城市交通拥堵的识别与预测
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 交通拥堵识别与预测的研究现状 | 第10-14页 |
| 1.2.1 交通拥堵识别的研究现状 | 第10-12页 |
| 1.2.2 交通流参数短时预测的研究现状 | 第12-14页 |
| 1.3 研究目标 | 第14页 |
| 1.4 研究内容与技术路线 | 第14-16页 |
| 第二章 城市交通拥堵概述 | 第16-23页 |
| 2.1 交通流运行特性 | 第16-18页 |
| 2.2 交通拥堵的定义及分类 | 第18-19页 |
| 2.3 交通拥堵的量化指标 | 第19-21页 |
| 2.4 交通拥堵的成因分析 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 城市道路交通拥堵状态识别算法 | 第23-43页 |
| 3.1 交通拥堵识别算法的性能评价 | 第23-24页 |
| 3.1.1 交通拥堵识别算法的评价指标 | 第23页 |
| 3.1.2 交通拥堵识别算法的评价方法 | 第23-24页 |
| 3.2 经典交通拥堵识别算法 | 第24-30页 |
| 3.2.1 加州算法 | 第24-26页 |
| 3.2.2 McMaster 算法 | 第26-27页 |
| 3.2.3 指数平滑算法 | 第27-28页 |
| 3.2.4 正态偏差算法 | 第28-29页 |
| 3.2.5 经典交通拥堵识别算法的评价 | 第29-30页 |
| 3.3 基于识别单元出入流率的交通拥堵识别方法 | 第30-35页 |
| 3.3.1 基本拥堵识别单元与特征变量 | 第30-32页 |
| 3.3.2 路段拥堵识别 | 第32-34页 |
| 3.3.3 交叉口交通拥堵识别 | 第34-35页 |
| 3.4 西安市部分路段的交通拥堵识别 | 第35-42页 |
| 3.4.1 调查对象说明 | 第35-37页 |
| 3.4.2 数据调查 | 第37-39页 |
| 3.4.3 数据处理及结果分析 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 交通流参数短时预测 | 第43-62页 |
| 4.1 交通流参数短时预测的概述 | 第43页 |
| 4.2 自适应权重指数平滑预测方法 | 第43-45页 |
| 4.3 基于人工神经网络的预测方法 | 第45-53页 |
| 4.3.1 输入变量的选择 | 第46-49页 |
| 4.3.2 MLP 隐层节点数的确定及网络学习 | 第49-53页 |
| 4.4 多模型融合预测方法 | 第53-56页 |
| 4.4.1 融合模型的建立 | 第53-55页 |
| 4.4.2 权重系数的确定 | 第55-56页 |
| 4.5 交通流参数短时预测方法实例分析 | 第56-61页 |
| 4.5.1 数据调查 | 第56-57页 |
| 4.5.2 数据预测及结果分析 | 第57-61页 |
| 4.6 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67-72页 |
| 攻读学位期间取得的研究成果 | 第72-73页 |
| 项目依托 | 第73-74页 |
| 致谢 | 第74页 |
