| 致谢 | 第1-6页 |
| 中文摘要 | 第6-8页 |
| ABSTRACT | 第8-17页 |
| 1 绪论 | 第17-23页 |
| ·选题的背景 | 第17-18页 |
| ·研究的目的和意义 | 第18-19页 |
| ·研究的内容和方法 | 第19-21页 |
| ·论文框架 | 第21-23页 |
| 2 国内外研究状况综述 | 第23-39页 |
| ·基本流程、特点及要求 | 第24-25页 |
| ·短时交通流预测的国内外研究综述 | 第25-38页 |
| ·单一断面交通流预测 | 第26-36页 |
| ·多断面交通流预测 | 第36-37页 |
| ·国内外研究综述小结 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 3 交通流数据分析 | 第39-59页 |
| ·交通流基本特征参数 | 第40-41页 |
| ·交通流数据预处理技术 | 第41-49页 |
| ·交通流数据的来源 | 第42-43页 |
| ·交通流数据故障的识别 | 第43-45页 |
| ·交通流数据故障的修复方法 | 第45-46页 |
| ·交通流数据的实际处理 | 第46-49页 |
| ·多断面交通流数据的相关性分析 | 第49-58页 |
| ·多维标度法的引入 | 第50页 |
| ·多维标度法的基本原理和一般步骤 | 第50-51页 |
| ·多维标度法在多断面交通流数据相关性分析中的应用 | 第51-58页 |
| ·本章小结 | 第58-59页 |
| 4 基于状态空间模型的道路网多断面短时交通流预测模型 | 第59-83页 |
| ·状态空间模型和多维时间序列分析 | 第59-66页 |
| ·状态空间模型的一些基本概念 | 第59-60页 |
| ·状态空间描述 | 第60-62页 |
| ·多维时间序列分析 | 第62-66页 |
| ·道路网多断面短时交通流预测状态空间模型及解法 | 第66-72页 |
| ·短时交通流时间序列预测 | 第66-67页 |
| ·状态空间模型的建立 | 第67-68页 |
| ·状态空间模型的参数估计 | 第68-71页 |
| ·道路网多断面交通流的预测 | 第71-72页 |
| ·实证性研究 | 第72-80页 |
| ·数据来源及计算结果 | 第72-78页 |
| ·计算结果分析 | 第78-80页 |
| ·本章小结 | 第80-83页 |
| 5 基于支持向量机回归的道路网多断面短时交通流预测模型 | 第83-109页 |
| ·支持向量机理论 | 第83-89页 |
| ·机器学习 | 第83-85页 |
| ·支持向量机 | 第85-89页 |
| ·遗传算法 | 第89-92页 |
| ·基本原理和基本结构 | 第90-92页 |
| ·主要特征 | 第92页 |
| ·道路网多断面短时交通流支持向量机回归预测模型 | 第92-97页 |
| ·模型的建立 | 第93-95页 |
| ·参数选取的讨论 | 第95-97页 |
| ·实证性研究 | 第97-108页 |
| ·数据来源及计算结果 | 第97-105页 |
| ·计算结果分析 | 第105-108页 |
| ·本章小结 | 第108-109页 |
| 6 基于混沌时间序列的道路网多断面短时交通流预测模型 | 第109-135页 |
| ·混沌时间序列理论 | 第109-113页 |
| ·一维混沌时间序列 | 第109-112页 |
| ·多维混沌时间序列 | 第112-113页 |
| ·粒子群优化算法 | 第113-117页 |
| ·基本原理 | 第113-114页 |
| ·基本流程 | 第114-116页 |
| ·带有惯性权重的改进粒子群优化算法 | 第116-117页 |
| ·道路网多断面短时交通流混沌时间序列预测模型 | 第117-121页 |
| ·预测模型的建立 | 第118-119页 |
| ·预测方法 | 第119-120页 |
| ·参数的选择 | 第120-121页 |
| ·实证性研究 | 第121-130页 |
| ·数据来源及计算结果 | 第121-128页 |
| ·计算结果分析 | 第128-130页 |
| ·三种多断面预测方法的对比分析 | 第130-133页 |
| ·本章小结 | 第133-135页 |
| 7 研究总结及展望 | 第135-139页 |
| ·主要研究结论 | 第135-137页 |
| ·研究的展望 | 第137-139页 |
| 参考文献 | 第139-149页 |
| 作者简历 | 第149-155页 |
| 学位论文数据集 | 第155页 |
