基于WSN的交通流聚合时机研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·研究背景和意义 | 第9-10页 |
| ·数据聚合研究现状 | 第10-12页 |
| ·本文的主要研究内容 | 第12页 |
| ·本文的组织结构 | 第12-13页 |
| 2 数据聚合时机相关研究 | 第13-20页 |
| ·WSN网络研究现状 | 第13-16页 |
| ·WSN网络定义 | 第13页 |
| ·WSN网络的特点 | 第13-14页 |
| ·WSN体系结构 | 第14-15页 |
| ·WSN的研究问题 | 第15-16页 |
| ·数据聚合技术 | 第16-18页 |
| ·数据聚合方法 | 第16-17页 |
| ·数据聚合点研究 | 第17-18页 |
| ·聚合时机研究现状 | 第18-20页 |
| 3 神经网络和遗传算法在交通预测中的应用 | 第20-29页 |
| ·神经网络在交通流预测中的应用研究 | 第20-26页 |
| ·神经网络原理 | 第20-22页 |
| ·BP神经网络介绍 | 第22-25页 |
| ·神经网络在预测中的应用 | 第25-26页 |
| ·遗传算法原理及应用 | 第26-28页 |
| ·遗传算法定义及来源 | 第26页 |
| ·遗传算法基本原理及特点 | 第26-27页 |
| ·遗传算法过程 | 第27-28页 |
| ·神经网络和遗传算法结合的必要性 | 第28-29页 |
| 4 交通流可变聚合时机模型 | 第29-39页 |
| ·交通流分布 | 第29-30页 |
| ·基于二项分布的可变聚合时机模型 | 第30-34页 |
| ·模型背景 | 第30-32页 |
| ·建模过程 | 第32-34页 |
| ·聚合时间模型 | 第34页 |
| ·固定车流量的交通聚合时间仿真实验 | 第34-39页 |
| 5 遗传算法和神经网络预测交通流 | 第39-50页 |
| ·问题描述 | 第39页 |
| ·遗传算法优化神经网络预测交通流的过程 | 第39-42页 |
| ·可变聚合时间 | 第42-43页 |
| ·仿真分析 | 第43-50页 |
| ·仿真设置 | 第43页 |
| ·具体实现 | 第43-49页 |
| ·结果分析 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-56页 |
