| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第15-28页 |
| 1.1 研究背景 | 第15-16页 |
| 1.2 研究的目的及意义 | 第16-17页 |
| 1.3 问题的提出 | 第17-19页 |
| 1.4 研究综述 | 第19-25页 |
| 1.4.1 动态交通流分配（DTA） | 第19-20页 |
| 1.4.2 交通数据收集和交通状态识别 | 第20-22页 |
| 1.4.3 挖掘交通模式和发现交通瓶颈 | 第22-23页 |
| 1.4.4 行程时间预测（TTP） | 第23-25页 |
| 1.5 研究框架与主要内容 | 第25-26页 |
| 1.6 创新点总结 | 第26-28页 |
| 第二章 移动交通管理体系框架 | 第28-46页 |
| 2.1 移动交通管理 | 第28-32页 |
| 2.1.1 移动交通管理的定义 | 第28-29页 |
| 2.1.2 移动交通管理的背景 | 第29-30页 |
| 2.1.3 移动交通管理的特征与先进性 | 第30-32页 |
| 2.2 移动交通管理的体系框架 | 第32-33页 |
| 2.3 移动交通管理的关键技术分析 | 第33-37页 |
| 2.3.1 影响并管理交通需求 | 第33-35页 |
| 2.3.2 发现交通模式并确定交通瓶颈 | 第35-36页 |
| 2.3.3 解决交通瓶颈 | 第36页 |
| 2.3.4 协作交通信息产生和共享框架 | 第36-37页 |
| 2.4 移动交通管理的本质 | 第37-45页 |
| 2.4.1 移动互联网的发展状况及在交通领域的应用 | 第37-41页 |
| 2.4.2 大数据的发展状况及在交通领域的应用 | 第41-43页 |
| 2.4.3 背后的规律与意义 | 第43-45页 |
| 2.5 本章小结 | 第45-46页 |
| 第三章 基于LBS的交通信息采集技术分析 | 第46-54页 |
| 3.1 数据来源选择 | 第46-47页 |
| 3.2 数据收集与清洗 | 第47-49页 |
| 3.2.1 缺失的数据 | 第48页 |
| 3.2.2 无效数据 | 第48-49页 |
| 3.3 交通信息产生 | 第49-53页 |
| 3.3.1 交通信息点（ TIS） | 第49页 |
| 3.3.2 车辆轨迹 | 第49页 |
| 3.3.3 交通网络快照（TNS） | 第49-50页 |
| 3.3.4 高速公路的交通信息产生 | 第50-51页 |
| 3.3.5 城市路网的交通信息产生 | 第51-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第四章 协作交通信息产生和分享框架 | 第54-61页 |
| 4.1 框架架构 | 第54-55页 |
| 4.2 智能交通代理（STA） | 第55-57页 |
| 4.3 多源异类信息融合 | 第57-58页 |
| 4.4 基于大数据的交通状态预测 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 时空交通模式与动态交通瓶颈挖掘技术研究 | 第61-78页 |
| 5.1 对象级交通模式挖掘 | 第61-65页 |
| 5.1.1 时空聚集模式（SAP） | 第62-63页 |
| 5.1.2 拥堵消退模式（CDP） | 第63-64页 |
| 5.1.3 交叉路.延时模式（IDP） | 第64-65页 |
| 5.2 区域级交通模式发掘 | 第65-71页 |
| 5.2.1 空间启发式聚类（SHC） | 第65-66页 |
| 5.2.2 拥堵扩散模式（CPP） | 第66-68页 |
| 5.2.3 需求冲突模式（DCP） | 第68-70页 |
| 5.2.4 拥堵区域序列规则（CASR） | 第70-71页 |
| 5.3 动态交通瓶颈（DTB） | 第71页 |
| 5.4 动态交通瓶颈识别的启发式方法 | 第71-73页 |
| 5.4.1 拥堵扩散（CPH） | 第72页 |
| 5.4.2 拥堵汇集（CCH） | 第72-73页 |
| 5.4.3 拥堵消退（CDH） | 第73页 |
| 5.5 实验 | 第73-77页 |
| 5.6 本章小结 | 第77-78页 |
| 第六章 基于LBS的行程时间实时预测技术研究 | 第78-90页 |
| 6.1 行程时间预测系统的架构 | 第78-79页 |
| 6.2 动态加权组合方案 | 第79-81页 |
| 6.3 行程时间预测模型 | 第81-84页 |
| 6.3.1 TTP系统工作流程 | 第82-83页 |
| 6.3.2 启发式路径选择 | 第83-84页 |
| 6.4 基于多维度的行程时间预测 | 第84-86页 |
| 6.4.1 基于交通模式构建的规则 | 第84-85页 |
| 6.4.2 历史行程时间预测 | 第85页 |
| 6.4.3 实时行程时间预测 | 第85页 |
| 6.4.4 动态加权组合方法 | 第85-86页 |
| 6.5 行程时间预测原型系统 | 第86-88页 |
| 6.6 实验 | 第88-89页 |
| 6.7 本章小结 | 第89-90页 |
| 第七章 基于交通知识的决策支持系统 | 第90-100页 |
| 7.1 系统架构 | 第90-92页 |
| 7.2 三层递阶的交通分配原则 | 第92-97页 |
| 7.2.1 顶层：整体网络性能提升 | 第92-94页 |
| 7.2.2 中间层：交通顺畅 | 第94-96页 |
| 7.2.3 入门层：本地优化 | 第96-97页 |
| 7.3 先进的决策支持系统 | 第97-98页 |
| 7.4 本章小结 | 第98-100页 |
| 第八章 总结及展望 | 第100-105页 |
| 8.1 本文的研究总结 | 第100-102页 |
| 8.2 有待深入研究的问题 | 第102-103页 |
| 8.3 创新点总结 | 第103-105页 |
| 参考文献 | 第105-111页 |
| 附录 | 第111-114页 |
| 攻读博士学位期间发表的学术论文与参加科研项目 | 第114-115页 |
| 致谢 | 第115页 |