城市道路交通拥挤状态识别关键技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-19页 |
| ·论文研究的背景 | 第10-11页 |
| ·论文研究的目标和意义 | 第11-12页 |
| ·研究目标 | 第11页 |
| ·论文的理论与实际意义 | 第11-12页 |
| ·道路交通拥挤状态识别的研究现状 | 第12-16页 |
| ·交通检测器布置的研究现状 | 第12页 |
| ·交通流参数短时间预测的研究现状 | 第12-13页 |
| ·交通拥挤识别算法的研究现状 | 第13-16页 |
| ·道路交通拥挤状态识别的总体流程 | 第16页 |
| ·论文研究的内容与技术路线 | 第16-19页 |
| 第2章 城市道路交通拥挤概述 | 第19-26页 |
| ·道路交通拥挤的定义及度量标准 | 第19-21页 |
| ·交通拥挤 | 第19-20页 |
| ·交通拥挤指数 | 第20-21页 |
| ·道路交通拥挤的分类及特性分析 | 第21-23页 |
| ·道路交通拥挤成因的经济学分析 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 第3章 交通检测器的优化配置 | 第26-41页 |
| ·各种交通信息采集手段分析与比较 | 第26-30页 |
| ·交通信息分类 | 第26-27页 |
| ·固定型交通信息采集 | 第27-29页 |
| ·移动型交通信息采集 | 第29-30页 |
| ·交通检测器优化布置的模拟步骤 | 第30-33页 |
| ·固定型交通检测器配置密度的优化 | 第30-32页 |
| ·移动型交通检测器最小样本量的优化 | 第32页 |
| ·交通检测器组合应用优化 | 第32-33页 |
| ·固定型交通检测器配置优化的多目标规划模型 | 第33-40页 |
| ·模型的建立 | 第34-35页 |
| ·模型参数的计算 | 第35-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 交通流参数的短时间预测 | 第41-55页 |
| ·改进的指数平滑预测方法 | 第41-42页 |
| ·基于BP神经网络的预测方法 | 第42-44页 |
| ·多模型融合预测方法 | 第44-48页 |
| ·融合模型的建立 | 第44-45页 |
| ·动态权重的确定方法 | 第45-48页 |
| ·算法举例 | 第48-54页 |
| ·改进的指数平滑预测方法 | 第49-50页 |
| ·基于BP神经网络的预测方法 | 第50-52页 |
| ·多模型融合预测方法 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 城市道路交通拥挤状态识别算法 | 第55-72页 |
| ·道路交通拥挤识别算法对比及其识别过程研究 | 第55-61页 |
| ·道路交通拥挤识别算法对比分析 | 第55-57页 |
| ·道路交通拥挤识别算法工作步骤的总结 | 第57-61页 |
| ·基于移动型检测器的平均行程速度的ACI算法 | 第61-62页 |
| ·面向对象的道路交通拥挤识别算法表决融合 | 第62-71页 |
| ·面向对象的算法融合思路分析 | 第63-65页 |
| ·面向对象的算法表决融合设计 | 第65-67页 |
| ·实现举例——面向对象的算法表决融合的可行性验证 | 第67-69页 |
| ·表决融合系统逻辑的硬件实现验证 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士期间发表的论文及科研活动 | 第79页 |
