论文目录 | |
摘要 | 第1-6页 |
ABSTRACT | 第6-10页 |
第1章 绪论 | 第10-17页 |
· 背景和意义 | 第10-11页 |
· 国内外研究现状 | 第11-14页 |
· 基于固定检测器数据的道路行程时间预测方法研究现状 | 第11-12页 |
· 基于GPS浮动车数据的道路行程时间预测方法研究现状 | 第12-13页 |
· 基于多源数据融合的道路行程时间预测方法研究现状 | 第13-14页 |
· 主要研究内容及技术路线 | 第14-15页 |
· 论文结构 | 第15-17页 |
第2章 交通信息采集技术与城市道路交通仿真环境设计 | 第17-24页 |
· 动态信息采集技术 | 第17-19页 |
· 固定检测器技术 | 第17-18页 |
· 浮动车检测技术 | 第18-19页 |
· 城市道路交通仿真环境设计 | 第19-23页 |
· VISSIM仿真软件介绍 | 第19-20页 |
· 城市道路交通仿真方案设计 | 第20-23页 |
· 小结 | 第23-24页 |
第3章 检测器采集数据预处理技术 | 第24-34页 |
· 原始数据出现失真故障的原因 | 第24页 |
· 故障数据的识别 | 第24-26页 |
· 固定检测器的不同交通参数数据的合理范围 | 第24-25页 |
· GPS浮动车检测器的不同交通参数数据的合理范围 | 第25-26页 |
· 故障数据的修复 | 第26-33页 |
· 线圈检测器的交通参数数据修复的实例分析 | 第27-30页 |
· 浮动车检测器的交通参数数据修复的实例分析 | 第30-33页 |
· 小结 | 第33-34页 |
第4章 基于单类型检测器数据的城市道路行程时间预测 | 第34-41页 |
· 基于线圈检测器数据的城市道路行程时间预测 | 第34-36页 |
· 基于GPS浮动车数据的城市道路行程时间预测 | 第36-40页 |
· 城市道路的划分 | 第36页 |
· 单辆GPS浮动车数据路段行程时间的预测 | 第36-38页 |
· 多辆GPS浮动车数据的路段行程时间预测 | 第38页 |
· 多辆GPS浮动车数据的路段行程时间预测与实验分析 | 第38-40页 |
· 小结 | 第40-41页 |
第5章 基于多源数据的道路行程时间预测 | 第41-56页 |
· 融合算法的比选 | 第41-42页 |
· 改进的BP神经网络 | 第42-49页 |
· BP神经网络概述 | 第42页 |
· BP神经网络的结构及算法 | 第42-47页 |
· 基于自适应学习速率的BP算法 | 第47-49页 |
· 基于改进BP算法的道路行程时间预测模型 | 第49-52页 |
· 实验验证及结果分析 | 第52-55页 |
· 小结 | 第55-56页 |
第6章 总结与展望 | 第56-58页 |
参考文献 | 第58-61页 |
致谢 | 第61
页 |