| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景与意义 | 第11页 |
| 1.2 研究现状 | 第11-19页 |
| 1.2.1 智慧城市与城市计算 | 第11-14页 |
| 1.2.2 城市交通流预测 | 第14-17页 |
| 1.2.3 模糊系统 | 第17-19页 |
| 1.3 研究内容与结构安排 | 第19-21页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 结构安排 | 第20-21页 |
| 第2章 城市短时交通流预测方法概述 | 第21-26页 |
| 2.1 城市短时交通流预测特点 | 第21页 |
| 2.2 交通流预测方法 | 第21-24页 |
| 2.2.1 自回归滑动平均模型及其变种 | 第21-22页 |
| 2.2.2 支持向量回归 | 第22-23页 |
| 2.2.3 贝叶斯网络 | 第23页 |
| 2.2.4 人工神经网络 | 第23-24页 |
| 2.2.5 最近邻算法 | 第24页 |
| 2.3 交通流预测方法对比 | 第24页 |
| 2.4 小结 | 第24-26页 |
| 第3章 基于ANFIS计及周期性的城市交通流预测混合模型 | 第26-41页 |
| 3.1 自适应模糊推理系统 | 第26-30页 |
| 3.1.1 模糊推理系统 | 第26-27页 |
| 3.1.2 自适应模糊推理系统 | 第27-30页 |
| 3.2 交通流预测混合模型 | 第30-32页 |
| 3.2.1 混合模型结构 | 第30-31页 |
| 3.2.2 周期性提取 | 第31页 |
| 3.2.3 数据转换 | 第31-32页 |
| 3.3 交通流预测实验 | 第32-39页 |
| 3.3.1 交通流数据集 | 第32页 |
| 3.3.2 性能指标 | 第32-33页 |
| 3.3.3 对比方法 | 第33-34页 |
| 3.3.4 实验设置 | 第34-35页 |
| 3.3.5 实验结果 | 第35-39页 |
| 3.4 实验结果分析 | 第39-40页 |
| 3.5 小结 | 第40-41页 |
| 第4章 基于函数型单输入规则模块模糊推理方法的城市交通流预测混合模型 | 第41-53页 |
| 4.1 函数型单输入规则模块模糊推理系统 | 第41-42页 |
| 4.2 基于FWSIRM-FIS的城市交通流预测混合模型 | 第42-45页 |
| 4.2.1 混合模型的结构 | 第42-43页 |
| 4.2.2 基于偏自相关分析的输入变量确定 | 第43-44页 |
| 4.2.3 FWSIRM-FIS训练方法 | 第44-45页 |
| 4.3 实验设置 | 第45-47页 |
| 4.3.1 数据设置 | 第46页 |
| 4.3.2 对比方法 | 第46-47页 |
| 4.3.3 性能指标 | 第47页 |
| 4.4 城市交通流预测实验 | 第47-51页 |
| 4.4.1 5分钟间隔交通流预测实验结果 | 第47-49页 |
| 4.4.2 15分钟间隔交通流预测实验结果 | 第49-51页 |
| 4.5 实验结果分析 | 第51-52页 |
| 4.6 小结 | 第52-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间论文发表及科研情况 | 第61页 |
