| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-18页 |
| 1 课题研究背景及意义 | 第12-13页 |
| 2 智能交通系统简介 | 第13-15页 |
| 3 短时交通流预测国内外研究现状 | 第15-16页 |
| 4 本文的研究内容及安排 | 第16-18页 |
| 第二章 短时交通流预测方法 | 第18-35页 |
| ·交通流基本理论 | 第18-25页 |
| ·交通流基本特征参数 | 第18-20页 |
| ·交通流特性 | 第20-22页 |
| ·交通流基本模型 | 第22-25页 |
| ·预测的数学基础 | 第25-27页 |
| ·内积空间 | 第25页 |
| ·柯西列 | 第25页 |
| ·希尔波特空间 | 第25-26页 |
| ·闭线性子空间 | 第26页 |
| ·预报方程 | 第26页 |
| ·流量预报性能指标 | 第26-27页 |
| ·交通流预测方法 | 第27-34页 |
| ·基于线性系统理论的预测方法 | 第28-30页 |
| ·基于知识发现的智能模型预测方法 | 第30-32页 |
| ·基于非线性系统理论的预测方法 | 第32-33页 |
| ·基于组合模型的的预测方法 | 第33页 |
| ·基于交通模拟的预测方法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 卡尔曼滤波系列方法在短时交通流预测上的研究 | 第35-60页 |
| ·卡尔曼滤波器 | 第35-41页 |
| ·离散卡尔曼滤波理论 | 第36-38页 |
| ·基于卡尔曼滤波理论的短时交通流预测模型 | 第38-40页 |
| ·卡尔曼滤波的问题 | 第40-41页 |
| ·平滑卡尔曼滤波 | 第41-42页 |
| ·固定区间平滑 | 第41-42页 |
| ·固定点平滑 | 第42页 |
| ·固定滞后平滑 | 第42页 |
| ·扩展卡尔曼滤波 | 第42-48页 |
| ·被估计的过程信号 | 第43-44页 |
| ·扩展卡尔曼滤波器的工作原理 | 第44-48页 |
| ·宏观交通流模型 | 第48-51页 |
| ·检测数据缺失情况下的短时交通流预测模型研究 | 第51-59页 |
| ·综合预测模型 | 第51-57页 |
| ·短时交通流预测及其结果分析 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第四章 神经网络在短时交通流预测上的研究 | 第60-74页 |
| ·人工神经网络概述 | 第60-62页 |
| ·人工神经网络的定义 | 第60-61页 |
| ·人工神经网络的特点 | 第61-62页 |
| ·神经网络的基本结构和模型 | 第62-67页 |
| ·神经元基本模型 | 第62页 |
| ·转移函数 | 第62-64页 |
| ·神经网络模型 | 第64-66页 |
| ·神经网络学习方式 | 第66-67页 |
| ·神经网络的实现 | 第67页 |
| ·基于GRNN并融合卡尔曼滤波的短时交通流预测研究 | 第67-72页 |
| ·卡尔曼滤波在预测中存在的问题 | 第67-68页 |
| ·广义回归神经网络预测模型 | 第68-69页 |
| ·GRNN和卡尔曼滤波融合预测模型 | 第69-70页 |
| ·仿真实验及结果分析 | 第70-72页 |
| ·本章小结 | 第72-74页 |
| 第五章 短时交通流预测在ATMS中的应用 | 第74-83页 |
| ·面向ATMS的交通信息系统 | 第74-76页 |
| ·交通信息处理子系统 | 第76-82页 |
| ·交通信息处理子系统的设计 | 第76-78页 |
| ·短时交通预测模块的实现技术 | 第78页 |
| ·短时交通流预测模块界面 | 第78-82页 |
| ·本章小结 | 第82-83页 |
| 第六章 总结与展望 | 第83-85页 |
| ·总结 | 第83-84页 |
| ·展望 | 第84-85页 |
| 参考文献 | 第85-88页 |
| 致谢 | 第88-89页 |
| 攻读硕士学位期间发表的学术论文 | 第89页 |