| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 绪论 | 第19-33页 |
| 1.1 依托项目 | 第19页 |
| 1.2 研究背景及意义 | 第19-20页 |
| 1.3 研究现状 | 第20-29页 |
| 1.3.1 交通流缺失数据修复的研究现状 | 第20-21页 |
| 1.3.2 交通数据融合的研究现状 | 第21-23页 |
| 1.3.3 交通事件自动检测的研究现状 | 第23-25页 |
| 1.3.4 交通状态自动识别的研究现状 | 第25-27页 |
| 1.3.5 交通状态预测的研究现状 | 第27-29页 |
| 1.4 研究思路与章节安排 | 第29-31页 |
| 1.4.1 研究思路 | 第29页 |
| 1.4.2 章节安排 | 第29-31页 |
| 1.5 小结 | 第31-33页 |
| 第2章 城市快速路交通流缺失数据修复方法 | 第33-61页 |
| 2.1 概述 | 第33页 |
| 2.2 张量理论基础 | 第33-37页 |
| 2.2.1 张量基本运算 | 第33-35页 |
| 2.2.2 张量分解模型 | 第35-37页 |
| 2.3 快速路交通流数据时空相关性分析 | 第37-42页 |
| 2.3.1 时间相关性分析 | 第38-41页 |
| 2.3.2 空间相关性分析 | 第41-42页 |
| 2.4 快速路交通流数据张量模式构建 | 第42-43页 |
| 2.5 基于层次Tucker张量分解的数据修复方法 | 第43-54页 |
| 2.5.1 基于张量分解的数据修复方法分析 | 第44页 |
| 2.5.2 层次Tucker张量表示 | 第44-47页 |
| 2.5.3 目标函数构建 | 第47-48页 |
| 2.5.4 基于黎曼流形的优化算法 | 第48-54页 |
| 2.6 实例验证 | 第54-59页 |
| 2.6.1 数据来源与分析 | 第54-56页 |
| 2.6.2 实验方案设计 | 第56页 |
| 2.6.3 实验结果分析 | 第56-59页 |
| 2.7 小结 | 第59-61页 |
| 第3章 城市快速路多尺度交通数据融合方法 | 第61-81页 |
| 3.1 概述 | 第61页 |
| 3.2 数据融合的层次结构 | 第61-63页 |
| 3.3 快速路多检测器采样分析 | 第63-64页 |
| 3.4 多尺度交通数据融合问题的界定 | 第64页 |
| 3.5 多尺度分析与状态估计理论 | 第64-69页 |
| 3.5.1 多尺度分析 | 第64-66页 |
| 3.5.2 离散小波变换 | 第66-67页 |
| 3.5.3 Kalman滤波模型 | 第67-69页 |
| 3.6 基于小波和kalman滤波的多尺度交通数据融合算法 | 第69-74页 |
| 3.6.1 快速路多检测器动态系统构建 | 第69-70页 |
| 3.6.2 多检测器动态系统的小波变换 | 第70-72页 |
| 3.6.3 多尺度交通数据融合算法流程 | 第72-74页 |
| 3.7 实例验证 | 第74-79页 |
| 3.7.1 实验方案 | 第74-75页 |
| 3.7.2 实验结果分析 | 第75-79页 |
| 3.8 小结 | 第79-81页 |
| 第4章 城市快速路交通事件自动检测方法 | 第81-101页 |
| 4.1 概述 | 第81页 |
| 4.2 快速路交通事件检测初始变量集构建 | 第81-85页 |
| 4.3 基于随机森林模型的关键变量筛选 | 第85-88页 |
| 4.3.1 随机森林的构建过程 | 第86-87页 |
| 4.3.2 基于随机森林的关键变量筛选 | 第87-88页 |
| 4.4 基于PSO-RVM的城市快速路AID算法设计 | 第88-94页 |
| 4.4.1 相关向量机模型的分类原理 | 第88-90页 |
| 4.4.2 基于SMOTE的训练样本集重构 | 第90-92页 |
| 4.4.3 基于粒子群算法的核参数优化 | 第92-93页 |
| 4.4.4 基于PSO-RVM的AID算法流程 | 第93-94页 |
| 4.5 实例验证 | 第94-99页 |
| 4.5.1 数据来源 | 第94-95页 |
| 4.5.2 评价指标选取 | 第95-96页 |
| 4.5.3 实验结果分析 | 第96-99页 |
| 4.6 小结 | 第99-101页 |
| 第5章 城市快速路交通状态自动识别方法 | 第101-115页 |
| 5.1 概述 | 第101页 |
| 5.2 快速路交通状态划分 | 第101-103页 |
| 5.3 快速路交通状态特征变量的选取 | 第103-104页 |
| 5.4 基于PPDC模型的城市快速路ACI算法设计 | 第104-110页 |
| 5.4.1 投影寻踪的基本概念 | 第104-106页 |
| 5.4.2 投影寻踪动态聚类模型构建 | 第106-108页 |
| 5.4.3 基于SFLA的投影指标函数优化 | 第108-110页 |
| 5.5 实例验证 | 第110-114页 |
| 5.5.1 数据来源 | 第110-111页 |
| 5.5.2 实验结果分析 | 第111-114页 |
| 5.6 小结 | 第114-115页 |
| 第6章 城市快速路交通状态预测方法 | 第115-147页 |
| 6.1 概述 | 第115页 |
| 6.2 基于协整理论的短时交通参数预测方法 | 第115-130页 |
| 6.2.1 协整理论 | 第115-119页 |
| 6.2.2 城市快速路向量误差修正模型构建 | 第119-123页 |
| 6.2.3 模型稳定性检验 | 第123-124页 |
| 6.2.4 脉冲响应分析 | 第124-127页 |
| 6.2.5 实例验证 | 第127-130页 |
| 6.3 基于混沌理论的短时交通流局域预测方法 | 第130-145页 |
| 6.3.1 交通流时间序列相空间重构 | 第131-132页 |
| 6.3.2 基于信息准则的邻近点确定 | 第132-133页 |
| 6.3.3 组合核相关向量机模型构建 | 第133-137页 |
| 6.3.4 基于CKF-RVM的短时交通流局域预测流程 | 第137-138页 |
| 6.3.5 实例验证 | 第138-145页 |
| 6.4 小结 | 第145-147页 |
| 第7章 总结与展望 | 第147-151页 |
| 7.1 全文总结 | 第147-148页 |
| 7.2 研究展望 | 第148-151页 |
| 参考文献 | 第151-159页 |
| 作者简介及科研成果 | 第159-163页 |
| 致谢 | 第163-164页 |
