| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 城市商业区停车特性研究 | 第10-11页 |
| 1.2.2 停车诱导策略 | 第11-12页 |
| 1.2.3 停车泊位预测 | 第12-13页 |
| 1.2.4 诱导信息发布 | 第13-14页 |
| 1.2.5 既有研究综述 | 第14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 技术路线 | 第15页 |
| 1.5 本章小结 | 第15-18页 |
| 第二章 城市商业区停车特性分析 | 第18-22页 |
| 2.1 城市商业区停车设施特性分析 | 第18-20页 |
| 2.1.1 城市商业区概述 | 第18页 |
| 2.1.2 城市商业区停车设施特征分析 | 第18-20页 |
| 2.2 城市商业区停车行为特性分析 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 城市商业区停车诱导策略 | 第22-26页 |
| 3.1 停车诱导的作用和意义 | 第22-23页 |
| 3.2 停车诱导分区策略 | 第23-24页 |
| 3.2.1 城市停车诱导分区影响因素 | 第23页 |
| 3.2.2 诱导区域划分方法 | 第23-24页 |
| 3.3 基于预测技术的诱导信息分布策略 | 第24-25页 |
| 3.3.1 实时诱导信息发布策略存在问题 | 第24页 |
| 3.3.2 基于预测技术的诱导信息发布策略 | 第24-25页 |
| 3.3.3 需要的技术支持 | 第25页 |
| 3.4 本章小结 | 第25-26页 |
| 第四章 城市商业区有效停车泊位变化特性分析 | 第26-36页 |
| 4.1 有效停车泊位变化影响因素 | 第26页 |
| 4.2 有效停车泊位变化特性分析 | 第26-29页 |
| 4.2.1 泊位数据采集说明 | 第26页 |
| 4.2.2 有效停车泊位时间序列特性分析 | 第26-29页 |
| 4.3 停车泊位数时间序列的小波分析 | 第29-34页 |
| 4.3.1 小波分析的介绍说明 | 第29-31页 |
| 4.3.2 有效停车泊位时间序列的小波分解 | 第31-32页 |
| 4.3.3 有效停车泊位时间序列的消噪处理 | 第32-33页 |
| 4.3.4 有效泊位时间序列的小波重构 | 第33-34页 |
| 4.4 本章小结 | 第34-36页 |
| 第五章 基于LSTM神经网络的有效泊位短时预测技术 | 第36-54页 |
| 5.1 泊位短时预测方法的选择 | 第36-40页 |
| 5.1.1 既有时间序列预测方法 | 第36页 |
| 5.1.2 基于启发式算法的时间序列预测方法 | 第36-37页 |
| 5.1.3 既有预测方法的比较分析 | 第37-38页 |
| 5.1.4 循环神经网络(RNN)和长短时记忆神经网络(LSTM) | 第38-40页 |
| 5.2 有效泊位预测流程 | 第40-41页 |
| 5.3 LSTM神经网络模型 | 第41-48页 |
| 5.3.1 LSTM神经网络结构设计 | 第41-43页 |
| 5.3.2 网络训练 | 第43-48页 |
| 5.4 实例分析 | 第48-52页 |
| 5.4.1 数据采集与处理 | 第48-49页 |
| 5.4.2 LSTM网络模型预测 | 第49-51页 |
| 5.4.3 BP神经网络模型预测 | 第51-52页 |
| 5.4.4 预测结果比较与分析 | 第52页 |
| 5.5 本章小结 | 第52-54页 |
| 第六章 基于短时预测的泊位信息发布技术 | 第54-58页 |
| 6.1 泊位信息发布方式 | 第54页 |
| 6.2 基于短时预测的泊位信息发布内容显示技术 | 第54-56页 |
| 6.2.1 泊位信息内容显示方法的选择 | 第54-55页 |
| 6.2.2 “空满”状态判定方法 | 第55-56页 |
| 6.3 基于短时预测的泊位信息更新频率 | 第56-57页 |
| 6.3.1 泊位信息更新频率的影响因素 | 第56页 |
| 6.3.2 泊位信息发布更新频率确定方法 | 第56-57页 |
| 6.4 本章小结 | 第57-58页 |
| 第七章 结论与展望 | 第58-62页 |
| 7.1 主要研究成果 | 第58-59页 |
| 7.2 论文创新点 | 第59页 |
| 7.3 研究展望 | 第59-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 作者简介 | 第68页 |