基于浮动车数据的路段旅行时间预测研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-12页 |
| 1 绪论 | 第12-16页 |
| ·研究背景及意义 | 第12-13页 |
| ·本文研究的主要内容 | 第13-15页 |
| ·本文的新意 | 第15-16页 |
| 2 国内外研究与应用现状综述 | 第16-25页 |
| ·交通信息采集 | 第16-17页 |
| ·浮动车技术研究与应用 | 第17-19页 |
| ·浮动车技术研究 | 第17-18页 |
| ·浮动车系统应用 | 第18-19页 |
| ·路段旅行时间预测 | 第19-23页 |
| ·研究文献概述 | 第19-20页 |
| ·几种典型的预测方法分析 | 第20-23页 |
| ·小结 | 第23-25页 |
| 3 浮动车数据的采集与预处理 | 第25-36页 |
| ·数据的采集 | 第25-28页 |
| ·浮动车信息采集系统构成 | 第25-26页 |
| ·浮动车数据结构 | 第26页 |
| ·浮动车信息采集系统的优势 | 第26-28页 |
| ·速度的预处理 | 第28-32页 |
| ·瞬时速度与计算速度 | 第28-30页 |
| ·计算速度的求解方法 | 第30-31页 |
| ·数据的筛选 | 第31-32页 |
| ·样本量的确定 | 第32-33页 |
| ·路段旅行时间的计算 | 第33-36页 |
| ·路段旅行时间的含义 | 第33-34页 |
| ·路段旅行时间的计算方法 | 第34-36页 |
| 4 路段旅行时间预测 | 第36-57页 |
| ·概述 | 第36-40页 |
| ·旅行时间预测意义 | 第36-37页 |
| ·路段旅行时间预测原理 | 第37-38页 |
| ·路段旅行时间预测模式的确定 | 第38-39页 |
| ·路段旅行时间预测方法的选择 | 第39-40页 |
| ·基于卡尔曼滤波理论的路段旅行时间短时预测 | 第40-48页 |
| ·卡尔曼滤波概述 | 第40-41页 |
| ·卡尔曼滤波的基本理论 | 第41-43页 |
| ·卡尔曼滤波路段旅行时间预测模型的建立 | 第43-45页 |
| ·参数确定方法研究 | 第45-46页 |
| ·算法流程 | 第46-48页 |
| ·基于BP神经网络模型的路段旅行时间长时预测 | 第48-56页 |
| ·神经网络概述 | 第48-49页 |
| ·BP神经网络结构与算法 | 第49-52页 |
| ·BP神经网络路段旅行时间预测模型的建立 | 第52-55页 |
| ·模型参数的确定与MATLAB仿真计算 | 第55-56页 |
| ·预测误差指标 | 第56-57页 |
| 5 示例分析 | 第57-68页 |
| ·数据来源 | 第57-60页 |
| ·杭州市交通及浮动车现状 | 第57-58页 |
| ·示例选取 | 第58-60页 |
| ·路段旅行时间短时预测 | 第60-63页 |
| ·预测过程及结果 | 第60-62页 |
| ·误差分析 | 第62-63页 |
| ·路段旅行时间长时预测 | 第63-68页 |
| ·预测过程及结果 | 第63-66页 |
| ·误差分析 | 第66-68页 |
| 6 结论与展望 | 第68-70页 |
| ·结论 | 第68页 |
| ·需要进一步解决的问题 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 附录 部分浮动车匹配后的数据表 | 第73-75页 |
| 作者简历 | 第75-77页 |
| 学位论文数据集 | 第77页 |
