| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-19页 |
| ·研究背景和意义 | 第9-10页 |
| ·短时交通流预测的研究现状 | 第10-16页 |
| ·本文主要研究内容和组织结构 | 第16-17页 |
| ·研究内容 | 第16页 |
| ·组织结构 | 第16-17页 |
| ·本文创新点 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第二章 交通流数据分析 | 第19-29页 |
| ·交通流基本特征参数 | 第19-20页 |
| ·交通流信息采集技术 | 第20-22页 |
| ·数据来源 | 第22-23页 |
| ·交通流数据的预处理 | 第23-27页 |
| ·缺失或错误数据的识别与处理 | 第24-25页 |
| ·交通流数据降噪处理 | 第25页 |
| ·实测交通流数据预处理 | 第25-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 多变量相空间重构及交通流混沌特性 | 第29-41页 |
| ·混沌理论 | 第29-30页 |
| ·混沌的数学定义 | 第29-30页 |
| ·混沌运动的特点 | 第30页 |
| ·多变量相空间重构 | 第30-32页 |
| ·多变量相空间重构基本理论 | 第30-31页 |
| ·延迟时间和嵌入维数的选取 | 第31-32页 |
| ·交通流混沌特性 | 第32-35页 |
| ·交通流混沌特性分析 | 第32-33页 |
| ·交通流混沌特性判别 | 第33-35页 |
| ·混沌实验 | 第35-39页 |
| ·延迟时间和嵌入维数的计算 | 第35-37页 |
| ·最大 Lyapunov 指数的计算 | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 基于多变量相空间重构的 SVR 短时交通流预测模型 | 第41-61页 |
| ·支持向量回归机原理 | 第41-47页 |
| ·统计学习理论 | 第41-43页 |
| ·支持向量机 | 第43-45页 |
| ·支持向量回归机 | 第45-47页 |
| ·遗传算法 | 第47-50页 |
| ·基本原理 | 第47-49页 |
| ·主要特点 | 第49-50页 |
| ·基于多变量相空间重构的 SVR 短时交通流预测模型 | 第50-54页 |
| ·模型的建立 | 第50-51页 |
| ·参数的选取 | 第51-52页 |
| ·预测步骤 | 第52-54页 |
| ·实证性研究 | 第54-59页 |
| ·评价指标 | 第54页 |
| ·预测实验 | 第54-57页 |
| ·模型比较 | 第57-59页 |
| ·本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 附录 | 第71-83页 |
| 在学期间发表的论著及参与的科研项目 | 第83页 |