| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 1 绪论 | 第8-11页 |
| ·问题的背景 | 第8页 |
| ·治理交通堵塞的主要措施 | 第8页 |
| ·行程时间预测的意义 | 第8-9页 |
| ·路段行程时间预测与路网交通时间预测 | 第9页 |
| ·本文的研究目的和研究内容 | 第9-11页 |
| 2 国内外现状综述 | 第11-16页 |
| ·引言 | 第11页 |
| ·几种典型的路段行程时间预测方法 | 第11-15页 |
| ·小结 | 第15-16页 |
| 3 交通参数的检测 | 第16-25页 |
| ·引言 | 第16页 |
| ·交通参数的采集 | 第16-20页 |
| ·基于车型识别的双线圈路段平均速度求取 | 第20-23页 |
| ·小结 | 第23-25页 |
| 4 径向基函数(RBF)神经网络的基本原理 | 第25-32页 |
| ·引言 | 第25页 |
| ·人工神经网络的发展概要 | 第25-26页 |
| ·神经网络的特点和基本原理 | 第26-27页 |
| ·RBF神经网络的结构和特点 | 第27-28页 |
| ·RBF神经网络的训练算法设计 | 第28-29页 |
| ·RBF神经网络和BP神经网络的比较 | 第29-31页 |
| ·小结 | 第31-32页 |
| 5 基于径向基函数(RBF)神经网络的路段行程时间预测 | 第32-45页 |
| ·引言 | 第32页 |
| ·基于RBF神经网络的路段行程时间预测的基本思想 | 第32页 |
| ·基于RBF神经网络的路段行程时间预测模型的结构 | 第32-33页 |
| ·基于RBF神经网络的路段行程时间预测的实现 | 第33-36页 |
| ·基于RBF神经网络的路段行程时间预测的验证 | 第36-44页 |
| ·分析讨论 | 第44页 |
| ·小结 | 第44-45页 |
| 6 RBF网络与卡尔曼滤波和BP网络的预测性能比较 | 第45-63页 |
| ·引言 | 第45页 |
| ·卡尔曼滤波与路段行程时间预测 | 第45-52页 |
| ·基于BP神经网络的路段行程时间预测 | 第52-59页 |
| ·RBF网络与卡尔曼滤波、BP网络的预测性能比较 | 第59-62页 |
| ·小结 | 第62-63页 |
| 7 结论与展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |