基于神经网络的城市车辆行程时间预测技术与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·问题背景 | 第9页 |
| ·工程背景 | 第9-10页 |
| ·工程现状 | 第10-12页 |
| ·行程时间的预测 | 第12-13页 |
| ·本文的研究目的和研究内容 | 第13-14页 |
| 第2章 国内外研究技术现状 | 第14-21页 |
| ·引言 | 第14页 |
| ·技术发展动态 | 第14-20页 |
| ·小结 | 第20-21页 |
| 第3章 BP神经网络 | 第21-29页 |
| ·引言 | 第21-22页 |
| ·人工神经元的基本结构 | 第22-23页 |
| ·BP神经网络 | 第23-27页 |
| ·BP网络结构及其学习算法 | 第24-25页 |
| ·BP网络相关参数的确定 | 第25-27页 |
| ·BP网络模型特点分析 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第4章 用于行程时间预测交通数据的采集 | 第29-42页 |
| ·引言 | 第29页 |
| ·数据采集内容 | 第29-35页 |
| ·直接采集方式 | 第29页 |
| ·间接采集方式 | 第29-31页 |
| ·接口方式和采集操作流程 | 第31-32页 |
| ·地面道路车牌识别数据采集 | 第32-35页 |
| ·目前上海市道路交通信息采集的覆盖范围 | 第35页 |
| ·对数据进行预处理 | 第35-39页 |
| ·交通信息采集数据质量问题 | 第35-36页 |
| ·交通信息采集数据预处理流程 | 第36-37页 |
| ·交通信息采集数据预处理方法 | 第37-39页 |
| ·对数据进行统计分析 | 第39-42页 |
| 第5章 基于BP神经网路的行程时间预测模型 | 第42-53页 |
| ·基本思想 | 第42-43页 |
| ·进行影响车辆行程时间诸因素的相关性分析 | 第43页 |
| ·建立预测模型 | 第43-46页 |
| ·预测模型的实现 | 第46-47页 |
| ·功能要求 | 第47-49页 |
| ·前端设备 | 第47-48页 |
| ·通信传输 | 第48页 |
| ·中心处理 | 第48-49页 |
| ·预测结果的误差分析 | 第49-52页 |
| ·预测结果讨论 | 第52-53页 |
| 第6章 结论与展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |
