基于非参数回归的路网短时交通状态预测
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-13页 |
| 1 引言 | 第13-19页 |
| ·研究背景 | 第13-14页 |
| ·研究目的和意义 | 第14-17页 |
| ·研究内容 | 第17页 |
| ·研究的技术路线 | 第17-18页 |
| ·论文结构 | 第18-19页 |
| 2 实时动态交通状态预测综述 | 第19-28页 |
| ·短时交通状态预测的基本流程、特点和要求 | 第19-20页 |
| ·短时交通状态预测方法 | 第20-23页 |
| ·历史均值法 | 第20-21页 |
| ·求和自回归移动平均模型 | 第21页 |
| ·指数平滑模型 | 第21-22页 |
| ·卡尔曼滤波理论 | 第22页 |
| ·神经网络模型 | 第22-23页 |
| ·自适应权重模型 | 第23页 |
| ·单一断面交通流预测研究现状 | 第23-26页 |
| ·多断面交通流预测研究现状 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 交通流数据的特点和预处理方法 | 第28-39页 |
| ·交通流参数 | 第28-31页 |
| ·流量 | 第28页 |
| ·速度 | 第28-29页 |
| ·密集度 | 第29-31页 |
| ·交通流数据的特点 | 第31-35页 |
| ·动态性 | 第31页 |
| ·周相似性 | 第31-34页 |
| ·相关性 | 第34-35页 |
| ·交通流数据的预处理方法 | 第35-38页 |
| ·交通流数据故障的识别 | 第36-37页 |
| ·交通流数据的修复方法 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于非参数回归的路网短时交通状态预测模型 | 第39-50页 |
| ·非参数回归方法简介 | 第39页 |
| ·非参数回归方法特点 | 第39-40页 |
| ·非参数回归在实时交通流预测中的应用 | 第40-44页 |
| ·改进的非参数回归模型 | 第44-48页 |
| ·历史样本数据库的生成 | 第44-45页 |
| ·状态向量的选择 | 第45-46页 |
| ·数据匹配—K近邻法则 | 第46页 |
| ·相似机制 | 第46-47页 |
| ·预测函数 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 5 非参数回归模型的应用 | 第50-66页 |
| ·交通流预测误差指标 | 第50页 |
| ·数据来源及预处理 | 第50-53页 |
| ·改进非参数回归模型应用 | 第53-59页 |
| ·历史数据样本数据库的生成 | 第53-57页 |
| ·状态向量的选择 | 第57-58页 |
| ·数据匹配—K近邻法则 | 第58页 |
| ·相似机制 | 第58-59页 |
| ·预测函数的选取 | 第59页 |
| ·预测结果及其分析 | 第59-65页 |
| ·本章小结 | 第65-66页 |
| 6 论文总结 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附录 A | 第70-73页 |
| 作者简历 | 第73-75页 |
| 学位论文数据集 | 第75页 |
