| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-12页 |
| 1 引言 | 第12-15页 |
| ·课题来源 | 第12页 |
| ·研究的意义 | 第12-13页 |
| ·本文的研究内容 | 第13-14页 |
| ·本文的结构安排 | 第14-15页 |
| 2 旅行时间预测相关研究综述 | 第15-24页 |
| ·国内外研究现状 | 第15-16页 |
| ·旅行时间预测的关键问题 | 第16页 |
| ·旅行时间预测的关键理论 | 第16-23页 |
| ·小波变换研究概述 | 第17-19页 |
| ·BP网络研究概述 | 第19-21页 |
| ·数据融合研究概述 | 第21-23页 |
| ·本章总结 | 第23-24页 |
| 3 基于BP神经网络和数据融合的快速路旅行时间预测算法 | 第24-36页 |
| ·基于小波变换的数据预处理 | 第24-28页 |
| ·小波分解与重构过程 | 第25-26页 |
| ·小波变换的消噪方法 | 第26-27页 |
| ·小波变换消噪函数 | 第27-28页 |
| ·基于BP网络的快速路速度预测 | 第28-31页 |
| ·BP神经网络时间序列预测 | 第28-29页 |
| ·BP网络的设计分析 | 第29-30页 |
| ·MATLAB神经网络工具箱中的BP网络 | 第30-31页 |
| ·基于数据融合快速路旅行时间计算 | 第31-35页 |
| ·时间离散法 | 第33-34页 |
| ·速度积分法 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 4 算法验证 | 第36-61页 |
| ·数据来源和数据采集 | 第36-38页 |
| ·基于RTMS的交通流数据采集 | 第36-37页 |
| ·基于视频识别技术的实际旅行时间采集 | 第37-38页 |
| ·RTMS数据预处理和后处理 | 第38-41页 |
| ·小波变换消噪处理 | 第39-40页 |
| ·归一化处理 | 第40-41页 |
| ·BP网络设计分析和速度预测 | 第41-54页 |
| ·BP训练分析 | 第41-44页 |
| ·BP仿真分析 | 第44-47页 |
| ·BP网络速度预测 | 第47-54页 |
| ·旅行时间计算 | 第54-60页 |
| ·时间离散法计算旅行时间 | 第54-57页 |
| ·速度积分法计算旅行时间 | 第57-59页 |
| ·两种计算方法的分析比较 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 5 快速路旅行时间预测系统实现 | 第61-70页 |
| ·系统数据库设计 | 第61-64页 |
| ·数据库设计的基本要求 | 第61页 |
| ·常用数据库及数据库访问技术 | 第61-62页 |
| ·旅行时间预测系统的数据库设计 | 第62-64页 |
| ·系统设计 | 第64-69页 |
| ·系统界面设计 | 第64-67页 |
| ·系统主要功能模块实现 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 6 结论 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 作者简历 | 第75-77页 |
| 学位论文数据集 | 第77页 |