| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 数据来源 | 第9-10页 |
| 1.2.2 预测方法 | 第10-15页 |
| 1.3 研究内容 | 第15-17页 |
| 第二章 路段域行程时间估计 | 第17-32页 |
| 2.1 交通流特性分析 | 第17-18页 |
| 2.2 数据分析及采集 | 第18-19页 |
| 2.3 ARIMA模型介绍 | 第19-23页 |
| 2.3.1 时间序列介绍 | 第19-20页 |
| 2.3.2 ARIMA时间序列模型 | 第20-22页 |
| 2.3.3 ARIMA模型检验准则 | 第22页 |
| 2.3.4 ARIMA建模与预测步骤 | 第22-23页 |
| 2.4 实例分析 | 第23-31页 |
| 2.4.1 验证结果 | 第23-30页 |
| 2.4.2 结果分析 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 交叉口域行程时间估计 | 第32-50页 |
| 3.1 信号周期分析 | 第32-35页 |
| 3.2 马尔科夫链排队论介绍 | 第35-37页 |
| 3.3 交通流波动理论 | 第37-38页 |
| 3.4 随机到达车辆的马尔科夫链排队论 | 第38-44页 |
| 3.4.1 数据采集及统计计算 | 第39-40页 |
| 3.4.2 马尔科夫链排队模型 | 第40-42页 |
| 3.4.3 交通流波动模型 | 第42-44页 |
| 3.5 实例分析 | 第44-49页 |
| 3.5.1 数据采集 | 第44-47页 |
| 3.5.2 结果分析 | 第47-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 基于样条权函数神经网络的路段行程时间预测 | 第50-66页 |
| 4.1 神经网络介绍 | 第50-56页 |
| 4.1.1 人工神经网络 | 第50-51页 |
| 4.1.2 人工神经网络的学习规则 | 第51-52页 |
| 4.1.3 常用神经网络介绍 | 第52-56页 |
| 4.2 样条权函数神经网络行程时间预测模型 | 第56-59页 |
| 4.2.1 样条权函数神经网络行程时间模型 | 第56-57页 |
| 4.2.2 样条权函数神经网络行程时间模型算法设计 | 第57-59页 |
| 4.3 关键影响因素分析 | 第59页 |
| 4.4 实例分析 | 第59-65页 |
| 4.4.1 数据采集 | 第59-65页 |
| 4.4.2 结果分析 | 第65页 |
| 4.5 小结 | 第65-66页 |
| 第五章 结论与展望 | 第66-68页 |
| 5.1 主要结论 | 第66-67页 |
| 5.2 研究展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录A | 第72-77页 |
| 在学期间的研究成果 | 第77-78页 |
| 致谢 | 第78页 |