| 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8-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 城市道路交通流参数短时预测研究现状 | 第10-13页 |
| 1.2.2 城市道路交通状态辨识研究现状 | 第13-14页 |
| 1.3 研究内容与方法 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 城市道路交通状态特性分析与建模 | 第17-32页 |
| 2.1 交通流特征分析 | 第17-21页 |
| 2.1.1 交通流基本特征参数 | 第17-19页 |
| 2.1.2 交通流分析模型 | 第19-21页 |
| 2.2 短时交通流特性和相关性分析 | 第21-24页 |
| 2.2.1 短时交通流主要特性 | 第21-22页 |
| 2.2.2 时间相关性分析 | 第22-23页 |
| 2.2.3 空间相关性分析 | 第23-24页 |
| 2.3 交通流预测理论及方法 | 第24-27页 |
| 2.3.1 交通流预测相关理论 | 第24-25页 |
| 2.3.2 城市交通流预测方法 | 第25-27页 |
| 2.3.3 交通流预测评价指标 | 第27页 |
| 2.4 交通路网状态分类及辨识 | 第27-31页 |
| 2.4.1 交通路网状态分类及其特性分析 | 第28-30页 |
| 2.4.2 交通路网状态辨识方法及建模流程 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于轨迹数据的城市道路交通流参数提取 | 第32-46页 |
| 3.1 交通轨迹数据采集系统架构 | 第32-36页 |
| 3.1.1 交通轨迹数据采集 | 第32-34页 |
| 3.1.2 交通轨迹数据处理流程 | 第34-36页 |
| 3.2 交通轨迹数据特性及预处理 | 第36-39页 |
| 3.2.1 轨迹数据特性分析 | 第36页 |
| 3.2.2 交通轨迹数据完备性描述分析 | 第36-38页 |
| 3.2.3 轨迹数据预处理 | 第38-39页 |
| 3.3 迹数据地图匹配 | 第39-42页 |
| 3.3.1 路段信息的提取 | 第39-41页 |
| 3.3.2 基于多尺度网格映射的地图匹配算法 | 第41-42页 |
| 3.4 路网状态参数提取 | 第42-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于LSTM深度网络的短时交通状态预测 | 第46-55页 |
| 4.1 LSTM深度网络结构 | 第46-49页 |
| 4.1.1 LSTM神经网络理论分析 | 第46-47页 |
| 4.1.2 LSTM深度网络总体结构及算法流程 | 第47-49页 |
| 4.2 LSTM深度网络优化及训练 | 第49-52页 |
| 4.2.1 训练过程最优时间步长自动确定及网络结构优化 | 第49-52页 |
| 4.2.2 模型训练 | 第52页 |
| 4.3 城市交通路网状态辨识 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 城市道路短时交通状态预测实例 | 第55-68页 |
| 5.1 实验数据与系统平台 | 第55-58页 |
| 5.1.1 实验数据集 | 第55-56页 |
| 5.1.2 实验系统平台 | 第56-58页 |
| 5.2 城市道路交通流预测实验 | 第58-63页 |
| 5.2.1 数据预处理 | 第58-60页 |
| 5.2.2 LSTM深度网络训练 | 第60-61页 |
| 5.2.3 交通流参数预测 | 第61-63页 |
| 5.3 交通状态的聚类与辨识及验证 | 第63-64页 |
| 5.4 实验结果及分析 | 第64-67页 |
| 5.4.1 交通参数提取结果分析 | 第64-66页 |
| 5.4.2 交通状态预测结果分析 | 第66-67页 |
| 5.5 本章小结 | 第67-68页 |
| 总结与展望 | 第68-70页 |
| 参考文献 | 第70-78页 |
| 攻读学位期间参与的主要科研项目及其研究成果 | 第78-80页 |
| 致谢 | 第80页 |