| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-14页 |
| ·课题研究的背景和意义 | 第10页 |
| ·国内外研究现状及发展趋势 | 第10-12页 |
| ·智能交通系统发展概述 | 第10-11页 |
| ·短时交通流预测现状概述 | 第11-12页 |
| ·城市交通流预测概述 | 第12-13页 |
| ·城市交通流预测分类 | 第12页 |
| ·城市交通流预测模型 | 第12-13页 |
| ·论文的主要内容及章节安排 | 第13-14页 |
| 第2章 交通流数据及可预测性分析 | 第14-28页 |
| ·本文交通流数据来源 | 第14-15页 |
| ·交通流可预测性分析 | 第15-18页 |
| ·交通流时间序列相空间重构分析 | 第18-24页 |
| ·相空间重构理论分析 | 第18-19页 |
| ·重构参数选取方法 | 第19-24页 |
| ·交通流混沌特性分析 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 BP神经网络在短时交通流预测中的应用 | 第28-42页 |
| ·BP神经网络 | 第28-29页 |
| ·基于BP神经网络短时交通流预测模型设计 | 第29-33页 |
| ·BP神经网络应用设计 | 第29-30页 |
| ·短时交通流数据预处理 | 第30-31页 |
| ·短时交通流预测评价指标 | 第31-32页 |
| ·BP神经网络的短时交通流预测步骤 | 第32-33页 |
| ·PSO-BP神经网络短时交通流预测模型仿真 | 第33-35页 |
| ·BP算法的不足及改进 | 第33-34页 |
| ·基于PSO-BP神经网络的短时交通流预测 | 第34-35页 |
| ·基于PSO-BP神经网络交通流预测结果分析 | 第35-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 改进PSO的短时交通流预测模型设计及仿真 | 第42-56页 |
| ·改进PSO模型参数选取设计 | 第42-46页 |
| ·基本粒子群优化算法及改进 | 第42-43页 |
| ·基于CPSO-BP预测模型参数选取设计 | 第43-44页 |
| ·基于SAPSO-BP预测模型参数选取设计 | 第44-46页 |
| ·基于改进PSO的短时交通流预测模型设计 | 第46-49页 |
| ·基于改进PSO的短时交通流预测建模 | 第46-47页 |
| ·基于改进PSO短时交通流预测建模过程 | 第47-49页 |
| ·改进PSO短时交通流预测实验及结果分析 | 第49-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 基于SACPSO-BP的短时交通流预测研究 | 第56-65页 |
| ·模拟退火混沌粒子群算法基本原理 | 第56-57页 |
| ·基于SACPSO-BP神经网络的短时交通流预测流程 | 第57-58页 |
| ·基于SACPSO-BP神经网络的短时交通流预测结果分析 | 第58-60页 |
| ·改进BP神经网络预测算法性能比较 | 第60-64页 |
| ·本章小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
