| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 研究背景及相关课题 | 第9-12页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 与本研究相关的课题 | 第11-12页 |
| 1.2 研究目标和研究意义 | 第12-13页 |
| 1.2.1 研究目标 | 第12-13页 |
| 1.2.2 研究意义 | 第13页 |
| 1.3 国内外研究现状 | 第13-18页 |
| 1.3.1 静态OD估计 | 第13-15页 |
| 1.3.2 动态OD估计 | 第15-18页 |
| 1.4 研究内容及技术路线 | 第18-21页 |
| 1.4.1 研究内容 | 第18-19页 |
| 1.4.2 技术路线 | 第19-21页 |
| 第2章 基础数据质量控制 | 第21-35页 |
| 2.1 交通流异常数据识别与修复的研究框架 | 第21-26页 |
| 2.1.1 交通流数据故障类型分析 | 第21-22页 |
| 2.1.2 交通流异常数据识别与修复系统的核心功能 | 第22-24页 |
| 2.1.3 交通流异常数据识别与修复系统协作流程 | 第24-26页 |
| 2.2 基于S-G滤波法的异常数据识别方法 | 第26-28页 |
| 2.2.1 S-G滤波方法原理 | 第26-27页 |
| 2.2.2 S-G滤波法在交通流异常数据识别中的应用 | 第27-28页 |
| 2.3 交通流异常数据的修复方法 | 第28-29页 |
| 2.3.1 基于数据驱动的交通流异常数据补齐方法 | 第28-29页 |
| 2.3.2 基于S-G滤波法的异常数据修复方法 | 第29页 |
| 2.4 案例研究 | 第29-32页 |
| 2.4.1 数据来源与参数设置 | 第29页 |
| 2.4.2 计算结果与分析 | 第29-31页 |
| 2.4.3 不同数据修复方法对比 | 第31-32页 |
| 2.5 基于多源数据的基础数据质量控制系统框架 | 第32-34页 |
| 2.6 小结 | 第34-35页 |
| 第3章 基于多源数据的OD估计理论 | 第35-69页 |
| 3.1 基于多源数据的分时段OD估计模型框架 | 第35-38页 |
| 3.2 静态OD估计模型 | 第38-46页 |
| 3.2.1 静态OD估计模型框架 | 第38页 |
| 3.2.2 引入转向流量的OD估计模型 | 第38-43页 |
| 3.2.3 模型求解算法 | 第43-46页 |
| 3.3 基于拆分因子的分时段OD估计模型 | 第46-54页 |
| 3.3.1 分时段OD估计模型框架 | 第46页 |
| 3.3.2 分时段OD估计模型 | 第46-50页 |
| 3.3.3 模型求解算法 | 第50-54页 |
| 3.4 算例分析 | 第54-68页 |
| 3.4.1 实验路网 | 第54-57页 |
| 3.4.2 静态OD估计 | 第57-63页 |
| 3.4.3 分时段OD估计 | 第63-68页 |
| 3.5 小结 | 第68-69页 |
| 第4章 仿真实验平台构建 | 第69-80页 |
| 4.1 基于VISSIM的仿真实验平台系统构架 | 第69-70页 |
| 4.2 仿真模型建立 | 第70-73页 |
| 4.2.1 仿真模型框架 | 第70-72页 |
| 4.2.2 仿真数据的提取 | 第72-73页 |
| 4.3 数据库设计 | 第73-76页 |
| 4.3.1 数据库模型 | 第73页 |
| 4.3.2 数据库具体设计方案 | 第73-76页 |
| 4.4 数据采集与实验 | 第76-79页 |
| 4.4.1 仿真数据采集 | 第76-77页 |
| 4.4.2 仿真数据处理 | 第77页 |
| 4.4.3 OD估计精度分析 | 第77-79页 |
| 4.5 小结 | 第79-80页 |
| 第5章 研究结论与展望 | 第80-82页 |
| 5.1 研究结论 | 第80页 |
| 5.2 创新点 | 第80-81页 |
| 5.3 研究展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-88页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第88-90页 |