| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的与研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-17页 |
| 1.3.1 国内研究现状 | 第11-15页 |
| 1.3.2 国外研究现状 | 第15-17页 |
| 1.4 主要研究内容与技术路线 | 第17-18页 |
| 1.4.1 主要研究内容 | 第17-18页 |
| 1.4.2 技术路线 | 第18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 行程时间预测相关理论与方法 | 第19-32页 |
| 2.1 事件状态下快速路通行能力计算 | 第19-22页 |
| 2.1.1 快速路设计通行能力计算方法 | 第19-20页 |
| 2.1.2 快速路可能通行能力计算方法 | 第20-21页 |
| 2.1.3 事件状态下快速路可用通行能力计算方法 | 第21-22页 |
| 2.2 事件状态下交通流排队特性分析 | 第22-23页 |
| 2.3 行程时间预测方法及模型 | 第23-31页 |
| 2.3.1 模糊回归模型 | 第24-26页 |
| 2.3.2 支持向量机模型 | 第26-29页 |
| 2.3.3 卡尔曼滤波模型 | 第29-30页 |
| 2.3.4 各预测方法评价 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 交通数据采集 | 第32-38页 |
| 3.1 交通数据采集方法简介 | 第32-34页 |
| 3.1.1 固定式交通数据采集设备 | 第32-33页 |
| 3.1.2 移动式交通数据采集设备 | 第33-34页 |
| 3.2 环形线圈交通数据采集原理 | 第34-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 事件状态下快速路行程时间预测模型 | 第38-47页 |
| 4.1 快速路行程时间预测计算模型 | 第38-44页 |
| 4.1.1 快速路路段i的划分 | 第38-39页 |
| 4.1.2 路段i行程时间计算 | 第39-44页 |
| 4.2 波动理论-BP神经网络行程时间预测组合模型架构 | 第44-46页 |
| 4.2.1 模型融合算法的计算步骤 | 第44页 |
| 4.2.2 权重值确定方法 | 第44-46页 |
| 4.3 行程时间预测模型评价 | 第46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 模型评价与应用 | 第47-62页 |
| 5.1 模型评价 | 第47-58页 |
| 5.1.1 数据整理 | 第48-49页 |
| 5.1.2 实例验证 | 第49-58页 |
| 5.1.3 评价结果分析 | 第58页 |
| 5.2 ITS子系统基本框架的构建 | 第58-60页 |
| 5.2.1 交通信息采集 | 第59页 |
| 5.2.2 事件状态下快速路行程时间计算 | 第59-60页 |
| 5.2.3 信息传输途径与方法 | 第60页 |
| 5.2.4 信息发布手段 | 第60页 |
| 5.3 本章小结 | 第60-62页 |
| 结论与展望 | 第62-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |