| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-25页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-20页 |
| 1.2.1 船舶速度预测研究现状 | 第12-14页 |
| 1.2.2 船舶轨迹预测研究现状 | 第14-16页 |
| 1.2.3 通行船舶调度指挥方法研究现状 | 第16-18页 |
| 1.2.4 交通诱导方法研究现状 | 第18-20页 |
| 1.3 主要研究思路、组织结构及创新点 | 第20-25页 |
| 1.3.1 研究思路与技术路线 | 第20-22页 |
| 1.3.2 论文的组织结构 | 第22-24页 |
| 1.3.3 论文的创新点 | 第24-25页 |
| 2 单向航道通行船舶长期速度预测方法研究 | 第25-49页 |
| 2.1 前言 | 第25页 |
| 2.2 问题描述 | 第25-28页 |
| 2.3 基于OLS-PSO-MLP算法的神经网络模型构建方法 | 第28-38页 |
| 2.3.1 基于正交最小二乘OLS的子集选择方法 | 第28-30页 |
| 2.3.2 BP神经网络 | 第30-31页 |
| 2.3.3 粒子群优化算法 | 第31-33页 |
| 2.3.4 OLS-PSO-MLP方法 | 第33-38页 |
| 2.4 内河单向航道船舶长期速度建模 | 第38-41页 |
| 2.4.1 建模数据及其预处理 | 第38-39页 |
| 2.4.2 模型评价指标 | 第39-40页 |
| 2.4.3 模型建立过程 | 第40-41页 |
| 2.5 结果分析 | 第41-46页 |
| 2.6 本章小结 | 第46-49页 |
| 3 数据驱动的船舶全量程轨迹长度预测方法研究 | 第49-69页 |
| 3.1 前言 | 第49-50页 |
| 3.2 问题描述 | 第50-52页 |
| 3.3 轨迹聚类与FCM算法 | 第52-56页 |
| 3.3.1 轨迹聚类 | 第52-53页 |
| 3.3.2 FCM聚类算法 | 第53-56页 |
| 3.4 基于FCM的全量程轨迹长度建模 | 第56-64页 |
| 3.4.1 实验数据描述及其预处理 | 第56-60页 |
| 3.4.2 船舶历史轨迹聚类分析 | 第60-62页 |
| 3.4.3 模型评价指标 | 第62页 |
| 3.4.4 轨迹长度模型建立过程 | 第62-64页 |
| 3.5 实验结果分析 | 第64-68页 |
| 3.6 本章小结 | 第68-69页 |
| 4 基于RHC框架的内河单向航道通行船舶调度方法研究 | 第69-89页 |
| 4.1 前言 | 第69-70页 |
| 4.2 问题描述 | 第70-73页 |
| 4.3 基于RHC的通行船舶调度策略 | 第73-77页 |
| 4.3.1 RHC算法 | 第73-74页 |
| 4.3.2 基于RHC的通行船舶调度思路 | 第74-75页 |
| 4.3.3 基于RHC框架的通行船舶调度管理方法OSS-RHC | 第75-77页 |
| 4.4 实验及结果讨论 | 第77-87页 |
| 4.5 本章小结 | 第87-89页 |
| 5 基于船舶速度诱导的内河单向航道通行船舶调度方法研究 | 第89-107页 |
| 5.1 前言 | 第89页 |
| 5.2 问题描述 | 第89-92页 |
| 5.3 基于船舶速度诱导的船舶调度方法 | 第92-96页 |
| 5.3.1 通行船舶速度诱导思路 | 第92页 |
| 5.3.2 内河单向航道船舶速度诱导方法SGD-OSS | 第92-96页 |
| 5.4 实验及结果讨论 | 第96-105页 |
| 5.5 本章小结 | 第105-107页 |
| 6 总结与展望 | 第107-109页 |
| 致谢 | 第109-111页 |
| 参考文献 | 第111-121页 |
| 附录 | 第121页 |
| A.作者在攻读博士学位期间的第一作者论文 | 第121页 |
| B.作者在攻读博士学位期间所获得的发明专利（学生排名第一） | 第121页 |
