| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-22页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-20页 |
| 1.3.1 跟车行为状态的研究现状 | 第11-13页 |
| 1.3.2 跟车模型研究现状 | 第13-19页 |
| 1.3.3 研究现状综述 | 第19-20页 |
| 1.4 本文的主要研究内容 | 第20-22页 |
| 第二章 实验数据与模型相关指标获取 | 第22-38页 |
| 2.1 试验目的 | 第22-23页 |
| 2.2 试验相关内容 | 第23-27页 |
| 2.2.1 试验路线选择 | 第23页 |
| 2.2.2 试验驾驶员选择 | 第23-24页 |
| 2.2.3 试验仪器 | 第24-27页 |
| 2.3 试验注意事项 | 第27页 |
| 2.4 试验数据处理 | 第27-37页 |
| 2.4.1 试验数据的初步挑选 | 第27-30页 |
| 2.4.2 试验数据初步分析 | 第30-33页 |
| 2.4.3 试验数据的进一步处理 | 第33-36页 |
| 2.4.4 试验数据处理注意事项 | 第36-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 BP神经网络建立跟车模型 | 第38-57页 |
| 3.1 神经网络的理论基础 | 第38-40页 |
| 3.2 神经网络模型 | 第40-41页 |
| 3.2.1 前向网络 | 第40页 |
| 3.2.2 反馈型网络 | 第40-41页 |
| 3.3 神经网络工作过程 | 第41-43页 |
| 3.3.1 神经网络的学习方式 | 第41-42页 |
| 3.3.2 神经网络的学习算法 | 第42-43页 |
| 3.4 BP神经网络 | 第43-55页 |
| 3.4.1 BP神经网络算法原理 | 第43-50页 |
| 3.4.2 BP神经网络的建立 | 第50-55页 |
| 3.5 本章小结 | 第55-57页 |
| 第四章 遗传算法优化BP神经网络的跟车模型 | 第57-78页 |
| 4.1 遗传算法的理论基础 | 第57-60页 |
| 4.1.1 编码（coding） | 第57页 |
| 4.1.2 初始化种群 | 第57页 |
| 4.1.3 适应度（fitness）评价 | 第57页 |
| 4.1.4 选择（selection）-复制（reproduction） | 第57-58页 |
| 4.1.5 交叉（crossover） | 第58页 |
| 4.1.6 变异（mutation） | 第58-60页 |
| 4.2 遗传算法GA优化BP算法流程 | 第60-61页 |
| 4.2.1 目标函数的选取 | 第61页 |
| 4.2.2 神经网络的权值和阈值的编码 | 第61页 |
| 4.3 GA优化BP算法的实现 | 第61-65页 |
| 4.4 GA-BP网络对样本数据的预测 | 第65-72页 |
| 4.5 GA优化的双隐含层BP网络对样本数据进行预测 | 第72-76页 |
| 4.6 本文小结 | 第76-78页 |
| 结论与建议 | 第78-80页 |
| 结论 | 第78页 |
| 进一步研究建议 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 攻读学位期间取得的研究成果 | 第84-85页 |
| 致谢 | 第85页 |