融合预测信息的动态路径选择算法研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-20页 |
| ·研究背景和意义 | 第11-13页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·研究现状 | 第13-17页 |
| ·交通流预测的国内外研究现状 | 第13-15页 |
| ·动态路径选择的国内外研究现状 | 第15-17页 |
| ·本文的研究内容和技术路线 | 第17-20页 |
| 2 动态路径选择问题概述 | 第20-27页 |
| ·路径选择问题简介 | 第20-21页 |
| ·常用最优路径求解算法简介 | 第21-23页 |
| ·不同求解算法比较分析 | 第23-24页 |
| ·融合预测信息的动态路径选择算法的基本特征 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 3 基于改进BP神经网络的交通流预测 | 第27-46页 |
| ·BP神经网络概述 | 第27-29页 |
| ·BP神经网络结构 | 第27页 |
| ·标准BP神经网络的训练过程 | 第27-29页 |
| ·标准BP神经网络存在的问题 | 第29页 |
| ·BP神经网络训练算法改进 | 第29-31页 |
| ·自适应学习率训练算法 | 第29-30页 |
| ·动量-自适应学习率训练算法 | 第30-31页 |
| ·BP神经网络隐层节点设计算法 | 第31-32页 |
| ·基于改进BP神经网络的速度预测 | 第32-33页 |
| ·基于改进BP神经网络的速度预测模型实证分析 | 第33-45页 |
| ·数据来源说明 | 第33页 |
| ·基于改进BP神经网络的速度预测模型应用 | 第33-37页 |
| ·其它检测器预测结果分析 | 第37-45页 |
| ·本章小结 | 第45-46页 |
| 4 融合预测信息的动态路径选择算法设计 | 第46-58页 |
| ·动态路径选择目标的设定 | 第46-47页 |
| ·行程时间的计算方法 | 第47-48页 |
| ·动态路径选择算法路段权值的设置方式 | 第48-49页 |
| ·改进的Dijkstra算法 | 第49-54页 |
| ·Dijkstra算法存储结构的改进 | 第50-51页 |
| ·向Dijkstra算法 | 第51-54页 |
| ·融合预测信息的动态路径选择算法 | 第54-57页 |
| ·初始方案的确定 | 第54-55页 |
| ·途中行驶方案的实时调整 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 5 算例分析 | 第58-73页 |
| ·路网基本描述 | 第58-59页 |
| ·四种基本路况假设 | 第59-60页 |
| ·四种情况的动态路径选择仿真 | 第60-72页 |
| ·本章小结 | 第72-73页 |
| 6 结论与展望 | 第73-75页 |
| ·论文的主要工作及结论 | 第73页 |
| ·研究展望 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 附录A | 第78-79页 |
| 附录B | 第79-84页 |
| 附录C | 第84-85页 |
| 附录D | 第85-86页 |
| 附录E | 第86-91页 |
| 附录F | 第91-96页 |
| 附录G | 第96-101页 |
| 附录H | 第101-102页 |
| 附录I | 第102-103页 |
| 附录J | 第103-104页 |
| 附录K | 第104-105页 |
| 作者简历 | 第105-107页 |
| 学位论文数据集 | 第107页 |
