的制定 | 第47-50页 |
| ·基于云模型的概念跃升 | 第47-48页 |
| ·语言规则制定 | 第48-50页 |
| ·基于云模型的交通优化方案的设计 | 第50-56页 |
| ·交叉口的优化配时 | 第50-51页 |
| ·基于二维云模型的控制规则 | 第51-56页 |
| ·本章小结 | 第56-57页 |
| 第四章 基于交通流预测的智能旅游系统设计与实现 | 第57-79页 |
| ·系统设计 | 第57-65页 |
| ·系统总体设计 | 第57-58页 |
| ·系统功能设计 | 第58-62页 |
| ·系统数据库设计 | 第62-65页 |
| ·系统主界面设计 | 第65页 |
| ·系统配置 | 第65页 |
| ·智能旅游系统基础功能实现 | 第65-70页 |
| ·景点查询 | 第65-66页 |
| ·公交站点查询 | 第66-68页 |
| ·公交换乘 | 第68-69页 |
| ·短距离可到达区域 | 第69页 |
| ·数据管理 | 第69-70页 |
| ·退出程序 | 第70页 |
| ·智能旅游系统特色功能实现 | 第70-78页 |
| ·交通流预测 | 第71-74页 |
| ·交通流优化 | 第74页 |
| ·最佳路线推荐 | 第74-78页 |
| ·本章小结 | 第78-79页 |
| 第五章 总结与展望 | 第79-82页 |
| ·研究总结 | 第79-80页 |
| ·研究展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 攻硕期间取得的研究成果 | 第87-88页 |
