| 创新点摘要 | 第1-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-11页 |
| 目录 | 第11-14页 |
| 第1章 绪论 | 第14-28页 |
| ·研究背景及意义 | 第14-16页 |
| ·国内外研究现状 | 第16-23页 |
| ·相关理论研究现状 | 第16-22页 |
| ·研究现状总结 | 第22-23页 |
| ·论文研究内容 | 第23-26页 |
| ·论文组织结构 | 第26-28页 |
| 第2章 城市道路交通流特性分析 | 第28-40页 |
| ·交通流基本特征参数 | 第28-30页 |
| ·交通流特性分析 | 第30-31页 |
| ·交通流时间变化特性 | 第31-35页 |
| ·交通流空间变化特性 | 第35-39页 |
| ·小结 | 第39-40页 |
| 第3章 在线交通流时空复合预测模型研究 | 第40-70页 |
| ·交通流预测模型 | 第40-41页 |
| ·交通流时空预测模型 | 第41-45页 |
| ·基本理论 | 第41-44页 |
| ·研究现状总结 | 第44-45页 |
| ·在线自适应交通流时空复合预测模型-OAHST模型 | 第45-59页 |
| ·OAHST预测模型描述 | 第45-47页 |
| ·OAHST预测模型的建模过程 | 第47-51页 |
| ·OAHST预测模型的参数分析 | 第51-59页 |
| ·OAHST模型交通流预测分析 | 第59-68页 |
| ·数据来源 | 第59页 |
| ·实证分析 | 第59-68页 |
| ·小结 | 第68-70页 |
| 第4章 基于改进RBF网络的城市道路交通流预测模型研究 | 第70-98页 |
| ·径向基神经网络理论 | 第70-77页 |
| ·RBF网络理论概述 | 第70-73页 |
| ·RBF网络学习算法 | 第73-76页 |
| ·研究现状总结 | 第76-77页 |
| ·RBF网络主要问题分析 | 第77-79页 |
| ·两阶段混合自适应RBF网络学习算法 | 第79-90页 |
| ·TSMALA算法特点分析 | 第79-80页 |
| ·TSMALA算法基本原理 | 第80-89页 |
| ·TSMALA算法描述 | 第89-90页 |
| ·TSMALA-RBF网络交通流预测分析 | 第90-96页 |
| ·交通流预测模型的建模过程 | 第90-91页 |
| ·实证分析 | 第91-96页 |
| ·小结 | 第96-98页 |
| 第5章 基于改进LS-SVM的城市道路交通流预测模型研究 | 第98-130页 |
| ·支持向量机理论 | 第98-102页 |
| ·最优分类面 | 第98-99页 |
| ·支持向量回归机 | 第99-102页 |
| ·最小二乘支持向量机 | 第102-106页 |
| ·基本理论 | 第102-105页 |
| ·研究现状 | 第105-106页 |
| ·在线自适应最小二乘支持向量机OALS-SVM | 第106-122页 |
| ·问题的描述 | 第107页 |
| ·支持向量分析 | 第107-110页 |
| ·OALS-SVM的基本训练 | 第110-121页 |
| ·OALS-SVM算法描述 | 第121-122页 |
| ·OALS-SVM交通流预测分析 | 第122-128页 |
| ·交通流预测模型的建模过程 | 第122-123页 |
| ·实证分析 | 第123-128页 |
| ·小结 | 第128-130页 |
| 第6章 基于OAHST预测模型的城市道路交通诱导系统 | 第130-142页 |
| ·城市道路交通诱导系统概述 | 第130-132页 |
| ·城市道路交通诱导系统的基本架构 | 第132-134页 |
| ·城市道路交通诱导系统主要功能 | 第134-139页 |
| ·实时路况信息处理与显示 | 第134-137页 |
| ·出行路径导航 | 第137-138页 |
| ·交通流信息统计 | 第138-139页 |
| ·小结 | 第139-142页 |
| 第7章 结论与展望 | 第142-146页 |
| ·主要研究成果 | 第142-144页 |
| ·后续研究工作展望 | 第144-146页 |
| 参考文献 | 第146-160页 |
| 攻读学位期间公开发表的论文 | 第160-161页 |
| 攻读学位期间参加的科研项目 | 第161-162页 |
| 致谢 | 第162-163页 |
| 作者简介 | 第163页 |
