| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11页 |
| 1.2 研究目的与意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 国外对OD反推的研究概况 | 第13-14页 |
| 1.3.2 国内对OD反推的研究概况 | 第14-15页 |
| 1.4 研究内容 | 第15-16页 |
| 1.5 研究方法与技术框架 | 第16-18页 |
| 1.5.1 研究方法 | 第16页 |
| 1.5.2 技术框架 | 第16-18页 |
| 第二章 传统OD反推方法的理论与评价 | 第18-31页 |
| 2.1 OD反推流程 | 第18-21页 |
| 2.1.1 路段流量检测及先验信息的获取 | 第18-19页 |
| 2.1.2 路径选择矩阵P的获取 | 第19-20页 |
| 2.1.3 阻抗函数的确定 | 第20-21页 |
| 2.2 OD反推模型 | 第21-27页 |
| 2.2.1 基于约束形式的OD反推方法 | 第21-22页 |
| 2.2.2 基于目标函数形式的OD反推方法 | 第22-25页 |
| 2.2.3 双层规划OD反推方法 | 第25页 |
| 2.2.4 人工神经网络OD反推方法 | 第25-26页 |
| 2.2.5 模型对比分析 | 第26-27页 |
| 2.3 OD反推精度 | 第27-30页 |
| 2.3.1 OD反推精度综述 | 第27页 |
| 2.3.2 OD反推精度指标 | 第27-28页 |
| 2.3.3 OD反推精度影响因素 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于车牌识别技术的交通重构 | 第31-43页 |
| 3.1 引言 | 第31页 |
| 3.2 车牌识别信息的处理 | 第31-38页 |
| 3.2.1 路段流量的分解 | 第31-32页 |
| 3.2.2 数据收集与处理 | 第32-38页 |
| 3.3 基于车牌识别的OD反推模型 | 第38-40页 |
| 3.3.1 模型构造 | 第38-39页 |
| 3.3.2 观测误差处理 | 第39-40页 |
| 3.4 车牌识别最佳检测路段选择 | 第40-41页 |
| 3.5 基于车牌识别的OD反推算法 | 第41页 |
| 3.6 本章小结 | 第41-43页 |
| 第四章 贝叶斯OD反推模型 | 第43-53页 |
| 4.1 背景介绍 | 第43-46页 |
| 4.1.1 贝叶斯统计原理 | 第43页 |
| 4.1.2 共轭先验 | 第43-46页 |
| 4.2 基于Poisson/Gamma共轭先验的贝叶斯模型 | 第46-49页 |
| 4.2.1 模型假设 | 第46页 |
| 4.2.2 模型构造 | 第46-49页 |
| 4.3 基于正态分布共轭先验的贝叶斯模型 | 第49-51页 |
| 4.3.1 模型假设 | 第49-50页 |
| 4.3.2 模型构造 | 第50-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第五章 算例分析 | 第53-82页 |
| 5.1 算例一 | 第53-68页 |
| 5.1.1 路网介绍 | 第53-55页 |
| 5.1.2 SUE分配模型 | 第55-56页 |
| 5.1.3 具体步骤 | 第56-60页 |
| 5.1.4 结果分析 | 第60-68页 |
| 5.2 算例二 | 第68-77页 |
| 5.2.1 路网介绍 | 第68-70页 |
| 5.2.2 基于TransCAD平台的OD反推 | 第70-73页 |
| 5.2.3 基于车牌识别的共轭贝叶斯OD反推 | 第73-74页 |
| 5.2.4 结果对比 | 第74-77页 |
| 5.3 算例三 | 第77-81页 |
| 5.4 本章小结 | 第81-82页 |
| 结论 | 第82-84页 |
| 主要结论 | 第82-83页 |
| 研究展望 | 第83-84页 |
| 参考文献 | 第84-90页 |
| 攻读硕士学位期间取得的研究成果 | 第90-91页 |
| 致谢 | 第91-92页 |
| 附件 | 第92页 |