| 提要 | 第1-11页 |
| 第一章 绪论 | 第11-19页 |
| ·依托课题 | 第11页 |
| ·选题背景 | 第11-12页 |
| ·发展现状 | 第12-14页 |
| ·问题提出 | 第14-15页 |
| ·研究目的及意义 | 第15页 |
| ·研究思路及内容 | 第15-17页 |
| ·本章小结 | 第17-19页 |
| 第二章 大规模路网下中心式动态交通诱导系统框架结构设计及关键技术理论分析 | 第19-33页 |
| ·概述 | 第19页 |
| ·大规模路网下中心式动态交通诱导系统框架结构设计 | 第19-22页 |
| ·逻辑框架设计 | 第19-20页 |
| ·物理框架设计 | 第20-22页 |
| ·大规模路网下中心式动态交通诱导系统关键技术理论分析 | 第22-32页 |
| ·浮动车路段行程时间估计方面 | 第22-24页 |
| ·固定型检测器和浮动车交通信息融合方面 | 第24-27页 |
| ·交通信息短时预测方面 | 第27-29页 |
| ·中心式诱导路径优化方面 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于浮动车的路段行程时间估计技术研究 | 第33-63页 |
| ·概述 | 第33页 |
| ·基于模糊逻辑的GPS数据地图匹配技术 | 第33-49页 |
| ·GPS数据预处理 | 第33-35页 |
| ·候选路段确定 | 第35-36页 |
| ·匹配指标及其隶属度确定 | 第36-47页 |
| ·匹配路段确定 | 第47-49页 |
| ·基于浮动车的路段行程时间估计技术 | 第49-53页 |
| ·路段及路段行程时间的定义 | 第49-50页 |
| ·基于单车的路段行程时间估计技术 | 第50-51页 |
| ·基于多车的路段行程时间估计技术 | 第51-53页 |
| ·实例验证 | 第53-61页 |
| ·实例描述 | 第53-54页 |
| ·验证结果与分析 | 第54-61页 |
| ·本章小结 | 第61-63页 |
| 第四章 基于固定型检测器和浮动车的交通信息融合技术研究 | 第63-77页 |
| ·概述 | 第63页 |
| ·基于线圈检测器的路段行程时间估计技术 | 第63-65页 |
| ·基于TSGA-LSSVM的交通信息融合模型 | 第65-68页 |
| ·实例验证 | 第68-75页 |
| ·实例描述 | 第68-69页 |
| ·验证结果及分析 | 第69-75页 |
| ·本章小结 | 第75-77页 |
| 第五章 基于样本分类拟合的交通信息短时预测技术研究 | 第77-87页 |
| ·概述 | 第77页 |
| ·基于KSOM-BP神经网络的交通信息短时预测技术 | 第77-81页 |
| ·基于KSOM神经网络的样本自组织分类模型 | 第77-79页 |
| ·基于KSOM-BP神经网络的交通信息短时预测模型 | 第79-81页 |
| ·实例验证 | 第81-85页 |
| ·实例描述 | 第81-82页 |
| ·验证结果及分析 | 第82-85页 |
| ·本章小结 | 第85-87页 |
| 第六章 大规模路网下中心式动态交通诱导路径优化技术研究 | 第87-105页 |
| ·概述 | 第87页 |
| ·网络数据存储 | 第87-88页 |
| ·多级递阶网络分解方法 | 第88-91页 |
| ·双端队列最短路径计算方法 | 第91-93页 |
| ·基于MLHND-TQQ的路径优化并行计算方法 | 第93-95页 |
| ·单源最短路径并行计算方法 | 第93-95页 |
| ·多源最短路径并行计算方法 | 第95页 |
| ·实例验证 | 第95-103页 |
| ·实例描述 | 第95-96页 |
| ·并行计算平台 | 第96-97页 |
| ·验证结果及分析 | 第97-103页 |
| ·本章小结 | 第103-105页 |
| 第七章 总结与展望 | 第105-109页 |
| ·本文总结 | 第105-107页 |
| ·论文展望 | 第107-109页 |
| 参考文献 | 第109-117页 |
| 攻博期间发表的学术论文及其他成果 | 第117-119页 |
| 致谢 | 第119-120页 |
| 摘要 | 第120-122页 |
| Abstract | 第122-123页 |
