首页--交通运输论文--公路运输论文--交通工程与公路运输技术管理论文--交通工程与交通管理论文--交通调查与规划论文

道路交通流短时预测算法研究及系统应用实现

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第11-17页
    1.1 选题背景及研究意义第11-12页
    1.2 国内外研究现状第12-14页
        1.2.1 道路交通流预测研究现状第12-13页
        1.2.2 智能交通系统研究现状第13-14页
    1.3 本文的主要研究内容及结构安排第14-17页
第二章 道路交通流预测相关理论第17-26页
    2.1 交通流基本理论第17-19页
        2.1.1 交通流特征评价参数第17-18页
        2.1.2 城市道路交通流特征分析第18-19页
    2.2 道路交通流短时预测基本概念第19-20页
        2.2.1 道路交通流短时预测的基本概念第19-20页
        2.2.2 道路交通流短时预测评价指标第20页
    2.3 交通流数据获取及预处理第20-24页
        2.3.1 交通流数据获取第20-22页
        2.3.2 交通流数据预处理方法第22-24页
    2.4 道路交通流短时预测的意义第24-25页
    2.5 本章小结第25-26页
第三章 基于BP神经网络的道路交通流短时预测算法研究第26-38页
    3.1 BP神经网络基本原理第26-28页
    3.2 BP神经网络的改进第28-30页
    3.3 基于改进的BP神经网络的短时道路流量预测模型第30-31页
    3.4 基于改进BP神经网络模型的道路交通流短时预测模型实例分析第31-36页
    3.5 本章小结第36-38页
第四章 基于流量序列聚类和神经网络混合模型的道路交通流短时预测算法研究第38-58页
    4.1 聚类分析基本概念第38-41页
        4.1.1 聚类分析的基本原理第38-39页
        4.1.2 聚类算法的分类第39-40页
        4.1.3 K-means算法基本原理第40-41页
    4.2 道路交通流短时预测的混合模型第41-44页
        4.2.1 交通流特性划分第41-42页
        4.2.2 交通流聚类第42-43页
        4.2.3 基于经验划分和改进BP神经网络模型的交通流预测模型第43页
        4.2.4 基于K-means聚类和改进BP神经网络模型的交通流预测模型第43-44页
    4.3 道路交通流短时预测混合模型实例分析第44-54页
        4.3.1 基于经验划分和改进BP神经网络模型的交通流预测模型分析第44-49页
        4.3.2 基于流量序列聚类和改进BP神经网络模型的交通流预测模型分析第49-54页
    4.4 预测模型实例对比分析第54-56页
    4.5 本章小结第56-58页
第五章 南沙区智能交通管控系统设计第58-81页
    5.1 系统逻辑功能结构设计第58-68页
        5.1.1 道路交通流短时预测第59-60页
        5.1.2 交通协调控制系统第60页
        5.1.3 交通数据中心第60-65页
        5.1.4 路网监测与应急管理第65-68页
    5.2 系统整体架构设计第68-71页
    5.3 系统数据库高可用技术方案设计第71-75页
        5.3.1 数据库选型第71-73页
        5.3.2 数据库高可用方案设计第73-75页
    5.4 系统业务需求数据库逻辑模型设计第75-80页
    5.5 本章小结第80-81页
第六章 系统实现与测试第81-93页
    6.1 系统实现第81-88页
        6.1.1 系统登录模块第81页
        6.1.2 连续流绿波协调控制第81-82页
        6.1.3 特勤协调控制第82-83页
        6.1.4 多源信息采集与融合模块第83-84页
        6.1.5 交通基础数据管理第84-85页
        6.1.6 交通基础设施管理第85-86页
        6.1.7 路网状态监测与预测第86-87页
        6.1.8 交通事件联动与监控第87页
        6.1.9 警力资源调度与应急管理第87-88页
    6.2 系统数据库方案实现第88-91页
    6.3 系统测试第91-92页
        6.3.1 软件系统测试概述第91页
        6.3.2 智能交通管控系统测试第91-92页
    6.4 本章小结第92-93页
总结与展望第93-95页
    总结第93-94页
    展望第94-95页
参考文献第95-99页
攻读硕士学位期间取得的研究成果第99-100页
致谢第100-101页
附件第101页

论文共101页,点击 下载论文
上一篇:港珠澳大桥沉管隧道测控系统研究
下一篇:基于脑电和眼电的疲劳状态分析方法的研究