| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 选题背景及研究意义 | 第10-11页 |
| 1.2 车联网简介 | 第11-14页 |
| 1.2.1 车联网概述 | 第11-12页 |
| 1.2.2 车联网的国内外研究现状 | 第12-14页 |
| 1.3 短时交通流预测 | 第14-17页 |
| 1.3.1 短时交通流预测概述 | 第14-15页 |
| 1.3.2 短时交通流预测的国内外研究现状 | 第15-17页 |
| 1.4 论文的主要研究内容与章节安排 | 第17-19页 |
| 第二章 交通流预测相关理论 | 第19-36页 |
| 2.1 交通流预测概述 | 第19-20页 |
| 2.2 交通流基本参数及数据来源 | 第20-29页 |
| 2.2.1 交通流基本特征参数 | 第20-23页 |
| 2.2.2 交通流预测性能评价指标 | 第23-24页 |
| 2.2.3 交通流数据来源与道路选择 | 第24-29页 |
| 2.3 交通流预测的相关算法理论 | 第29-35页 |
| 2.3.1 相空间重构理论 | 第29-31页 |
| 2.3.2 卡尔曼滤波理论 | 第31-33页 |
| 2.3.3 小波神经网络理论 | 第33-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 基于Kalman滤波的短时交通流预测模型 | 第36-52页 |
| 3.1 基于Kalman滤波的短时交通流预测 | 第36-42页 |
| 3.1.1 基于Kalman滤波的短时交通流预测模型设计 | 第36-38页 |
| 3.1.2 预测结果与分析 | 第38-42页 |
| 3.2 基于相空间重构的Kalman滤波短时交通流预测 | 第42-48页 |
| 3.2.1 交通流相空间重构参数计算 | 第42-43页 |
| 3.2.2 基于相空间重构的Kalman滤波短时交通流预测模型设计 | 第43-45页 |
| 3.2.3 预测结果与分析 | 第45-48页 |
| 3.3 两种模型预测结果的对比分析 | 第48-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 基于小波神经网络的短时交通流预测模型 | 第52-74页 |
| 4.1 基于小波神经网络的短时交通流预测 | 第52-60页 |
| 4.1.1 基于小波神经网络的短时交通流预测模型设计 | 第52-53页 |
| 4.1.2 小波神经网络预测流程 | 第53-54页 |
| 4.1.3 预测结果与分析 | 第54-60页 |
| 4.2 基于时空特性的小波神经网络交通流预测 | 第60-70页 |
| 4.2.1 基于时空特性的小波神经网络交通流预测模型设计 | 第61-62页 |
| 4.2.2 基于时空特性的小波神经网络预测流程 | 第62-64页 |
| 4.2.3 预测结果与分析 | 第64-70页 |
| 4.3 两种模型的预测结果对比分析 | 第70-73页 |
| 4.4 本章小结 | 第73-74页 |
| 第五章Kalman滤波预测模型与WNN预测模型的比较 | 第74-81页 |
| 5.1 工作日的预测结果对比分析 | 第74-77页 |
| 5.1.1 速度的预测结果对比分析 | 第74-75页 |
| 5.1.2 交通流量的预测结果对比分析 | 第75-76页 |
| 5.1.3 时间占有率的预测结果对比分析 | 第76-77页 |
| 5.2 非工作日的预测结果对比分析 | 第77-80页 |
| 5.2.1 速度的预测结果对比分析 | 第77-78页 |
| 5.2.2 交通流量的预测结果对比分析 | 第78-79页 |
| 5.2.3 时间占有率的预测结果对比分析 | 第79-80页 |
| 5.3 本章小结 | 第80-81页 |
| 总结与展望 | 第81-83页 |
| 参考文献 | 第83-88页 |
| 攻读硕士学位期间取得的研究成果 | 第88-89页 |
| 致谢 | 第89-90页 |
| 附件 | 第90页 |
