短时交通流预测模型及预测方法的研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-12页 |
| 第1章 绪论 | 第12-14页 |
| ·背景概述 | 第12页 |
| ·主要工作 | 第12-13页 |
| ·论文的组织结构 | 第13-14页 |
| 第2章 多链路交通流预测模型的建立 | 第14-19页 |
| ·短时交通流预测 | 第14页 |
| ·学术定义 | 第14页 |
| ·特性分析 | 第14页 |
| ·传统的交通流预测模型 | 第14-17页 |
| ·现状分析 | 第14-16页 |
| ·模型展示 | 第16-17页 |
| ·多链路交通流预测模型 | 第17-18页 |
| ·架构提出 | 第17-18页 |
| ·模型展示 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第3章 基于神经网络的交通流预测 | 第19-30页 |
| ·神经网络 | 第19-22页 |
| ·概述 | 第19页 |
| ·神经元的学习机制 | 第19-20页 |
| ·BP神经网络 | 第20-22页 |
| ·四种预测模型 | 第22-25页 |
| ·单链路单任务交通流预测(SSTL) | 第23-24页 |
| ·单链路多任务交通流预测(SMTL) | 第24页 |
| ·多链路单任务交通流预测(MSTL) | 第24-25页 |
| ·多链路多任务交通流预测(MMTL) | 第25页 |
| ·实验 | 第25-29页 |
| ·数据描述 | 第26页 |
| ·参数设置 | 第26-27页 |
| ·结果分析 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 高斯过程回归的研究与应用 | 第30-42页 |
| ·概述 | 第30-31页 |
| ·权重空间角度 | 第31-35页 |
| ·标准线性模型 | 第31-33页 |
| ·高维特征空间的线性模型 | 第33-35页 |
| ·函数空间角度 | 第35-37页 |
| ·无噪预测 | 第36-37页 |
| ·有噪预测 | 第37页 |
| ·实验 | 第37-41页 |
| ·数据描述 | 第37-38页 |
| ·参数设置 | 第38页 |
| ·结果分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第5章 基于图Lasso的稀疏图模型的构建 | 第42-50页 |
| ·概述 | 第42-43页 |
| ·论分析 | 第43-45页 |
| ·问题提出 | 第43-44页 |
| ·块坐标下降算法 | 第44页 |
| ·图lasso算法 | 第44-45页 |
| ·实验 | 第45-49页 |
| ·数据描述 | 第45页 |
| ·图模型建立 | 第45-47页 |
| ·参数设置 | 第47页 |
| ·结果分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-51页 |
| ·总结 | 第50页 |
| ·展望 | 第50-51页 |
| 附录 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55页 |
