中小城市交通诱导信息平台开发
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 引言 | 第7-17页 |
| 1.1 研究背景和意义 | 第7-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 交通流预测算法 | 第10-12页 |
| 1.2.2 交通诱导信息发布平台开发 | 第12-14页 |
| 1.3 研究框架 | 第14-16页 |
| 1.4 本文结构安排 | 第16-17页 |
| 第2章 交通流预测相关基础算法 | 第17-33页 |
| 2.1 支持向量回归预测算法(SVR) | 第17-23页 |
| 2.1.1 支持向量回归算法的数学模型 | 第17-19页 |
| 2.1.2 支持向量回归预测算法设计流程 | 第19-23页 |
| 2.2 遗传算法 | 第23-31页 |
| 2.2.1 遗传算法设计流程 | 第23-24页 |
| 2.2.2 遗传算法应用示例 | 第24-29页 |
| 2.2.3 遗传算法分析 | 第29-30页 |
| 2.2.4 遗传算法的改进方法 | 第30-31页 |
| 2.3 本章小结 | 第31-33页 |
| 第3章 基于SVR-IGA的交通流预测算法 | 第33-51页 |
| 3.1 免疫遗传算法（IGA） | 第33-40页 |
| 3.1.1 免疫遗传算法设计流程 | 第33-36页 |
| 3.1.2 免疫遗传算法应用示例 | 第36-38页 |
| 3.1.3 免疫遗传算法分析 | 第38-39页 |
| 3.1.4 免疫遗传算法小结 | 第39-40页 |
| 3.2 SVR-IGA交通流预测算法 | 第40-46页 |
| 3.2.1 SVR-IGA预测算法使用的样本介绍 | 第40-41页 |
| 3.2.2 SVR-IGA预测算法设计流程 | 第41-44页 |
| 3.2.3 SVR-IGA预测算法预测结果分析 | 第44-46页 |
| 3.3 SVR-IGA预测算法的实际应用 | 第46-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第4章 中小城市交通诱导信息发布平台 | 第51-67页 |
| 4.1 开发软件介绍 | 第51-52页 |
| 4.1.1 网络服务器 | 第51页 |
| 4.1.2 数据库 | 第51页 |
| 4.1.3 开发语言 | 第51页 |
| 4.1.4 开发环境 | 第51-52页 |
| 4.1.5 其他软件 | 第52页 |
| 4.2 系统设计 | 第52-53页 |
| 4.2.1 总体框架设计 | 第52-53页 |
| 4.2.2 页面框架设计 | 第53页 |
| 4.2.3 数据库框架设计 | 第53页 |
| 4.3 数据库设计 | 第53-57页 |
| 4.3.1 Form数据库设计 | 第54页 |
| 4.3.2 表单设计 | 第54-56页 |
| 4.3.3 数据库连接设计 | 第56-57页 |
| 4.4 页面设计 | 第57-65页 |
| 4.4.1 首页（Index）设计 | 第57-60页 |
| 4.4.2 后台管理主页（Admin）设计 | 第60-63页 |
| 4.4.3 其他页面设计 | 第63-65页 |
| 4.5 本章小结 | 第65-67页 |
| 第5章 事件驱动的信息发布状态反馈 | 第67-81页 |
| 5.1 诱导屏及摄像机定位 | 第67-72页 |
| 5.1.1 交通诱导信息发布平台内显示地图 | 第68页 |
| 5.1.2 诱导屏及摄像机定位 | 第68-69页 |
| 5.1.3 查询诱导屏一公里范围内摄像机 | 第69-72页 |
| 5.2 摄像机实时视频的显示 | 第72-75页 |
| 5.3 远程访问中小城市交通诱导信息发布平台 | 第75-80页 |
| 5.3.1 Ping通信协议 | 第75-76页 |
| 5.3.2 虚拟主机 | 第76-78页 |
| 5.3.3 云服务器 | 第78-80页 |
| 5.4 本章小结 | 第80-81页 |
| 第6章 总结 | 第81-83页 |
| 参考文献 | 第83-86页 |
| 致谢 | 第86-88页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第88页 |
