| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.1.1 课题研究的背景 | 第10-11页 |
| 1.1.2 课题研究的意义 | 第11页 |
| 1.2 交通流预测研究现状及发展趋势 | 第11-14页 |
| 1.2.1 交通流预测研究现状 | 第11-14页 |
| 1.2.2 交通流预测研究发展趋势 | 第14页 |
| 1.3 本文的研究内容及结构安排 | 第14-16页 |
| 第2章 交通流量预测的相关理论 | 第16-26页 |
| 2.1 交通流预测基本概念 | 第16-18页 |
| 2.1.1 交通流预测的三个参数 | 第16-17页 |
| 2.1.2 短时交通流预测特性 | 第17-18页 |
| 2.2 交通流数据的采集 | 第18-19页 |
| 2.3 交通流数据预处理方法 | 第19-22页 |
| 2.3.1 错误数据预处理 | 第20页 |
| 2.3.2 噪声数据预处理 | 第20-21页 |
| 2.3.3 归一化处理 | 第21-22页 |
| 2.4 高速公路动态交通模型 | 第22-24页 |
| 2.4.1 动态密度模型 | 第22-23页 |
| 2.4.2 动态速度模型 | 第23-24页 |
| 2.4.3 动态流量模型 | 第24页 |
| 2.5 交通流预测评价指标 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 基于BP神经网络的高速公路短时交通流预测 | 第26-40页 |
| 3.1 BP神经网络概述 | 第26-28页 |
| 3.1.1 BP神经网络的结构 | 第26页 |
| 3.1.2 BP神经网络的算法原理 | 第26-28页 |
| 3.2 BP神经网络的短时交通流预测模型 | 第28-34页 |
| 3.2.1 确定BP神经网络预测模型的基本流程 | 第28-29页 |
| 3.2.2 交通流数据的预处理 | 第29-31页 |
| 3.2.3 输入层和输出层节点数的确定 | 第31-32页 |
| 3.2.4 样本库的生成 | 第32-33页 |
| 3.2.5 隐含层节点数的确定 | 第33-34页 |
| 3.2.6 BP神经网络预测模型 | 第34页 |
| 3.3 交通流预测仿真实现 | 第34-37页 |
| 3.4 仿真结果及分析 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于小波神经网络的高速公路短时交通流预测 | 第40-50页 |
| 4.1 小波神经网络的概述 | 第40-43页 |
| 4.1.1 小波神经网络的结构 | 第40-42页 |
| 4.1.2 小波神经网络的算法原理 | 第42-43页 |
| 4.2 小波神经网络短时交通流预测模型 | 第43-44页 |
| 4.3 交通流预测仿真实现 | 第44-47页 |
| 4.4 仿真结果及分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 基于蚁群算法优化小波神经网络的高速公路短时交通流预测 | 第50-61页 |
| 5.1 蚁群算法概述 | 第50-53页 |
| 5.1.1 蚁群算法的基本原理 | 第51-52页 |
| 5.1.2 改进的蚁群算法 | 第52-53页 |
| 5.2 MMAS算法与小波神经网络的融合 | 第53-57页 |
| 5.3 交通流预测仿真实现 | 第57-58页 |
| 5.4 仿真结果及分析 | 第58-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第6章 总结和展望 | 第61-63页 |
| 6.1 全文总结 | 第61页 |
| 6.2 未来展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间参加的科研项目和成果 | 第67页 |