| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 选题的背景及意义 | 第9-10页 |
| 1.1.1 选题的背景 | 第9-10页 |
| 1.1.2 选题的意义 | 第10页 |
| 1.2 国内外研究现状的综述 | 第10-14页 |
| 1.2.1 机动车保有量预测的研究 | 第10-12页 |
| 1.2.2 路网交通容量的研究 | 第12-13页 |
| 1.2.3 预警模型的研究 | 第13-14页 |
| 1.3 研究的内容 | 第14页 |
| 1.4 研究的思路与方法 | 第14-16页 |
| 2 基于 BP 神经网络的机动车保有量预警模型概述 | 第16-24页 |
| 2.1 机动车保有量及预警模型的概述 | 第16-17页 |
| 2.1.1 机动车保有量的概述 | 第16-17页 |
| 2.1.2 预警模型的概述 | 第17页 |
| 2.2 BP 神经网络概述 | 第17-21页 |
| 2.2.1 人工神经网络的概述 | 第17-19页 |
| 2.2.2 BP 神经网络的概念 | 第19页 |
| 2.2.3 BP 神经网络的基本原理 | 第19-20页 |
| 2.2.4 BP 神经网络的优缺点 | 第20页 |
| 2.2.5 基于 BP 神经网络的机动车保有量预测的可行性分析 | 第20-21页 |
| 2.3 路网交通容量及时空消耗概念 | 第21-24页 |
| 2.3.1 路网交通容量概念 | 第21页 |
| 2.3.2 路网交通容量的数学描述 | 第21-22页 |
| 2.3.3 时空消耗的概念 | 第22页 |
| 2.3.4 时间序列 | 第22-24页 |
| 3 基于 BP 神经网络的机动车保有量的预测建模 | 第24-31页 |
| 3.1 预测指标的选取 | 第24页 |
| 3.2 基于 BP 神经网络的机动车保有量的预测结构的设计 | 第24-26页 |
| 3.2.1 输入、输出层设计 | 第24-25页 |
| 3.2.2 隐层节点的选择 | 第25-26页 |
| 3.2.3 BP 神经网络参数的选择 | 第26页 |
| 3.3 基于 MATLAB 工具箱的机动车保有量预测步骤 | 第26-31页 |
| 4 时空消耗概念下的广义路网交通容量预测建模 | 第31-35页 |
| 4.1 时空消耗概念下的广义路网交通容量的计算模型 | 第31-32页 |
| 4.2 路网交通容量的计算 | 第32-35页 |
| 4.2.1 基于时间序列的道路净面积的预测 | 第33页 |
| 4.2.2 基于时空消耗的路网容量的计算 | 第33-35页 |
| 5 机动车保有量预警模型的建立 | 第35-39页 |
| 5.1 建立预警模型的基本步骤 | 第35页 |
| 5.2 预警模型的警情体系 | 第35-37页 |
| 5.2.1 警情的基本概念 | 第35页 |
| 5.2.2 警情指标的选取及描述 | 第35-36页 |
| 5.2.3 预警灯号及警情系数设置的依据 | 第36-37页 |
| 5.3 预警模型的框架 | 第37-39页 |
| 6 基于 BP 神经网络的城市机动车保有量预警模型的实例分析 | 第39-43页 |
| 6.1 城市机动车保有量的预测 | 第39-41页 |
| 6.1.1 BP 神经网络模型训练及结果分析 | 第39-40页 |
| 6.1.2 选择样本评测神经网络模型 | 第40-41页 |
| 6.1.3 BP 神经网络与其它算法的比较 | 第41页 |
| 6.2 确定大连市警情 | 第41-43页 |
| 6.2.1 计算大连市的警情系数 | 第41-42页 |
| 6.2.2 大连市预警分析 | 第42-43页 |
| 7 结论与展望 | 第43-45页 |
| 7.1 论文的主要创新性成果 | 第43页 |
| 7.2 展望 | 第43-45页 |
| 致谢 | 第45-46页 |
| 攻读硕士学位期间发表学术论文情况 | 第46-47页 |
| 参考文献 | 第47-48页 |
