面向危险品运输的交通拥挤检测与预测研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·选题背景及意义 | 第10-11页 |
| ·国内外研究综述 | 第11-14页 |
| ·交通数据预处理研究综述 | 第11-12页 |
| ·交通拥挤自动检测算法研究综述 | 第12-13页 |
| ·交通拥挤预测算法研究综述 | 第13-14页 |
| ·论文研究内容及思路 | 第14-17页 |
| 第2章 危险品运输现状与需求分析 | 第17-25页 |
| ·危险品的定义 | 第17-19页 |
| ·危险品运输特点 | 第19-20页 |
| ·危险品运输事故分析 | 第20-22页 |
| ·危险品运输交通拥挤检测与预测的需求分析 | 第22-25页 |
| 第3章 交通拥挤检测与预测相关理论研究 | 第25-41页 |
| ·交通数据获取及预处理方法研究概述 | 第25-29页 |
| ·交通数据概述及其分类 | 第25页 |
| ·交通数据预处理方法研究综述 | 第25-29页 |
| ·交通拥挤检测相关理论 | 第29-34页 |
| ·交通拥挤的含义 | 第29-30页 |
| ·交通拥挤程度的划分 | 第30-32页 |
| ·交通拥挤指数的含义与设计思想 | 第32-34页 |
| ·交通参数预测相关理论 | 第34-41页 |
| ·神经网络算法 | 第35-37页 |
| ·卡尔曼滤波算法 | 第37-38页 |
| ·灰色预测算法 | 第38-41页 |
| 第4章 基于多源数据融合的交通拥挤检测模型的建立 | 第41-62页 |
| ·交通数据的获取及预处理 | 第41-52页 |
| ·数据收集 | 第41-43页 |
| ·异常数据的剔除 | 第43-45页 |
| ·缺失数据的恢复 | 第45页 |
| ·实例验证 | 第45-52页 |
| ·基于单一检测器交通拥挤检测模型的建立 | 第52-56页 |
| ·基于感应线圈的交通拥挤检测模型的建立 | 第52-55页 |
| ·基于视频检测器的交通拥挤检测模型的建立 | 第55-56页 |
| ·基于多源数据融合的交通拥挤检测模型的建立 | 第56-62页 |
| ·模型建立 | 第56-58页 |
| ·实例验证 | 第58-62页 |
| 第5章 基于多源数据融合的交通拥挤预测模型的建立 | 第62-87页 |
| ·基于BP神经网络的交通参数预测模型的建立 | 第62-66页 |
| ·BP神经网络模型的基本思想 | 第62-64页 |
| ·BP神经网络在交通参数预测中的应用 | 第64-66页 |
| ·基于组合预测的交通参数预测模型的建立 | 第66-80页 |
| ·基于卡尔曼滤波的BP神经网络的思想 | 第66-68页 |
| ·基于灰色预测理论的BP神经网络的思想 | 第68-72页 |
| ·实例验证 | 第72-80页 |
| ·交通拥挤状况持续时间预测模型的建立 | 第80-84页 |
| ·模型建立 | 第80-81页 |
| ·实例验证 | 第81-84页 |
| ·模型在危险品运输中的实际应用 | 第84-87页 |
| ·方法与建议 | 第84-85页 |
| ·危险品运输流程模型构建 | 第85-87页 |
| 第6章 总结与展望 | 第87-89页 |
| 参考文献 | 第89-93页 |
| 致谢 | 第93-94页 |
| 附录：Matlab程序代码 | 第94-96页 |
