| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10页 |
| ·国内外研究综述 | 第10-14页 |
| ·国外研究现状 | 第10-12页 |
| ·国内研究现状 | 第12-14页 |
| ·研究内容 | 第14页 |
| ·研究技术路线 | 第14-16页 |
| 第二章 干道交通拥堵预警的相关理论 | 第16-26页 |
| ·干道交通拥堵的定义及分类 | 第16-18页 |
| ·交通拥堵的定义 | 第16页 |
| ·交通拥堵的分类 | 第16-18页 |
| ·干道交通拥堵影响因素及拥堵交通流特性 | 第18-23页 |
| ·交通拥堵的影响因素 | 第18-21页 |
| ·交通拥堵的交通流特性 | 第21-23页 |
| ·交通拥堵时空转移特性分析 | 第23-24页 |
| ·干道交通拥堵预警的原理 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 干道拥堵预警动态交通信息的获取及预处理 | 第26-37页 |
| ·交通流参数的选择分析 | 第26-28页 |
| ·动态交通信息采集技术 | 第28-33页 |
| ·固定型采集技术 | 第28-31页 |
| ·移动型采集技术 | 第31-32页 |
| ·动态交通信息采集技术比较分析 | 第32-33页 |
| ·交通信息数据的预处理 | 第33-36页 |
| ·数据故障的识别 | 第33-35页 |
| ·数据故障的修复 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 干道交通流状态参数的短时预测方法 | 第37-60页 |
| ·干道交通流状态参数短时预测的研究意义 | 第37页 |
| ·干道多点交通流状态参数预测模型的建立 | 第37-40页 |
| ·交通流状态参数预测的特性 | 第37-38页 |
| ·干道多点交通流状态参数预测模型 | 第38-40页 |
| ·ARIMA 时间序列模型预测方法 | 第40-42页 |
| ·ARIMA 时间序列模型预测方法的原理 | 第40-41页 |
| ·ARIMA 预测模型的步骤 | 第41-42页 |
| ·遗传算法优化的 BP 神经网络预测方法 | 第42-51页 |
| ·BP 神经网络的基本原理 | 第42-43页 |
| ·BP 神经网络算法的主要缺陷 | 第43-44页 |
| ·遗传算法的基本原理及特点 | 第44-47页 |
| ·遗传算法优化的 BP 神经网络预测方法的实现过程 | 第47-49页 |
| ·算例分析 | 第49-51页 |
| ·多模型线性组合预测方法的研究 | 第51-56页 |
| ·多模型线性组合预测方法的建立 | 第51-52页 |
| ·基于最小误差平方和的线性组合预测方法 | 第52-54页 |
| ·基于等权的线性组合预测方法 | 第54-55页 |
| ·基于熵值法的线性组合预测方法 | 第55-56页 |
| ·算例分析 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 干道交通拥堵状态判别研究 | 第60-72页 |
| ·干道交通拥堵状态评价指标选取研究 | 第60-63页 |
| ·干道交通拥堵状态评价指标的选取原则 | 第60-61页 |
| ·干道交通拥堵状态评价指标选取方法 | 第61-62页 |
| ·干道交通拥堵状态评价指标的确定 | 第62-63页 |
| ·干道交通拥堵的等级划分 | 第63页 |
| ·基于变异系数法和量化评价等级的模糊综合评价方法 | 第63-70页 |
| ·模糊综合评价的一般方法 | 第64-65页 |
| ·模糊综合评价的改进模型 | 第65-70页 |
| ·干道交通拥堵的应对策略 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 结束语 | 第72-74页 |
| ·论文主要研究成果 | 第72页 |
| ·论文主要创新点 | 第72-73页 |
| ·研究展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 在学期间发表的论文和取得的学术成果 | 第80页 |