| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·课题来源 | 第11页 |
| ·选题背景 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·交通状态判别研究现状 | 第12-15页 |
| ·交通状态预测研究现状 | 第15-16页 |
| ·研究意义 | 第16-17页 |
| ·技术路线及研究内容 | 第17-19页 |
| 第2章 快速路交通流数据 | 第19-31页 |
| ·城市快速路系统特征 | 第19-22页 |
| ·城市快速路定义 | 第19页 |
| ·城市快速路的特点 | 第19-20页 |
| ·快速路交通流的特征参数 | 第20-22页 |
| ·交通数据获取技术 | 第22-24页 |
| ·固定检测器 | 第22-23页 |
| ·移动检测器 | 第23-24页 |
| ·数据来源及预处理 | 第24-27页 |
| ·数据来源 | 第24-26页 |
| ·故障数据的处理 | 第26-27页 |
| ·交通流参数特性分析 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于改进FCM的快速路交通状态识别研究 | 第31-49页 |
| ·交通状态含义 | 第31页 |
| ·交通状态分类 | 第31-33页 |
| ·交通参数的选择 | 第33页 |
| ·模糊聚类算法及其在交通状态识别的不足 | 第33-37页 |
| ·聚类分析 | 第34-35页 |
| ·模糊C均值聚类 | 第35-36页 |
| ·FCM算法在交通状态识别中的不足 | 第36-37页 |
| ·基于改进FCM算法的交通状态识别模型 | 第37-42页 |
| ·FCM算法改进的基本思想 | 第37-38页 |
| ·密度聚类的基本原理 | 第38-40页 |
| ·ReliefF特征加权 | 第40-41页 |
| ·改进的FCM算法流程 | 第41-42页 |
| ·基于模糊聚类的交通状态识别方法 | 第42-43页 |
| ·交通状态识别的基本思路 | 第42页 |
| ·实时道路交通状态的识别 | 第42-43页 |
| ·实例分析 | 第43-48页 |
| ·数据描述 | 第43-44页 |
| ·模糊聚类分析 | 第44-46页 |
| ·状态识别 | 第46-47页 |
| ·算法评价 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 基于Ordered Probit模型交通状态预测 | 第49-61页 |
| ·概述 | 第49页 |
| ·Probit模型简介 | 第49-50页 |
| ·基于Ordered Probit交通状态预测模型 | 第50-55页 |
| ·交通状态预测模型的设计 | 第50-52页 |
| ·模型的构建 | 第52-53页 |
| ·解释变量的选取 | 第53页 |
| ·建模样本的描述 | 第53-55页 |
| ·模型似然比检验 | 第55页 |
| ·实例结果分析 | 第55-57页 |
| ·回归模型的检验 | 第57-59页 |
| ·本章小结 | 第59-61页 |
| 结论与展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间发表的论文 | 第68-69页 |
| 附录1 密度聚类的JAVA语言程序 | 第69-77页 |
| 附录2 检测点2055数据 | 第77-83页 |