摘要 | 第5-6页 |
ABSTRACT | 第6页 |
第一章 绪论 | 第10-22页 |
1.1 研究背景 | 第10-11页 |
1.2 研究目的及意义 | 第11-12页 |
1.3 国内外研究现状 | 第12-19页 |
1.3.1 手机数据交通状态应用研究现状 | 第12-13页 |
1.3.2 多源异构数据技术研究综述 | 第13-15页 |
1.3.3 交通状态预测方法研究 | 第15-19页 |
1.4 研究内容 | 第19页 |
1.5 技术路线 | 第19-20页 |
1.6 本章小结 | 第20-22页 |
第二章 基于手机切换定位交通信息采集技术研究 | 第22-38页 |
2.1 传统交通信息检测技术 | 第22-26页 |
2.1.1 固定式交通信息检测技术 | 第22-25页 |
2.1.2 移动式交通信息检测技术 | 第25-26页 |
2.2 GSM移动通信系统 | 第26-29页 |
2.2.1 GSM通信网络结构 | 第26-28页 |
2.2.2 GSM通信业务类型 | 第28-29页 |
2.3 手机定位交通信息检测技术 | 第29-33页 |
2.3.1 常见的手机定位技术 | 第29-32页 |
2.3.2 手机定位技术特性 | 第32-33页 |
2.4 基于手机切换定位的交通信息检测技术特性分析 | 第33-37页 |
2.4.1 交通信息检测技术对比分析 | 第33-36页 |
2.4.2 手机切换定位技术影响因素 | 第36-37页 |
2.5 本章小结 | 第37-38页 |
第三章 交通状态基础理论及数据处理 | 第38-52页 |
3.1 交通状态基础理论 | 第38-40页 |
3.1.1 交通状态含义 | 第38页 |
3.1.2 交通状态分类 | 第38-39页 |
3.1.3 交通状态特征 | 第39页 |
3.1.4 交通状态参数选择 | 第39-40页 |
3.2 基于微波检测器数据的车速提取方法 | 第40-42页 |
3.2.1 时间平均车速和空间平均车速 | 第40-41页 |
3.2.2 基于地点交通参数的空间车速提取 | 第41-42页 |
3.3 基于手机切换数据的车速提取方法 | 第42-47页 |
3.3.1 切换数据提取 | 第43-44页 |
3.3.2 切换路网标定 | 第44-46页 |
3.3.3 道路实际匹配 | 第46-47页 |
3.3.4 切换车速计算 | 第47页 |
3.4 交通数据的预处理方法 | 第47-50页 |
3.4.1 交通故障数据的识别 | 第47-48页 |
3.4.2 交通故障数据的处理 | 第48-50页 |
3.5 本章小结 | 第50-52页 |
第四章 基于多源数据交通状态预测方法研究 | 第52-74页 |
4.1 支持向量机预测理论介绍 | 第52-56页 |
4.1.1 基本介绍 | 第52-54页 |
4.1.2 模型选择理由 | 第54-55页 |
4.1.3 支持向量机交通预测流程 | 第55-56页 |
4.2 交通数据的获取 | 第56-60页 |
4.2.1 示例路段描述 | 第56-58页 |
4.2.2 示例路段仿真 | 第58-60页 |
4.3 短时交通预测评价指标 | 第60-61页 |
4.4 基于微波检测器数据交通状态预测模型 | 第61-65页 |
4.4.1 模型的建立 | 第61-62页 |
4.4.2 预测结果及评价 | 第62-65页 |
4.5 基于手机切换数据交通状态预测模型 | 第65-68页 |
4.5.1 模型的建立 | 第65-66页 |
4.5.2 预测结果及评价 | 第66-68页 |
4.6 基于多源数据的支持向量机预测模型 | 第68-72页 |
4.6.1 模型的建立 | 第68-70页 |
4.6.2 预测结果及评价 | 第70-72页 |
4.7 对比分析 | 第72-73页 |
4.8 本章小结 | 第73-74页 |
第五章 基于多源数据的短时交通状态预测系统框架 | 第74-80页 |
5.1 预测系统需求分析 | 第74-75页 |
5.2 预测系统功能定位 | 第75-76页 |
5.3 预测系统框架设计 | 第76-77页 |
5.4 预测系统关键技术分析 | 第77-79页 |
5.5 本章小结 | 第79-80页 |
第六章 结论与展望 | 第80-82页 |
6.1 研究结论 | 第80-81页 |
6.2 研究展望 | 第81-82页 |
致谢 | 第82-84页 |
参考文献 | 第84-88页 |
附录 | 第88-90页 |
作者简介 | 第90页 |