基于BP神经网络的城市交通流量预测与路口分析
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景 | 第10-14页 |
| ·国内及昆明市交通现状 | 第10-12页 |
| ·城市交通控制 | 第12页 |
| ·交通流量预测及必要性 | 第12-13页 |
| ·预测手段 | 第13-14页 |
| ·论文研究的意义和内容 | 第14-16页 |
| ·论文研究的意义和内容 | 第14-15页 |
| ·论文组织结构 | 第15-16页 |
| 第二章 交通数据 | 第16-24页 |
| ·交通管理和控制 | 第16-17页 |
| ·交通管理和控制的方式 | 第16页 |
| ·交通管理与控制方法选择 | 第16-17页 |
| ·交叉口的信号控制 | 第16-17页 |
| ·交通信号基本参数的确定 | 第17页 |
| ·路口简介 | 第17-20页 |
| ·选择得胜桥路口作为本论文研究目标的原因 | 第18页 |
| ·交通渠化 | 第18-19页 |
| ·对得胜桥路口渠化和相位的分析 | 第19-20页 |
| ·数据来源 | 第20-22页 |
| ·交通流量数据的获取 | 第20页 |
| ·交通流量的采集 | 第20-21页 |
| ·本论文考虑的两种车流量采集方式 | 第21-22页 |
| ·两种数车方法、特点及其选择原因 | 第22页 |
| ·数据分析 | 第22-24页 |
| 第三章 人工神经网络 | 第24-31页 |
| ·概述 | 第24页 |
| ·人工神经网络结构 | 第24-26页 |
| ·基本单元 | 第24-25页 |
| ·前馈网络 | 第25-26页 |
| ·反馈网络 | 第26-28页 |
| ·人工神经网络的学习方式 | 第27页 |
| ·人工神经网络的组成部分 | 第27-28页 |
| ·人工神经网络常见的学习算法 | 第28-31页 |
| 第四章 BP神经网络 | 第31-40页 |
| ·概述 | 第31页 |
| ·误差反传算法介绍 | 第31-34页 |
| ·BP网络学习算法 | 第34-36页 |
| ·BP人工神经网络的层数选取 | 第36页 |
| ·BP人工神经网络的输入层和输出层的设计 | 第36-37页 |
| ·BP人工神经网络隐含层的节点选择 | 第37页 |
| ·BP人工神经网络初始权值的选取 | 第37-38页 |
| ·BP人工神经网络学习速率的选择 | 第38页 |
| ·BP人工神经网络期望误差的选取 | 第38-40页 |
| 第五章 交通流量预测及路口分析 | 第40-56页 |
| ·基于BP神经网络的交通流量预测方法 | 第40-41页 |
| ·东西向车流量的预测 | 第41-50页 |
| ·预测网络输入节点的确定 | 第41-42页 |
| ·隐层的考虑 | 第42页 |
| ·训练及结果分析 | 第42-43页 |
| ·东至西车流量预测及分析 | 第43-46页 |
| ·西至东车流量预测及分析 | 第46-47页 |
| ·五天上午时段东西车流量分析 | 第47-48页 |
| ·同一天上、下午时段东西车流量分析 | 第48-50页 |
| ·南至北、北至南车流量预测 | 第50-52页 |
| ·两种常见的网络设计及分析 | 第52-55页 |
| ·对“塘子巷”至“得胜桥”车流量数据采集的思考 | 第55-56页 |
| 第六章 结论 | 第56-58页 |
| ·结论 | 第56页 |
| ·展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |
