基于贝叶斯网络的城市道路拥挤概率预测研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第9-11页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-15页 |
| 1.1.1 问题的提出 | 第11-12页 |
| 1.1.2 拥挤的定义及分类 | 第12-13页 |
| 1.1.3 拥挤缓解政策 | 第13-15页 |
| 1.2 研究内容 | 第15-19页 |
| 2 文献综述 | 第19-25页 |
| 2.1 国内研究现状 | 第19-22页 |
| 2.2 国外研究现状 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 3 贝叶斯网络构建和推理 | 第25-45页 |
| 3.1 贝叶斯网络理论基础 | 第25-26页 |
| 3.2 贝叶斯网络构建方法 | 第26-36页 |
| 3.2.1 基于打分搜索的贝叶斯网络结构学习 | 第26-30页 |
| 3.2.2 基于依赖分析的贝叶斯网络结构学习 | 第30-36页 |
| 3.3 贝叶斯网络推理方法 | 第36-43页 |
| 3.3.1 Poly Tree传递算法 | 第37-39页 |
| 3.3.2 clique结合树传播算法 | 第39-42页 |
| 3.3.3 MCMC抽样算法 | 第42-43页 |
| 3.4 本章小结 | 第43-45页 |
| 4 贝叶斯网络拥挤预测建模 | 第45-69页 |
| 4.1 研究区域及基础数据 | 第45-50页 |
| 4.2 变量确定 | 第50-56页 |
| 4.3 模型构建 | 第56-64页 |
| 4.3.1 贝叶斯网络构建方法的确定 | 第56-58页 |
| 4.3.2 基于拥挤预测的贝叶斯网络构建 | 第58-64页 |
| 4.4 推理准备 | 第64-67页 |
| 4.4.1 贝叶斯网络推理方法的确定 | 第64-65页 |
| 4.4.2 基于拥挤预测的推理模型构建 | 第65-67页 |
| 4.5 本章小结 | 第67-69页 |
| 5 案例分析 | 第69-103页 |
| 5.1 基本案例：现状趋势 | 第69-79页 |
| 5.2 案例1：大力修建道路 | 第79-83页 |
| 5.3 案例2：大力发展路面公交 | 第83-89页 |
| 5.4 案例3：大力发展轨道交通 | 第89-94页 |
| 5.5 案例4：大力修建道路和大力发展路面公交 | 第94-98页 |
| 5.6 案例5：大力修建道路与大力发展轨道交通 | 第98-102页 |
| 5.7 本章小结 | 第102-103页 |
| 6 结论与展望 | 第103-107页 |
| 6.1 研究结论 | 第103-104页 |
| 6.2 研究展望 | 第104-107页 |
| 参考文献 | 第107-111页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第111-115页 |
| 学位论文数据集 | 第115页 |
