| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 高速公路收费流水数据处理方法 | 第13-14页 |
| 1.2.2 车辆路径选择预测 | 第14-15页 |
| 1.2.3 道路车流量预测 | 第15-16页 |
| 1.2.4 道路车辆旅行时间预测 | 第16-17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 本文创新点 | 第18页 |
| 1.5 研究思路及组织结构 | 第18-22页 |
| 2 高速公路收费流水数据分析与处理研究 | 第22-34页 |
| 2.1 ETC与MTC概述 | 第22-27页 |
| 2.1.1 ETC概述 | 第22-25页 |
| 2.1.2 MTC概述 | 第25页 |
| 2.1.3 两者联系与区别 | 第25-27页 |
| 2.2 数据挖掘概述 | 第27-31页 |
| 2.3 异常数据清洗 | 第31-32页 |
| 2.3.1 冗余数据处理 | 第31页 |
| 2.3.2 缺失数据处理 | 第31-32页 |
| 2.3.3 噪声数据处理 | 第32页 |
| 2.4 本章小结 | 第32-34页 |
| 3 高速公路车辆旅行路径选择预测与验证 | 第34-58页 |
| 3.1 原始收费数据预处理 | 第34-43页 |
| 3.1.1 属性相关度计算 | 第34-37页 |
| 3.1.2 稀疏重建 | 第37-39页 |
| 3.1.3 噪声删除 | 第39-41页 |
| 3.1.4 高速公路收费数据预处理算例分析 | 第41-43页 |
| 3.2 车辆旅行路径预测模型 | 第43-47页 |
| 3.2.1 车辆旅行路径概述 | 第43-44页 |
| 3.2.2 基于马尔可夫预测法的高速公路旅行路径预测 | 第44-47页 |
| 3.3 状态转移概率矩阵的求解 | 第47-50页 |
| 3.3.1 统计法求解状态转移概率矩阵 | 第47-48页 |
| 3.3.2 线性方程组法求解状态转移概率矩阵 | 第48-50页 |
| 3.4 高速公路车辆旅行路径预测算法验证与分析 | 第50-56页 |
| 3.4.1 统计法预测模型分析 | 第51-53页 |
| 3.4.2 线性方程组法预测模型分析 | 第53-56页 |
| 3.5 本章小结 | 第56-58页 |
| 4 高速公路路段交通状态预测分析研究 | 第58-78页 |
| 4.1 高速公路路段断面交通概述 | 第58-60页 |
| 4.1.1 高速公路断面车流量概述 | 第58-60页 |
| 4.1.2 高速公路路段旅行时间概述 | 第60页 |
| 4.2 路段断面车流量预测 | 第60-69页 |
| 4.2.1 基于卡尔曼滤波算法的高速公路断面车流量预测 | 第61-63页 |
| 4.2.2 高速公路路段断面车流量统计算法 | 第63-65页 |
| 4.2.3 算例分析 | 第65-69页 |
| 4.3 面向高速公路收费数据的卡尔曼滤波算法的优化 | 第69-72页 |
| 4.4 路段旅行时间估计 | 第72-76页 |
| 4.4.1 路段旅行时间与车流量相关性分析 | 第72-73页 |
| 4.4.2 基于密度的旅行时间估计方法 | 第73-75页 |
| 4.4.3 算法验证 | 第75-76页 |
| 4.5 本章小结 | 第76-78页 |
| 5 高速公路收费数据的预测应用研究 | 第78-86页 |
| 5.1 实时交通状态预测 | 第78-82页 |
| 5.1.1 工作日实时交通状态预测 | 第78-79页 |
| 5.1.2 周末实时交通状态预测 | 第79-81页 |
| 5.1.3 节假日实时交通状态预测 | 第81-82页 |
| 5.2 一周交通状态预测及播报 | 第82-84页 |
| 5.2.1 工作日中长期交通状态预测 | 第82-83页 |
| 5.2.2 周末中长期交通状态预测 | 第83-84页 |
| 5.3 交通状态预测应用研究分析评价 | 第84-85页 |
| 5.4 本章小结 | 第85-86页 |
| 6 总结与展望 | 第86-88页 |
| 6.1 研究结论总结 | 第86-87页 |
| 6.2 研究不足与展望 | 第87-88页 |
| 参考文献 | 第88-92页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第92-96页 |
| 学位论文数据集 | 第96页 |
