| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| 1．1 研究背景 | 第9-11页 |
| 1．1．1 智能交通系统存在的问题 | 第9-10页 |
| 1．1．2 网格技术应用的机遇 | 第10-11页 |
| 1．2 研究现状 | 第11-14页 |
| 1．2．1 ITS的研究现状 | 第11-12页 |
| 1．2．2 网格技术的研究现状 | 第12-14页 |
| 1．3 本文的主要工作及贡献 | 第14页 |
| 1．4 本文的组织结构 | 第14-15页 |
| 2 交通网格平台 | 第15-26页 |
| 2．1 问题的提出 | 第15页 |
| 2．2 网格技术的知识背景 | 第15-21页 |
| 2．2．1 网格技术的特点 | 第15-16页 |
| 2．2．2 以服务为中心的网格体系结构 | 第16-19页 |
| 2．2．3 网格技术的实现环境 | 第19-21页 |
| 2．3 交通网格平台 | 第21-25页 |
| 2．3．1 交通网格层次体系结构设计 | 第21-22页 |
| 2．3．2 交通网格环境下的服务方法 | 第22-23页 |
| 2．3．3 交通网格服务、客户之间的访问方式 | 第23-25页 |
| 2．4 小结 | 第25-26页 |
| 3 交通服务信息综合服务 | 第26-49页 |
| 3．1 问题的提出 | 第26-27页 |
| 3．2 设备资源的信息模型设计 | 第27-32页 |
| 3．2．1 资源信息的定义 | 第27-28页 |
| 3．2．2 网格资源的层次化管理 | 第28-30页 |
| 3．2．3 交通网格资源信息的表示 | 第30-32页 |
| 3．3 资源信息服务 | 第32-39页 |
| 3．3．1 资源信息服务的目标 | 第32-33页 |
| 3．3．2 Globus Toolkit中的MDS服务 | 第33-34页 |
| 3．3．3 资源信息服务的实现 | 第34-39页 |
| 3．4 交通服务信息服务 | 第39-43页 |
| 3．4．1 交通服务信息服务的目标 | 第39页 |
| 3．4．2 交通服务信息服务的设计与实现 | 第39-43页 |
| 3．5 交通服务优选服务 | 第43-46页 |
| 3．5．1 优选服务的目标 | 第43-44页 |
| 3．5．2 优选服务的实现 | 第44-46页 |
| 3．6 基于交通服务信息综合服务的网格服务访问 | 第46-48页 |
| 3．7 小结 | 第48-49页 |
| 4 交通网格平台下的交通诱导服务研究 | 第49-65页 |
| 4．1 问题的提出 | 第49-50页 |
| 4．2 交通网格平台下的交通流预测服务 | 第50-60页 |
| 4．2．1 广义神经网络预测模型 | 第50-53页 |
| 4．2．2 基于广义神经网络的交通流预测实例分析 | 第53-54页 |
| 4．2．3 交通网格平台下的神经网络训练服务及预测服务 | 第54-56页 |
| 4．2．4 交通网格平台下神经网络训练服务、预测服务性能测试 | 第56-60页 |
| 4．3 最优路径选择服务 | 第60-64页 |
| 4．3．1 网络最优路径服务的实现 | 第60-62页 |
| 4．3．2 行程时间推算方法 | 第62-63页 |
| 4．3．3 基于交通流预测结果的最优路径选择 | 第63-64页 |
| 4．4 小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录A 神经网络的学习算法原理 | 第69-72页 |
| 攻读硕士学位期间发表学术论文情况 | 第72-73页 |
| 致谢 | 第73-74页 |
| 大连理工大学学位论文版权使用授权书 | 第74页 |
