| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-15页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文的主要内容 | 第14-15页 |
| 第二章 城市快速路的交通流特性 | 第15-31页 |
| 2.1 城市快速路的特点 | 第15-16页 |
| 2.2 交通流参数介绍 | 第16-21页 |
| 2.2.1 流量 | 第16-17页 |
| 2.2.2 速度 | 第17-18页 |
| 2.2.3 占有率 | 第18-19页 |
| 2.2.4 交通流密度 | 第19-20页 |
| 2.2.5 车头时距和车头间距 | 第20页 |
| 2.2.6 排队长度 | 第20-21页 |
| 2.3 交通参数统计间隔的选择 | 第21页 |
| 2.4 城市快速路的交通流特性 | 第21-30页 |
| 2.4.1 流量时变特性 | 第22-25页 |
| 2.4.2 速度时变特性 | 第25-27页 |
| 2.4.3 占有率时变特性 | 第27-29页 |
| 2.4.4 交通流的空间相关性 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于卡尔曼滤波的交通参数预测 | 第31-48页 |
| 3.1 卡尔曼滤波理论介绍 | 第31-39页 |
| 3.1.1 离散随机过程 | 第31-33页 |
| 3.1.2 正交性原理 | 第33-36页 |
| 3.1.3 卡尔曼滤波理论 | 第36-39页 |
| 3.2 基于卡尔曼滤波的短时交通参数预测 | 第39-47页 |
| 3.2.1 基于卡尔曼滤波的短时交通流量预测模型 | 第39-41页 |
| 3.2.2 预测结果分析 | 第41-44页 |
| 3.2.3 交通流的速度和占有率的预测模型 | 第44-47页 |
| 3.3 本章小结 | 第47-48页 |
| 第四章 基于神经网络的交通参数预测 | 第48-73页 |
| 4.1 神经网络的基本特点 | 第48-49页 |
| 4.2 神经网络的结构 | 第49-54页 |
| 4.2.1 神经元模型 | 第49-50页 |
| 4.2.2 传输函数 | 第50-52页 |
| 4.2.3 网络结构 | 第52-54页 |
| 4.3 神经网络的学习 | 第54-57页 |
| 4.3.1 学习方式 | 第54-56页 |
| 4.3.2 学习算法 | 第56-57页 |
| 4.4 基于 BP 神经网络的交通参数预测 | 第57-71页 |
| 4.4.1 BP 神经网络的结构 | 第57-58页 |
| 4.4.2 BP 算法 | 第58-64页 |
| 4.4.3 基于 BP 神经网络的交通流量预测模型 | 第64-65页 |
| 4.4.4 预测结果分析 | 第65-67页 |
| 4.4.5 速度和占有率的预测 | 第67-71页 |
| 4.5 卡尔曼滤波模型与 BP 神经网络模型预测结果的比较 | 第71-72页 |
| 4.6 本章小结 | 第72-73页 |
| 第五章 全文总结和展望 | 第73-75页 |
| 5.1 本文总结 | 第73-74页 |
| 5.2 研究展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间已发表或录用的论文 | 第79-80页 |
| 致谢 | 第80页 |