| 第一章 绪论 | 第1-16页 |
| ·ITS国内、外发展概述 | 第7-10页 |
| ·目前ITS的研究内容和关键问题 | 第10-12页 |
| ·论文研究的目的和意义 | 第12-14页 |
| ·论文研究的内容 | 第14-16页 |
| 第二章 交通流特性分析及交通流预测方法 | 第16-27页 |
| ·交通流概念及交通流的特性 | 第16-18页 |
| ·交通流预测方法 | 第18-22页 |
| ·交通流混合预测方法 | 第22-24页 |
| ·交通流混合预测方法实现的主要技术支持 | 第24-25页 |
| ·小结 | 第25-27页 |
| 第三章 短时交通流的小波分解与重构 | 第27-45页 |
| ·小波分解与重构的基本原理 | 第27-38页 |
| ·小波变换 | 第30-32页 |
| ·离散小波和离散小波变换 | 第32-33页 |
| ·正交多分辨分析 | 第33-34页 |
| ·小波分解与重构的Mallat塔式算法 | 第34-38页 |
| ·小波分解与重构原理在短时交通流预测中起到的作用 | 第38-39页 |
| ·信号边缘突变问题的解决 | 第39页 |
| ·短时交通流数据分解与重构 | 第39-44页 |
| ·小结 | 第44-45页 |
| 第四章 基于小波神经网络的短时交通流低频数据的预测 | 第45-52页 |
| ·BP神经网络预测方法的特点 | 第45-47页 |
| ·基于小波神经网络的交通流量预测模型 | 第47-49页 |
| ·基于小波神经网络预测模型对短时交通流低频数据预测的结果 | 第49-50页 |
| ·小结 | 第50-52页 |
| 第五章 基于AR模型对短时交通流高频数据的预测 | 第52-58页 |
| ·AR模型预测方法的特点 | 第52-55页 |
| ·基于AR模型对短时交通流高频数据预测的结果及结果分析 | 第55-57页 |
| ·小结 | 第57-58页 |
| 第六章 混合预测方法仿真结果与分析 | 第58-63页 |
| ·混合预测方法预测结果的合成 | 第58页 |
| ·交通流混合预测方法预测结果的综合分析 | 第58-62页 |
| ·小结 | 第62-63页 |
| 全文总结与展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 发表论文和参加科研情况说明 | 第70-71页 |
| 致 谢 | 第71页 |
