| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 目录 | 第8-10页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 主要内容及框架结构 | 第14-17页 |
| 1.3.1 主要研究内容 | 第14-15页 |
| 1.3.2 主要研究框架 | 第15-17页 |
| 1.4 小结 | 第17-18页 |
| 2 城市快速路交通流数据采集及特性分析 | 第18-30页 |
| 2.1 动态交通数据采集 | 第18-25页 |
| 2.1.1 定点交通数据采集技术分析 | 第18-23页 |
| 2.1.2 区间交通数据采集技术分析 | 第23-25页 |
| 2.2 城市快速路交通流特性分析 | 第25-29页 |
| 2.2.1 速度特性分析 | 第25-27页 |
| 2.2.2 交通流量特性分析 | 第27-28页 |
| 2.2.3 占有率特性分析 | 第28-29页 |
| 2.3 小结 | 第29-30页 |
| 3 城市快速路交通流异常数据识别 | 第30-40页 |
| 3.1 原始数据的属性分析 | 第30-32页 |
| 3.2 城市快速路交通流数据识别方法研究 | 第32-39页 |
| 3.2.1 不规则时间点数据的识别 | 第32-33页 |
| 3.2.2 缺失数据的识别 | 第33-34页 |
| 3.2.3 错误数据的识别 | 第34-39页 |
| 3.3 小结 | 第39-40页 |
| 4 城市快速路交通流数据修正方法 | 第40-50页 |
| 4.1 不规则时间点的修正方法 | 第40页 |
| 4.2 缺失数据的修正方法 | 第40-43页 |
| 4.2.1 基于历史趋势的数据修正方法 | 第41-42页 |
| 4.2.2 基于时间序列的数据修正方法 | 第42-43页 |
| 4.2.3 基于交通流稳定性的数据修正方法 | 第43页 |
| 4.3 错误数据的修正方法 | 第43-45页 |
| 4.4 基于数据融合的多源数据修正方法 | 第45-48页 |
| 4.4.1 拟牛顿法 | 第45-47页 |
| 4.4.2 共轭梯度法 | 第47-48页 |
| 4.4.3 Levenberg-Marquardt算法 | 第48页 |
| 4.5 小结 | 第48-50页 |
| 5 北京市二环路多源检测数据修正实例 | 第50-74页 |
| 5.1 数据的选取 | 第50-52页 |
| 5.2 不规则时间点数据的修正 | 第52-59页 |
| 5.2.1 微波数据的修正 | 第52-56页 |
| 5.2.2 浮动车数据的修正 | 第56-59页 |
| 5.3 缺失数据的修正 | 第59-61页 |
| 5.3.1 微波数据的修正 | 第59-60页 |
| 5.3.2 浮动车数据的修正 | 第60-61页 |
| 5.4 错误数据的修正 | 第61-68页 |
| 5.4.1 微波数据的修正 | 第61-66页 |
| 5.4.2 浮动车数据的修正 | 第66-68页 |
| 5.5 基于数据融合的多源数据修正 | 第68-72页 |
| 5.6 小结 | 第72-74页 |
| 6 总结与展望 | 第74-76页 |
| 参考文献 | 第76-78页 |
| 附录 | 第78-90页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第90-94页 |
| 学位论文数据集 | 第94页 |