| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-7页 |
| 1. 前言 | 第7-8页 |
| 2. 常用交通流预测模型介绍 | 第8-13页 |
| ·ARIMA模型 | 第8-9页 |
| ·指数平滑模型 | 第9页 |
| ·BP神经网络模型 | 第9-11页 |
| ·BP神经网络结构 | 第10页 |
| ·神经网络的学习过程 | 第10-11页 |
| ·数据融合算法介绍 | 第11-13页 |
| 3. 一种改进的数据融合交通流预测模型 | 第13-23页 |
| ·模型原理 | 第13-15页 |
| ·模型改进 | 第15-16页 |
| ·实例及分析 | 第16-23页 |
| ·相似日期与相关时间序列 | 第16-17页 |
| ·预测方法 | 第17-18页 |
| ·预测目标 | 第18页 |
| ·结果比较 | 第18-23页 |
| 4. 考虑入口匝道收益的交通流量控制模型 | 第23-35页 |
| ·宏观交通流模型 | 第23-25页 |
| ·入口匝道控制模型 | 第25-26页 |
| ·限速控制模型 | 第26页 |
| ·入口匝道收益问题 | 第26-28页 |
| ·平均车流密度、平均车流速度和入口匝道收益优化控制模型 | 第28-31页 |
| ·模型优点 | 第31页 |
| ·仿真与分析 | 第31-35页 |
| ·模型仿真参数 | 第31-32页 |
| ·仿真结果 | 第32-35页 |
| 5. 结论 | 第35-36页 |
| 参考文献 | 第36-38页 |
| 附录 | 第38-43页 |