| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-22页 |
| ·交通状态估计的研究背景和意义 | 第11-12页 |
| ·交通安全管理 | 第11页 |
| ·交通状态估计在安全管理中的重要作用 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·短时交通状态估计方法综述 | 第13-20页 |
| ·基于统计方法的模型 | 第15页 |
| ·交通仿真模型 | 第15-16页 |
| ·基于动态交通分配的模型 | 第16页 |
| ·非参数回归模型 | 第16-17页 |
| ·神经网络模型 | 第17-18页 |
| ·基于混沌理论的模型 | 第18-19页 |
| ·卡尔曼滤波方法 | 第19-20页 |
| ·论文的主要研究内容和结构 | 第20-22页 |
| ·论文的主要研究内容 | 第20页 |
| ·论文的结构 | 第20-22页 |
| 2 交通流理论模型分析与总结 | 第22-29页 |
| ·动态交通流模型简介与分析 | 第22-25页 |
| ·跟驰理论模型 | 第22-23页 |
| ·流体动力学模型 | 第23-24页 |
| ·元胞自动机模型 | 第24-25页 |
| ·二阶宏观随机交通流模型 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 3 滤波理论的研究 | 第29-42页 |
| ·贝叶斯最优估计 | 第29-31页 |
| ·蒙特卡罗方法 | 第31-34页 |
| ·蒙特卡罗积分 | 第31-32页 |
| ·蒙特卡罗方法的解题步骤 | 第32-33页 |
| ·蒙特卡罗方法的特点 | 第33-34页 |
| ·粒子滤波原理 | 第34-38页 |
| ·基本原理 | 第34-36页 |
| ·退化现象 | 第36-37页 |
| ·重采样算法 | 第37-38页 |
| ·粒子滤波算法仿真实验 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 4 基于基本粒子滤波算法的交通状态估计 | 第42-53页 |
| ·交通状态估计模型建立 | 第42-44页 |
| ·粒子滤波算法实现步骤 | 第44-45页 |
| ·实证研究——以北京市三环路为例 | 第45-51页 |
| ·交通数据处理方法 | 第45-46页 |
| ·实验数据处理 | 第46-47页 |
| ·性能评价指标 | 第47-48页 |
| ·实例分析 | 第48-51页 |
| ·本章小结 | 第51-53页 |
| 5 粒子滤波算法的改进及在交通状态估计问题中的应用 | 第53-64页 |
| ·基于蚁群算法的粒子滤波优化 | 第53-58页 |
| ·蚁群算法原理 | 第54-55页 |
| ·优化过程 | 第55-58页 |
| ·改进的粒子滤波算法用于交通状态估计 | 第58-63页 |
| ·算法实现步骤 | 第58-60页 |
| ·实验结果分析及对比 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| ·本文的创新点 | 第64页 |
| ·本文的主要工作 | 第64-65页 |
| ·下一步工作 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录 A | 第69-70页 |
| 作者简历 | 第70-72页 |
| 学位论文数据集 | 第72页 |