基于车牌识别数据的交通流参数短时预测
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 短时交通流预测研究历史与现状 | 第11-14页 |
| 1.3 问题的提出 | 第14页 |
| 1.4 研究目标与研究内容 | 第14-15页 |
| 1.4.1 研究目标 | 第14-15页 |
| 1.4.2 主要研究内容 | 第15页 |
| 1.4.3 拟解决的关键问题 | 第15页 |
| 1.5 研究思路及技术路线 | 第15-17页 |
| 第2章 车牌识别数据的预处理 | 第17-27页 |
| 2.1 交通流短时预测基础数据获取 | 第17-22页 |
| 2.1.1 交通流信息常用获取方法 | 第17-18页 |
| 2.1.2 车牌识别数据的获取 | 第18页 |
| 2.1.3 车牌识别数据的匹配 | 第18-20页 |
| 2.1.4 基于车牌识别数据计算交通流参数 | 第20-22页 |
| 2.2 车牌识别异常数据的处理 | 第22-26页 |
| 2.2.1 车牌识别数据异常原因分析 | 第22-23页 |
| 2.2.2 交通流量数据丢失补偿方法 | 第23-25页 |
| 2.2.3 行程速度数据异常剔除方法 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 交通流参数短时预测模型的构建 | 第27-40页 |
| 3.1 交通流参数短时预测模型概述 | 第27-30页 |
| 3.1.1 短时交通流的特性 | 第27页 |
| 3.1.2 几种常用的交通流参数短时预测模型 | 第27-30页 |
| 3.2 常规灰色预测模型的构建 | 第30-36页 |
| 3.2.1 灰色预测模型概述 | 第30-32页 |
| 3.2.2 常规GM(1,1)模型 | 第32-36页 |
| 3.3 改进GM(1,1)预测模型的构建 | 第36-39页 |
| 3.3.1 改进GM(1,1)预测模型的建模依据 | 第36-37页 |
| 3.3.2 模型的构建与求解步骤 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于车牌识别数据的交通流短时预测实证分析 | 第40-54页 |
| 4.1 车牌识别数据的获取 | 第40-43页 |
| 4.1.1 数据来源 | 第40-41页 |
| 4.1.2 车牌识别数据的匹配 | 第41-43页 |
| 4.2 交通流参数的计算及异常数据的处理 | 第43-47页 |
| 4.2.1 流量的计算及丢失数据补偿 | 第43-45页 |
| 4.2.2 行程速度数据异常剔除 | 第45-47页 |
| 4.3 交通流参数短时预测 | 第47-53页 |
| 4.3.1 交通流量的短时预测 | 第47-51页 |
| 4.3.2 行程速度的短时预测 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 附录 | 第62-65页 |
