| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-17页 |
| ·研究背景 | 第10-11页 |
| ·智能交通系统的研究内容及现状 | 第11-14页 |
| ·ITS的研究内容 | 第11页 |
| ·世界ITS发展及现状 | 第11-12页 |
| ·中国ITS发展及现状 | 第12-14页 |
| ·本文研究的目的与意义 | 第14-16页 |
| ·交通流预测研究的必要性和意义 | 第14-15页 |
| ·路径优化技术研究的重要性与意义 | 第15-16页 |
| ·本文的主要工作与组织结构 | 第16-17页 |
| 2 短时交通流预测研究概述 | 第17-26页 |
| ·研究现状 | 第17-18页 |
| ·常用的预测方法 | 第18-25页 |
| ·时间序列预测方法 | 第18-21页 |
| ·卡尔曼滤波预测法 | 第21-22页 |
| ·基于人工神经网络的预测方法 | 第22-23页 |
| ·基于小波分析的预测方法 | 第23-24页 |
| ·组合预测法 | 第24-25页 |
| ·发展趋势 | 第25-26页 |
| 3 融合BP神经网络与ARIMA的组合预测算法 | 第26-45页 |
| ·BP神经网络的建模依据及实现 | 第26-28页 |
| ·BP神经网络建模基础 | 第26-27页 |
| ·基于BP神经网络的交通流预测模型的建立 | 第27-28页 |
| ·ARIMA模型的建模依据及实现 | 第28-30页 |
| ·组合预测模型的原理依据及实现 | 第30-32页 |
| ·应用算例及分析 | 第32-45页 |
| ·BP神经网络预测 | 第33-34页 |
| ·ARIMA模型预测 | 第34-41页 |
| ·组合预测 | 第41-42页 |
| ·结果分析 | 第42-45页 |
| 4 路径优化技术研究 | 第45-57页 |
| ·路径优化原理 | 第45-47页 |
| ·图的基本术语 | 第45-46页 |
| ·图的存储表示与实现 | 第46-47页 |
| ·最短路径问题 | 第47页 |
| ·路径优化的基础算法 | 第47-49页 |
| ·Dijkstra算法原理 | 第47-48页 |
| ·Dijkstra算法流程与实现 | 第48-49页 |
| ·启发式最短路径搜索算法 | 第49-52页 |
| ·限制搜索区域的路径规划算法 | 第49-50页 |
| ·基于分层道路网的分层路径规划算法 | 第50-52页 |
| ·一种基于Dijkstra的实用多路径搜索算法 | 第52-57页 |
| ·问题描述 | 第52页 |
| ·算法设计 | 第52-53页 |
| ·算法仿真与分析 | 第53-54页 |
| ·实例应用 | 第54-57页 |
| 5 交通流预测与多路径搜索算法在车辆导航系统中的应用 | 第57-61页 |
| ·系统构成 | 第57-59页 |
| ·交通流预测和多路径求解算法在系统中的作用分析 | 第59-61页 |
| ·短时交通流预测的功能实现 | 第59-60页 |
| ·多路径搜索算法的功能实现 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 附录 路径优化实例的主程序段 | 第67-71页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第71页 |