| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第15-27页 |
| 1.1 研究背景与意义 | 第15-17页 |
| 1.1.1 研究背景 | 第15-16页 |
| 1.1.2 研究意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-23页 |
| 1.2.1 交通状态的定义 | 第17页 |
| 1.2.2 现行交通状态分级标准 | 第17-20页 |
| 1.2.3 交通状态判别方法研究现状 | 第20-22页 |
| 1.2.4 研究综述 | 第22-23页 |
| 1.3 研究内容与技术路线 | 第23-25页 |
| 1.3.1 研究内容 | 第23-24页 |
| 1.3.2 技术路线 | 第24-25页 |
| 1.4 本章小结 | 第25-27页 |
| 2 城市快速路交通流数据采集与预处理 | 第27-43页 |
| 2.1 数据采集方式 | 第27-30页 |
| 2.1.1 静态采集方式 | 第27-29页 |
| 2.1.2 动态采集方式 | 第29-30页 |
| 2.2 数据范围选取 | 第30-34页 |
| 2.2.1 数据来源 | 第30-31页 |
| 2.2.2 交通流特征参数选取 | 第31-34页 |
| 2.3 异常数据识别与修复 | 第34-42页 |
| 2.3.1 异常数据的属性分析 | 第34-35页 |
| 2.3.2 异常数据的识别 | 第35-40页 |
| 2.3.3 异常数据的修复 | 第40-42页 |
| 2.4 本章小结 | 第42-43页 |
| 3 城市快速路交通流状态分析 | 第43-67页 |
| 3.1 交通流参数模型 | 第43-52页 |
| 3.1.1 交通流特性分析 | 第43-48页 |
| 3.1.2 交通流参数模型 | 第48-52页 |
| 3.2 宏观基本图模型 | 第52-54页 |
| 3.2.1 二相流理论 | 第52页 |
| 3.2.2 三相流理论 | 第52-54页 |
| 3.2.3 四相流理论 | 第54页 |
| 3.3 基于模糊C均值算法的交通状态划分 | 第54-65页 |
| 3.3.1 初始交通状态划分 | 第54-56页 |
| 3.3.2 模糊C均值算法流程 | 第56-61页 |
| 3.3.3 基于初始交通状态划分的模糊C均值算法 | 第61-65页 |
| 3.4 本章小结 | 第65-67页 |
| 4 城市快速路交通状态的实时判定 | 第67-99页 |
| 4.1 支持向量机基础理论 | 第67-70页 |
| 4.2 支持向量机多分类方法 | 第70-75页 |
| 4.2.1 一对多SVM | 第71-72页 |
| 4.2.2 一对一 SVM | 第72-73页 |
| 4.2.3 有向无环图SVM | 第73-74页 |
| 4.2.4 二叉树SVM | 第74-75页 |
| 4.3 基于二叉树支持向量机的交通状态实时判定模型 | 第75-78页 |
| 4.3.1 二叉树的构建 | 第75-76页 |
| 4.3.2 不完全二叉树支持向量机算法流程 | 第76-78页 |
| 4.4 实例分析 | 第78-96页 |
| 4.4.1 数据来源 | 第78-79页 |
| 4.4.2 交通状态划分 | 第79-87页 |
| 4.4.3 交通状态实时判定方法验证 | 第87-96页 |
| 4.5 本章小结 | 第96-99页 |
| 5 总结与展望 | 第99-101页 |
| 5.1 论文主要工作 | 第99-100页 |
| 5.2 研究不足及展望 | 第100-101页 |
| 参考文献 | 第101-105页 |
| 附录 | 第105-113页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第113-117页 |
| 学位论文数据集 | 第117页 |