| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题研究的背景和意义 | 第11-12页 |
| ·课题研究的背景 | 第11-12页 |
| ·课题研究的意义 | 第12页 |
| ·交通流预测国内外现状 | 第12-16页 |
| ·交通流预测国外研究现状 | 第12-15页 |
| ·交通流预测国内研究现状 | 第15页 |
| ·粒子群优化神经网络国内外研究现状 | 第15-16页 |
| ·本文的研究内容及结构安排 | 第16-18页 |
| 第2章 短时交通流预测的相关理论 | 第18-33页 |
| ·交通流预测基本概念 | 第18-21页 |
| ·交通流预测三要素 | 第18-21页 |
| ·短时交通流预测特性 | 第21页 |
| ·交通流数据采集 | 第21-23页 |
| ·固定式数据采集技术 | 第22页 |
| ·移动式采集技术 | 第22-23页 |
| ·交通流预测数据预处理 | 第23-25页 |
| ·错误数据预处理 | 第23-24页 |
| ·噪声数据预处理 | 第24-25页 |
| ·归一化处理 | 第25页 |
| ·交通流预测模型 | 第25-31页 |
| ·有数学预测模型 | 第26-28页 |
| ·无数学预测模型 | 第28-31页 |
| ·交通流预测评价指标 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于神经网络的短时交通流预测 | 第33-49页 |
| ·神经网络 | 第33页 |
| ·基于BP神经网络的短时交通流预测 | 第33-42页 |
| ·BP神经网络交通流预测模型 | 第33-34页 |
| ·BP神经网络算法原理 | 第34-36页 |
| ·短时交通流数据预处理 | 第36-39页 |
| ·交通流预测仿真实现 | 第39-41页 |
| ·仿真结果及分析 | 第41-42页 |
| ·基于小波神经网络的短时交通流预测 | 第42-48页 |
| ·小波神经网络 | 第42-43页 |
| ·小波神经网络预测模型 | 第43-45页 |
| ·小波神经网络预测算法原理 | 第45-46页 |
| ·交通流预测仿真实现 | 第46-47页 |
| ·仿真结果及分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 基于粒子群优化神经网络的短时交通流预测 | 第49-58页 |
| ·粒子群算法 | 第49-51页 |
| ·算法原理 | 第49-50页 |
| ·算法参数 | 第50页 |
| ·粒子群算法流程 | 第50-51页 |
| ·粒子群优化神经网络预测模型 | 第51-53页 |
| ·粒子群神经网络的改进 | 第53页 |
| ·交通流预测仿真实现 | 第53-55页 |
| ·仿真结果及分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 基于粒子群优化神经网络的短时交通流预测模块设计 | 第58-69页 |
| ·软件开发环境 | 第58-59页 |
| ·道路监控系统 | 第59-61页 |
| ·道路监控系统设计 | 第59页 |
| ·道路监控系统结构组成 | 第59-61页 |
| ·交通流预测模块 | 第61-65页 |
| ·交通流预测模块流程图 | 第61页 |
| ·交通流预测模块硬件框架 | 第61-63页 |
| ·交通流预测模块软件设计 | 第63-65页 |
| ·预测模块实现 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 第6章 总结和展望 | 第69-71页 |
| ·全文总结 | 第69页 |
| ·未来展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间获得的科研成果 | 第76页 |