| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 论文组织安排 | 第18-20页 |
| 第二章 相关理论与方法 | 第20-31页 |
| 2.1 短时交通流量预测概述 | 第20-21页 |
| 2.2 数据采集与预处理 | 第21-23页 |
| 2.3 短时预测模型 | 第23-29页 |
| 2.4 预测效果评价指标 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 时空因素影响的城市道路短时交通流量预测 | 第31-38页 |
| 3.1 物理模型 | 第31-32页 |
| 3.2 影响因素的量化 | 第32-34页 |
| 3.3 影响因素的标准化 | 第34-35页 |
| 3.4 影响因素的范围 | 第35-36页 |
| 3.5 问题分析 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 基于MLS-SVM的城市道路短时交通流量预测模型 | 第38-49页 |
| 4.1 模型建立 | 第38-40页 |
| 4.1.1 MLS-SVM预测算法 | 第38-39页 |
| 4.1.2 MLS-SVM的参数寻优 | 第39-40页 |
| 4.2 构建MLS-SVM模型步骤 | 第40页 |
| 4.3 仿真实验 | 第40-48页 |
| 4.3.1 实验数据 | 第40-42页 |
| 4.3.2 实验设计 | 第42-43页 |
| 4.3.3 对比实验 | 第43-47页 |
| 4.3.4 实验总结 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 基于改进LS-SVM的短时交通流量在线预测模型 | 第49-61页 |
| 5.1 问题分析 | 第49-50页 |
| 5.2 模型建立 | 第50-53页 |
| 5.2.1 支持向量的稀疏策略 | 第50页 |
| 5.2.2 LS-SVM参数寻优改进策略 | 第50-52页 |
| 5.2.3 改进LS-SVM的在线预测模型 | 第52-53页 |
| 5.3 仿真实验 | 第53-60页 |
| 5.3.1 实验数据 | 第53-55页 |
| 5.3.2 对比实验 | 第55-58页 |
| 5.3.3 实验总结 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第67-68页 |