基于支持向量回归机的路段平均速度短时预测方法研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-17页 |
| ·选题背景及意义 | 第11-13页 |
| ·选题背景 | 第11-12页 |
| ·选题意义 | 第12-13页 |
| ·论文研究内容及方法 | 第13-14页 |
| ·论文研究内容 | 第13-14页 |
| ·论文采用的方法 | 第14页 |
| ·论文的新意 | 第14-15页 |
| ·论文的结构安排 | 第15-17页 |
| 2 国内外研究与应用现状 | 第17-27页 |
| ·支持向量机相关研究 | 第17-24页 |
| ·统计学习理论 | 第17-19页 |
| ·支持向量机模型算法研究 | 第19-22页 |
| ·支持向量机应用研究 | 第22-24页 |
| ·交通速度预测相关研究 | 第24-25页 |
| ·基于浮动车的数据采集相关研究 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 浮动车数据处理 | 第27-34页 |
| ·基于GPS/GIS的浮动车信息采集技术 | 第27-28页 |
| ·浮动车样本数量确定 | 第28-29页 |
| ·浮动车数据处理 | 第29-32页 |
| ·浮动车数据采集 | 第30-31页 |
| ·地图匹配 | 第31页 |
| ·有效数据筛选 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 4 基于支持向量回归机的路段平均速度短时预测模型 | 第34-50页 |
| ·预测参量的确定 | 第34-36页 |
| ·预测时间间隔 | 第34-35页 |
| ·路段平均速度 | 第35-36页 |
| ·支持向量回归机模型的选择 | 第36-45页 |
| ·支持向量回归机 | 第36-41页 |
| ·核函数的选择与构造 | 第41-43页 |
| ·模型参数的选择与确定 | 第43-45页 |
| ·基于SVR的路段平均速度短时预测模型 | 第45-49页 |
| ·模型构建 | 第45-47页 |
| ·模型求解 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 5 案例:杭州市某路段平均速度短时预测示例分析 | 第50-62页 |
| ·路段选取与数据预处理 | 第50-53页 |
| ·路段概况 | 第50-51页 |
| ·路段平均速度计算 | 第51-52页 |
| ·样本覆盖率计算 | 第52-53页 |
| ·路段平均速度短时预测模型应用 | 第53-57页 |
| ·LibSVM软件包 | 第53页 |
| ·样本和指标的选取及数据归一化处理 | 第53-54页 |
| ·核函数的选择 | 第54页 |
| ·模型参数的确定 | 第54-57页 |
| ·预测结果对比分析 | 第57-61页 |
| ·基于ε-SVR的路段平均速度短时预测 | 第57-58页 |
| ·基于ν-SVR的路段平均速度短时预测 | 第58-60页 |
| ·ε-SVR和ν-SVR模型预测结果分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 6 结束语 | 第62-64页 |
| ·论文的主要结论 | 第62页 |
| ·需进一步研究的问题 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 附录A | 第67-70页 |
| 附录B | 第70-74页 |
| 附录C | 第74-76页 |
| 附录D | 第76-78页 |
| 作者简历 | 第78-80页 |
| 学位论文数据集 | 第80页 |
