| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第19-37页 |
| 1.1 依托项目 | 第19页 |
| 1.2 问题提出 | 第19-20页 |
| 1.3 交通瓶颈的概述 | 第20-27页 |
| 1.3.1 交通拥堵 | 第21-24页 |
| 1.3.2 交通瓶颈 | 第24-27页 |
| 1.4 国内外研究现状及其存在的不足 | 第27-33页 |
| 1.4.1 交通瓶颈识别方面的研究现状 | 第27-28页 |
| 1.4.2 动态交通瓶颈预测方面的研究现状 | 第28-31页 |
| 1.4.3 交通瓶颈控制与诱导协同模型方面的研究现状 | 第31-32页 |
| 1.4.4 研究的不足之处 | 第32-33页 |
| 1.5 研究思路和章节安排 | 第33-35页 |
| 1.5.1 研究思路 | 第33-34页 |
| 1.5.2 章节安排 | 第34-35页 |
| 1.6 本章小结 | 第35-37页 |
| 第2章 基于云计算的交通瓶颈控制与诱导系统框架研究 | 第37-53页 |
| 2.1 概述 | 第37页 |
| 2.2 云计算应用于智能交通系统的必要性分析 | 第37-50页 |
| 2.2.1 智能交通系统的云需求分析 | 第37-39页 |
| 2.2.2 云计算和 Hadoop | 第39-47页 |
| 2.2.3 智能交通云系统的基本框架 | 第47-49页 |
| 2.2.4 云计算在智能交通系统中的应用 | 第49-50页 |
| 2.3 基于云计算的交通瓶颈控制与诱导系统框架 | 第50-52页 |
| 2.3.1 交通瓶颈控制与诱导系统的云需求分析 | 第50-51页 |
| 2.3.2 基于云计算的交通瓶颈控制与诱导系统框架 | 第51-52页 |
| 2.4 本章小结 | 第52-53页 |
| 第3章 基于 MapReduce 和 K-means 的交通瓶颈识别方法研究 | 第53-81页 |
| 3.1 概述 | 第53页 |
| 3.2 基于并行 K 均值聚类的交通瓶颈识别方法 | 第53-60页 |
| 3.2.1 K 均值聚类原理 | 第53-55页 |
| 3.2.2 K 均值聚类存在的问题 | 第55-56页 |
| 3.2.3 基于 MapReduce 的 K-means 算法 | 第56-60页 |
| 3.3 交通瓶颈识别指标的选取 | 第60-65页 |
| 3.3.1 固定交通瓶颈识别指标选取 | 第60-63页 |
| 3.3.2 动态交通瓶颈识别指标选取 | 第63-65页 |
| 3.4 实例验证 | 第65-80页 |
| 3.4.1 Hadoop 实验平台搭建 | 第65-68页 |
| 3.4.2 固定交通瓶颈识别方法验证 | 第68-74页 |
| 3.4.3 动态交通瓶颈识别方法验证 | 第74-80页 |
| 3.5 本章小结 | 第80-81页 |
| 第4章 基于 MapReduce 和 GA-SVM 的动态交通瓶颈预测方法研究 | 第81-105页 |
| 4.1 概述 | 第81-82页 |
| 4.2 交通流时空相关性分析 | 第82-87页 |
| 4.2.1 交通流的基本特征 | 第82-84页 |
| 4.2.2 交通流时空相关性分析 | 第84-87页 |
| 4.3 基于 MapReduce 和 GA-SVM 的短时交通流预测方法 | 第87-94页 |
| 4.3.1 支持向量机 | 第87-89页 |
| 4.3.2 基于 MapReduce 的并行遗传算法 | 第89-92页 |
| 4.3.3 基于 MapReduce 和 GA-SVM 的短时交通流预测方法 | 第92-94页 |
| 4.4 实例验证 | 第94-103页 |
| 4.4.1 实验数据来源 | 第94-95页 |
| 4.4.2 路网时空相关性分析 | 第95-97页 |
| 4.4.3 实验设计 | 第97-98页 |
| 4.4.4 实验结果分析 | 第98-103页 |
| 4.5 本章小结 | 第103-105页 |
| 第5章 基于云计算的交通瓶颈控制与诱导协同模型研究 | 第105-135页 |
| 5.1 概述 | 第105-106页 |
| 5.2 建模思想及协同时机的判定 | 第106-107页 |
| 5.2.1 建模思想 | 第106页 |
| 5.2.2 协同时机确定 | 第106-107页 |
| 5.3 瓶颈控制与诱导协同模型的建立 | 第107-115页 |
| 5.3.1 目标函数的建立 | 第107-108页 |
| 5.3.2 行程时间的表达 | 第108-110页 |
| 5.3.3 约束条件的确定 | 第110-114页 |
| 5.3.4 模型的数学表达 | 第114-115页 |
| 5.4 基于 MapReduce 的并行遗传算法求解协同模型 | 第115-120页 |
| 5.4.1 染色体编码与解码 | 第115-116页 |
| 5.4.2 适应度函数 | 第116页 |
| 5.4.3 遗传算子 | 第116-118页 |
| 5.4.4 基于 MapReduce 的并行遗传算法求解协同模型 | 第118-120页 |
| 5.5 实例验证 | 第120-134页 |
| 5.5.1 算法参数设置 | 第122-123页 |
| 5.5.2 部分程序代码设计 | 第123-127页 |
| 5.5.3 实验结果与分析 | 第127-134页 |
| 5.6 本章小结 | 第134-135页 |
| 第6章 总结与展望 | 第135-139页 |
| 6.1 论文主要研究成果及创新点 | 第135-137页 |
| 6.2 论文后续工作展望 | 第137-139页 |
| 参考文献 | 第139-149页 |
| 作者简介、科研及其他成果 | 第149-153页 |
| 致谢 | 第153-154页 |
