| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·论文选题背景 | 第10-12页 |
| ·研究目的及意义 | 第12页 |
| ·国内外研究现状 | 第12-14页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-14页 |
| ·课题来源及论文主要研究内容 | 第14-16页 |
| ·课题来源 | 第14页 |
| ·论文主要研究内容 | 第14-16页 |
| 第二章 城市道路交通拥堵概述 | 第16-24页 |
| ·交通拥堵的含义及分类 | 第16-18页 |
| ·交通拥堵的含义 | 第16-17页 |
| ·交通拥堵的分类 | 第17-18页 |
| ·道路交通拥堵成因 | 第18-22页 |
| ·偶发性交通拥堵的影响 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 城市交通拥挤机理分析 | 第24-33页 |
| ·交通流参数 | 第24-27页 |
| ·交通流特性 | 第27-30页 |
| ·交通流变化特点 | 第27-28页 |
| ·交通流运行状态分析 | 第28-30页 |
| ·交通网络拥挤特性 | 第30-32页 |
| ·拥挤发生的时间 | 第30-31页 |
| ·拥挤发生的地点 | 第31页 |
| ·拥挤发生的原因 | 第31页 |
| ·拥挤的空间分布 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 道路交通状态识别方法研究 | 第33-39页 |
| ·识别方法分类 | 第33-34页 |
| ·早期ACI算法应用的框架 | 第34-35页 |
| ·识别算法 | 第35-38页 |
| ·California算法 | 第35-36页 |
| ·McMaster算法 | 第36-37页 |
| ·指数平滑法 | 第37页 |
| ·正态偏差算法 | 第37-38页 |
| ·算法比较分析 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第五章 基于BP神经网络的道路偶发性交通拥堵识别 | 第39-61页 |
| ·人工神经网络模型 | 第39-42页 |
| ·人工神经网络的发展及原理 | 第39-40页 |
| ·人工神经网络的拓扑结构 | 第40页 |
| ·人工神经网络的学习方法 | 第40-42页 |
| ·BP神经网络模型 | 第42-45页 |
| ·BP神经网络的基本思想 | 第42页 |
| ·BP神经网络结构 | 第42-43页 |
| ·BP神经网络的学习训练过程 | 第43-45页 |
| ·BP算法流程图 | 第45页 |
| ·道路偶发性交通拥堵识别的改进BP神经网络分析 | 第45-50页 |
| ·参数选择 | 第45-48页 |
| ·BP神经网络的结构设计 | 第48-49页 |
| ·BP网络的训练 | 第49-50页 |
| ·实例分析 | 第50-60页 |
| ·交通仿真软件VISSIM简介 | 第50页 |
| ·交通参数数据提取 | 第50-55页 |
| ·输入样本的确定 | 第55-56页 |
| ·模型的训练 | 第56-59页 |
| ·BP神经网络模型的仿真 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 全文总结 | 第61-62页 |
| 不足与展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 附录A 攻读硕士学位期间公开发表的学术论文及参与的科研项目 | 第67页 |