摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第一章 绪论 | 第11-17页 |
1.1 问题的提出 | 第11-12页 |
1.2 研究现状 | 第12-15页 |
1.3 研究内容和思路 | 第15-17页 |
第二章 交通流数据特性分析 | 第17-34页 |
2.1 研究对象的确定 | 第17-18页 |
2.1.1 研究对象选择 | 第17-18页 |
2.1.2 研究时间的选择 | 第18页 |
2.2 交通流三参数时变特性分析 | 第18-22页 |
2.2.1 交通量时变特性 | 第18-20页 |
2.2.2 车速时变特性 | 第20-21页 |
2.2.3 占有率车速时变特性 | 第21-22页 |
2.3 交通流参数模型及参数空间曲面 | 第22-34页 |
2.3.1 交通流模型回顾 | 第23-29页 |
2.3.2 交通流三参数空间三维模型 | 第29-34页 |
第三章 交通流错误数据筛选方法 | 第34-44页 |
3.1 数据筛选的基本方法 | 第34-36页 |
3.1.1 数据缺损原因 | 第34-35页 |
3.1.2 数据筛选原则 | 第35-36页 |
3.2 交通流数据筛选方法 | 第36-43页 |
3.2.1 基本筛选 | 第36-37页 |
3.2.2 阈值筛选 | 第37-39页 |
3.2.3 交通流机理筛选 | 第39-41页 |
3.2.4 数据质量控制筛选 | 第41-43页 |
3.3 数据修复基本思想 | 第43页 |
3.4 小结 | 第43-44页 |
第四章 基于统计相关的交通流数据修复 | 第44-57页 |
4.1 交通流相关特性及其修补 | 第44-48页 |
4.1.1 相关性的定义 | 第44-45页 |
4.1.2 统计相关性交通数据修复 | 第45-48页 |
4.2 基于统计相关分析的综合交通量修复算法 | 第48-52页 |
4.3 统计相关修复算法结果分析 | 第52-55页 |
4.3.1 交通流特性的研究及错误数据筛选 | 第52-54页 |
4.3.2 动态交通数据的修复 | 第54-55页 |
4.4 小结 | 第55-57页 |
第五章 基于BP 神经网络的交通流数据修复 | 第57-83页 |
5.1 BP 神经网络概述及其在曲面修复中的应用 | 第57-67页 |
5.1.1 人工神经网络概述 | 第57-59页 |
5.1.2 BP 神经网络 | 第59-64页 |
5.1.3 BP 神经网络在三维曲面数据修复中的应用 | 第64-67页 |
5.2 三维交通流模型曲面修复网络结构和算法设计 | 第67-77页 |
5.2.1 网络结构的设计 | 第67-70页 |
5.2.2 网络训练算法设计 | 第70-77页 |
5.3 模型曲面修复结果分析 | 第77-81页 |
5.4 两种修复方法结果比较 | 第81-82页 |
5.5 小结 | 第82-83页 |
第六章 总结与展望 | 第83-85页 |
参考文献 | 第85-90页 |
致谢 | 第90-91页 |
攻读学位期间发表或录用的学术论文 | 第91页 |