论文目录 | |
致谢 | 第1-6页 |
摘要 | 第6-8页 |
ABSTRACT | 第8-14页 |
1 绪论 | 第14-30页 |
1.1 研究背景和意义 | 第14-16页 |
1.2 研究问题的提出 | 第16-17页 |
1.3 国内外研究现状 | 第17-26页 |
1.3.1 基于复杂网络的道路交通网络研究现状 | 第17-20页 |
1.3.2 道路交通流空间相关性分析方法研究现状 | 第20-22页 |
1.3.3 道路交通流短时预测方法研究现状 | 第22-24页 |
1.3.4 基于交通流因素的交通事故预警方法研究现状 | 第24-26页 |
1.4 研究内容与技术路线 | 第26-28页 |
1.5 论文的组织结构 | 第28-30页 |
2 城市道路交通网络模型 | 第30-50页 |
2.1 引言 | 第30-31页 |
2.2 城市道路交通网络建模 | 第31-34页 |
2.2.1 空间相关系数 | 第31-33页 |
2.2.2 城市道路交通网络模型构建 | 第33-34页 |
2.3 城市道路交通网络的结构特征分析 | 第34-43页 |
2.3.1 基于复杂网络理论的统计特征分析 | 第34-35页 |
2.3.2 重要路段分布特征分析 | 第35-43页 |
2.4 实例分析与讨论 | 第43-49页 |
2.4.1 数据准备 | 第43页 |
2.4.2 结果与分析 | 第43-49页 |
2.5 本章小结 | 第49-50页 |
3 城市道路网络交通流空间相关性分析 | 第50-72页 |
3.1 引言 | 第50-51页 |
3.2 复杂网络社区发现相关理论 | 第51-53页 |
3.3 基于GWPA-k-means的城市路网交通流空间相关性分析 | 第53-61页 |
3.3.1 初始聚类中心的选择 | 第53-57页 |
3.3.2 节点相似度矩阵的构造 | 第57-60页 |
3.3.3 基于k-means聚类的城市道路交通网络社区发现 | 第60页 |
3.3.4 基于GWPA-k-means的交通流空间相关性分析基本步骤 | 第60-61页 |
3.4 实例分析与讨论 | 第61-70页 |
3.4.1 一个简单网络 | 第61-63页 |
3.4.2 北京市路网交通流空间相关性分析 | 第63-70页 |
3.5 本章小结 | 第70-72页 |
4 城市道路网络多断面交通流短时预测 | 第72-100页 |
4.1 引言 | 第72-73页 |
4.2 相关理论 | 第73-78页 |
4.2.1 人工神经网络 | 第73-75页 |
4.2.2 长短期记忆神经网络 | 第75-77页 |
4.2.3 正交遗传算法 | 第77-78页 |
4.3 城市路网多断面交通流短时预测模型 | 第78-89页 |
4.3.1 数据预处理 | 第78-79页 |
4.3.2 模型的建立 | 第79-85页 |
4.3.3 基于自适应正交遗传算法的模型参数选取 | 第85-88页 |
4.3.4 模型评价指标 | 第88-89页 |
4.4 实例分析与讨论 | 第89-97页 |
4.4.1 数据准备 | 第89-92页 |
4.4.2 结果与分析 | 第92-97页 |
4.5 本章小结 | 第97-100页 |
5 基于安全域的交通事故检测 | 第100-118页 |
5.1 引言 | 第100-102页 |
5.2 安全域相关理论 | 第102-105页 |
5.3 交通安全域估计和事故检测 | 第105-108页 |
5.3.1 基于序列向前选择和主成分分析的状态特征变量提取 | 第105-106页 |
5.3.2 基于最小二乘支持向量机的安全域边界估计方法 | 第106-107页 |
5.3.3 具体实施步骤 | 第107-108页 |
5.4 实例分析与讨论 | 第108-117页 |
5.4.1 数据准备 | 第108-110页 |
5.4.2 状态特征变量的提取 | 第110-112页 |
5.4.3 交通事故检测 | 第112-115页 |
5.4.4 安全裕度的计算 | 第115-117页 |
5.5 本章小结 | 第117-118页 |
6 基于可靠性理论的交通事故风险预测 | 第118-132页 |
6.1 引言 | 第118-119页 |
6.2 可靠性分析理论 | 第119-120页 |
6.3 交通可靠性模型的建立 | 第120-121页 |
6.4 实例分析与讨论 | 第121-129页 |
6.4.1 数据准备 | 第121-123页 |
6.4.2 状态特征变量选取 | 第123页 |
6.4.3 状态空间构建 | 第123-125页 |
6.4.4 极限状态函数估计 | 第125-127页 |
6.4.5 交通事故风险预测 | 第127-129页 |
6.5 本章小结 | 第129-132页 |
7 总结与展望 | 第132-138页 |
7.1 主要研究结论 | 第132-134页 |
7.2 主要创新点 | 第134-135页 |
7.3 研究展望 | 第135-138页 |
参考文献 | 第138-154页 |
作者简历及攻读博士学位期间取得的研究成果 | 第154-160页 |
学位论文数据集 | 第160页 |