大规模路网实时交通流预测模型及应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-16页 |
| ·研究背景与研究意义 | 第10-11页 |
| ·研究现状 | 第11-14页 |
| ·交通流预模型的研究现状 | 第11-13页 |
| ·大规模路网实时交通流预测模型研究现状 | 第13-14页 |
| ·本文的主要工作 | 第14页 |
| ·本文的组织结构 | 第14-16页 |
| 2 基于支持向量机的交通流预测模型 | 第16-29页 |
| ·机器学习方法简介 | 第17-19页 |
| ·学习问题的一般表示 | 第17-18页 |
| ·经验风险最小化原则 | 第18页 |
| ·模型复杂度和推广能力 | 第18-19页 |
| ·统计学习理论 | 第19-22页 |
| ·VC维 | 第19页 |
| ·泛化误差的边界 | 第19-20页 |
| ·结构风险最小化 | 第20-22页 |
| ·基于支持向量机的交通流预测模型 | 第22-25页 |
| ·ε-SVR模型 | 第22-24页 |
| ·参数C的选择 | 第24页 |
| ·参数ε的选择 | 第24-25页 |
| ·实验 | 第25-29页 |
| ·评价指标 | 第25-26页 |
| ·实验方法 | 第26-27页 |
| ·结果分析和结论 | 第27-29页 |
| 3 无检测路段交通流预测算法和模型的研究 | 第29-37页 |
| ·聚类分析技术 | 第29-32页 |
| ·聚类方法概述 | 第29-30页 |
| ·系统聚类前的数据处理 | 第30页 |
| ·相似系数 | 第30-32页 |
| ·系统聚类的工作过程 | 第32页 |
| ·判别分析技术 | 第32页 |
| ·无检测器路段交通流预测 | 第32-34页 |
| ·系统聚类分析 | 第33-34页 |
| ·判别分析 | 第34页 |
| ·基于支持向量机的无检测器交叉口交通流预测 | 第34页 |
| ·实验 | 第34-37页 |
| 4 大规模路网交通流预测模型 | 第37-48页 |
| ·交通流变化特性 | 第37-42页 |
| ·交通流在时间上的变化特性 | 第37-39页 |
| ·交通流在空间上的变化特性 | 第39-40页 |
| ·相关性分析 | 第40-42页 |
| ·大规模路网实时交通流预测模型 | 第42-48页 |
| ·数据处理模块 | 第42-44页 |
| ·训练模块 | 第44-46页 |
| ·预测模块 | 第46-48页 |
| 5 大规模路网交通流预测的并行计算 | 第48-56页 |
| ·并行计算简介 | 第48-51页 |
| ·并行性 | 第48-49页 |
| ·并行算法的一般概念 | 第49页 |
| ·并行算法设计的策略 | 第49-50页 |
| ·并行算法的性能评估 | 第50-51页 |
| ·并行计算实现技术 | 第51-54页 |
| ·MPI | 第51-52页 |
| ·Charm++ | 第52-54页 |
| ·并行计算环境 | 第54页 |
| ·硬件简介 | 第54页 |
| ·软件简介 | 第54页 |
| ·详细配置 | 第54页 |
| ·大规模路网多路段的并行计算 | 第54-56页 |
| 6 应用研究 | 第56-68页 |
| ·实时数据采集、存储、分析和处理 | 第56-62页 |
| ·数据采集 | 第56-58页 |
| ·数据存储 | 第58页 |
| ·数据分析 | 第58-60页 |
| ·数据处理 | 第60-62页 |
| ·时间依赖网络中的中国邮路问题 | 第62页 |
| ·交通控制 | 第62-63页 |
| ·交通流实时预测信息发布 | 第63-64页 |
| ·公交优先 | 第64-68页 |
| 7 大规模路网多路段并行实验 | 第68-73页 |
| ·实验设计 | 第68-69页 |
| ·程序实现 | 第69-72页 |
| ·MPI | 第69-70页 |
| ·Charm++ | 第70-72页 |
| ·结果分析 | 第72-73页 |
| 结论 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 攻读硕士学位期间发表学术论文情况 | 第77-78页 |
| 致谢 | 第78-79页 |
