| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 论文结构 | 第13-15页 |
| 2 交通流预测的理论基础 | 第15-23页 |
| 2.1 交通流预测的基本概念 | 第15-17页 |
| 2.1.1 交通流预测的研究内容 | 第15-16页 |
| 2.1.2 交通流预测的分类 | 第16-17页 |
| 2.2 短时交通流预测的主要方法 | 第17-18页 |
| 2.2.1 单一预测模型 | 第17-18页 |
| 2.2.2 组合预测模型 | 第18页 |
| 2.3 交通流数据的预处理 | 第18-21页 |
| 2.3.1 交通流数据的采集 | 第19-20页 |
| 2.3.2 交通流数据的预处理 | 第20-21页 |
| 2.4 本章小结 | 第21-23页 |
| 3 基于K近邻法的短时交通流预测 | 第23-37页 |
| 3.1 非参数回归 | 第23-26页 |
| 3.1.1 非参数回归预测原理 | 第24页 |
| 3.1.2 非参数回归法的优点 | 第24-25页 |
| 3.1.3 非参数回归法在短时交通流预测中的应用 | 第25-26页 |
| 3.2 预测算法的选择 | 第26-28页 |
| 3.2.1 核函数法 | 第26-27页 |
| 3.2.2 K近邻法 | 第27-28页 |
| 3.3 基于K近邻法的短时交通流预测流程 | 第28-30页 |
| 3.4 K近邻法的改进 | 第30-35页 |
| 3.4.1 关于K取值的改进 | 第30-32页 |
| 3.4.2 关于引进上游交叉口相关转向交通流的改进 | 第32-35页 |
| 3.5 短时交通流预测的评价标准 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 4 基于贝叶斯分类和K近邻法的短时交通流预测 | 第37-44页 |
| 4.1 贝叶斯理论概述 | 第37-38页 |
| 4.2 基于贝叶斯分类的交通流状态分类方法 | 第38-39页 |
| 4.3 基于贝叶斯分类的改进 | 第39-40页 |
| 4.4 贝叶斯网络的建立 | 第40-41页 |
| 4.5 基于贝叶斯分类的改进K近邻法预测流程 | 第41-42页 |
| 4.6 本章小结 | 第42-44页 |
| 5 仿真计算 | 第44-56页 |
| 5.1 数据采集及预处理 | 第44-46页 |
| 5.1.1 数据采集路段信息及数据采集 | 第44-45页 |
| 5.1.2 数据预处理 | 第45-46页 |
| 5.2 K值的选取 | 第46-47页 |
| 5.3 算法实现与结果分析 | 第47-54页 |
| 5.4 本章小结 | 第54-56页 |
| 结论与展望 | 第56-58页 |
| 6.1 论文工作总结 | 第56页 |
| 6.2 后续工作与展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |