基于浮动车GPS数据的行车速度预测模型研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-13页 |
| 1 绪论 | 第13-17页 |
| ·选题背景及意义 | 第13-14页 |
| ·研究的主要内容及方法 | 第14-16页 |
| ·论文的新意 | 第16-17页 |
| 2 国内外研究综述 | 第17-26页 |
| ·GPS浮动车技术的研究与应用综述 | 第17-20页 |
| ·浮动车技术研究 | 第17-19页 |
| ·浮动车技术的应用 | 第19-20页 |
| ·短时预测研究综述 | 第20-25页 |
| ·路段行程时间预测 | 第21-22页 |
| ·路段速度预测 | 第22-23页 |
| ·基于浮动车GPS数据的预测研究 | 第23-25页 |
| ·小结 | 第25-26页 |
| 3 浮动车数据的采集与预处理 | 第26-34页 |
| ·数据采集 | 第26-30页 |
| ·浮动车信息采集系统的构成 | 第26-28页 |
| ·浮动车信息采集系统的优势 | 第28-30页 |
| ·数据的预处理 | 第30-34页 |
| ·地图匹配 | 第30-32页 |
| ·有效数据的筛选 | 第32-34页 |
| 4 基于浮动车的行车速度预测模型的建立 | 第34-48页 |
| ·K-近邻预测模型 | 第34-40页 |
| ·近邻的选择及近邻数K的确定 | 第35-39页 |
| ·权函数的确定 | 第39页 |
| ·模型的确立 | 第39-40页 |
| ·马尔柯夫预测模型 | 第40-48页 |
| ·马尔柯夫预测法和灰色GM(1，1)预测模型概述 | 第40-43页 |
| ·灰色马尔柯夫预测模型 | 第43-44页 |
| ·加权马尔柯夫预测模型 | 第44-48页 |
| 5 示例分析 | 第48-66页 |
| ·数据来源 | 第48-51页 |
| ·K-近邻预测模型 | 第51-60页 |
| ·聚类分析 | 第51-57页 |
| ·寻找近邻 | 第57-58页 |
| ·估计结果与误差分析 | 第58-60页 |
| ·马尔柯夫预测模型 | 第60-66页 |
| ·灰色马尔柯夫预测 | 第60-63页 |
| ·加权马尔柯夫预测 | 第63-66页 |
| 6 结论与展望 | 第66-68页 |
| ·结论 | 第66-67页 |
| ·有待进一步研究的问题 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 附录A | 第71-74页 |
| 附录B | 第74-79页 |
| 作者简历 | 第79-81页 |
| 学位论文数据集 | 第81页 |
