| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 引言 | 第12-13页 |
| 1.绪论 | 第13-20页 |
| 1.1 研究背景及意义 | 第13-16页 |
| 1.1.1 研究背景 | 第13-16页 |
| 1.1.2 研究意义 | 第16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 短时交通流参数预测 | 第16-17页 |
| 1.2.2 交通状态预警 | 第17-19页 |
| 1.3 研究基本方法和内容 | 第19-20页 |
| 2 基于粗糙集理论进行高速公路交通非常态数据属性约简 | 第20-31页 |
| 2.1 粗糙集基本理论 | 第20页 |
| 2.2 粗糙集的知识表达系统 | 第20-21页 |
| 2.3 基于属性重要度的约简方法 | 第21-28页 |
| 2.3.1 属性重要度约简方法 | 第21-22页 |
| 2.3.2 基于信息熵的改进属性约简方法 | 第22-28页 |
| 2.4 约简后属性重要度及依赖度研究 | 第28-30页 |
| 2.4.1 核属性相对于决策属性的依赖度 | 第28-29页 |
| 2.4.2 核属性的计算获取与结果分析 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3.高速公路交通参数短时预测方法研究 | 第31-44页 |
| 3.1 高速公路常用预测方法的对比 | 第31-35页 |
| 3.1.1 对比分析预测方法的优缺点 | 第31-34页 |
| 3.1.2 对比预测方法的预测精度 | 第34-35页 |
| 3.2 改进的自适应信号跟踪法高速公路短时预测 | 第35-37页 |
| 3.3 高速公路多模型组合预测法 | 第37-43页 |
| 3.3.1 高速公路组合模型的建立 | 第37-38页 |
| 3.3.2 确定权重 | 第38-39页 |
| 3.3.3 反比例法处理 | 第39页 |
| 3.3.4 最小二乘法等步长处理 | 第39-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4.高速公路非常态预警 | 第44-57页 |
| 4.1 高速公路非常态预警方法的方向与分类 | 第44页 |
| 4.2 高速公路常用预警方法的对比研究 | 第44-45页 |
| 4.2.1 California算法 | 第44页 |
| 4.2.2 McMaster算法 | 第44-45页 |
| 4.2.3 标准偏差法 | 第45页 |
| 4.3 改进的预警算法在高速公路中的应用 | 第45-51页 |
| 4.3.1 固定检测器的双截面预警算法 | 第45-46页 |
| 4.3.2 基于属性核的预警算法 | 第46-47页 |
| 4.3.3 改进的基于模糊理论的预警算法 | 第47-51页 |
| 4.4 预警算法分级预警判别模块 | 第51-56页 |
| 4.4.1 模糊综合评价模型 | 第51-52页 |
| 4.4.2 模糊子集计算 | 第52-53页 |
| 4.4.3 模糊子集预警级别评价 | 第53-56页 |
| 4.5 本章小结 | 第56-57页 |
| 5.高速公路非常态的预警案例与评价 | 第57-65页 |
| 5.1 结合深圳高速公路的预警案例 | 第57-59页 |
| 5.1.1 深圳高速路预警方案 | 第57-58页 |
| 5.1.2 结果分析 | 第58-59页 |
| 5.2 京港澳高速广深段模糊聚类的分级评估与预警 | 第59-64页 |
| 5.2.1 模糊综合评价模型 | 第59-62页 |
| 5.2.2 模糊子集计算 | 第62页 |
| 5.2.3 模糊子集预警级别评价 | 第62-64页 |
| 5.3 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 论文主要研究成果 | 第65页 |
| 研究展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 在学研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |