| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文研究内容及结构安排 | 第12-14页 |
| 1.3.1 论文研究内容 | 第12-13页 |
| 1.3.2 论文结构安排 | 第13-14页 |
| 1.4 依托项目 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 高速公路交通管理及诱导 | 第15-23页 |
| 2.1 高速公路交通管理概述 | 第15-18页 |
| 2.1.1 高速公路交通管理的特点 | 第15-16页 |
| 2.1.2 高速公路交通控制与管理系统的组成 | 第16-18页 |
| 2.2 高速公路诱导系统的组成原理 | 第18-19页 |
| 2.2.1 高速公路诱导系统综述 | 第18-19页 |
| 2.2.2 高速公路诱导系统的组成原理 | 第19页 |
| 2.3 高速公路交通控制与诱导协调的策略 | 第19-22页 |
| 2.3.1 交通管理系统控制与诱导的区别和协调 | 第19-20页 |
| 2.3.2 交通诱导中的驾驶员因素 | 第20-21页 |
| 2.3.3 高速公路交通管理的措施 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 高速公路多车道交通流诱导模型 | 第23-44页 |
| 3.1 基于一次指数平滑法的交通流预测模型 | 第23-25页 |
| 3.1.1 模型的建立 | 第23-24页 |
| 3.1.2 平滑系数的选择 | 第24-25页 |
| 3.2 基于 BP 神经网络法交通流预测理论与模型 | 第25-30页 |
| 3.3 基于小波神经网络的交通流预测模型 | 第30-35页 |
| 3.3.1 小波神经网络基础 | 第30-34页 |
| 3.3.2 模型建立 | 第34页 |
| 3.3.3 基本的算法流程 | 第34-35页 |
| 3.4 基于经验模态分解与 WNN 相融合的交通流预测模型 | 第35-38页 |
| 3.4.1 经验模态分解 | 第35-36页 |
| 3.4.2 EMD 与小波神经网络相融合的算法 | 第36-38页 |
| 3.5 预测的评价指标 | 第38-39页 |
| 3.6 预测结果 | 第39-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第四章 高速公路多车道诱导模型的仿真与分析 | 第44-53页 |
| 4.1 高速公路客货车混合通行引起的问题 | 第44-45页 |
| 4.2 多车道车道诱导的基本原理 | 第45-48页 |
| 4.2.1 传统车道诱导的基本原理 | 第45-47页 |
| 4.2.2 多车道车道诱导的方案 | 第47-48页 |
| 4.3 实例仿真及结果分析 | 第48-52页 |
| 4.3.1 仿真环境的介绍 | 第48-49页 |
| 4.3.2 仿真结果 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 高速公路多车道的管理 | 第53-64页 |
| 5.1 地理信息技术在交通流诱导中的应用 | 第53-54页 |
| 5.1.1 地理信息系统的概述 | 第53-54页 |
| 5.1.2 交通地图中地理信息的采集和输入 | 第54页 |
| 5.2 交通流诱导中的定位技术 | 第54-60页 |
| 5.2.1 GPS 单独定位系统 | 第55-57页 |
| 5.2.2 惯性导航定位系统 | 第57-58页 |
| 5.2.3 GPS 和 INS 组合导航系统 | 第58-60页 |
| 5.3 高速公路多车道诱导及管理方案的研究 | 第60-63页 |
| 5.3.1 多车道智能诱导系统的组成 | 第60-61页 |
| 5.3.2 高速公路多车道管理方案 | 第61-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的学术论文 | 第70-71页 |
| 致谢 | 第71页 |