论文目录 | |
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第16-26页 |
| 1.1 研究背景和意义 | 第16-18页 |
| 1.1.1 研究背景 | 第16页 |
| 1.1.2 研究目的意义 | 第16-18页 |
| 1.2 短时交通流预测 | 第18-21页 |
| 1.2.1 交通流及其特性 | 第18页 |
| 1.2.2 短时交通流预测问题及基本流程 | 第18-20页 |
| 1.2.3 短时交通流预测模型现状分析 | 第20-21页 |
| 1.3 本文主要的研究内容 | 第21-23页 |
| 1.4 本文研究技术路线 | 第23-24页 |
| 1.5 本文的组织结构 | 第24-26页 |
| 第2章 短时交通流预测研究进展 | 第26-44页 |
| 2.1 引言 | 第26页 |
| 2.2 基于时间序列模型的短时交通流预测 | 第26-28页 |
| 2.3 基于卡尔曼滤波模型的短时交通流预测 | 第28-30页 |
| 2.4 基于神经网络模型的短时交通流预测 | 第30-33页 |
| 2.5 基于K近邻模型的短时交通流预测 | 第33-36页 |
| 2.6 基于支持向量机模型的短时交通流预测 | 第36-40页 |
| 2.7 基于深度学习模型的短时交通流预测 | 第40-43页 |
| 2.8 本章小结 | 第43-44页 |
| 第3章 基于混沌模拟退火优化的RVR短时交通流预测模型 | 第44-61页 |
| 3.1 引言 | 第44-45页 |
| 3.2 基于混沌模拟退火优化的RVR短时交通流预测 | 第45-53页 |
| 3.2.1 相关向量机用于回归估计 | 第45-48页 |
| 3.2.2 混沌模拟退火用于相关向量机参数优化 | 第48-51页 |
| 3.2.3 混沌模拟退火优化相关向量机用于短时交通流预测 | 第51-53页 |
| 3.3 实验分析 | 第53-60页 |
| 3.3.1 比较的标准 | 第53页 |
| 3.3.2 使用的数据集 | 第53-54页 |
| 3.3.3 数据归一化及数据回放 | 第54页 |
| 3.3.4 模型中核函数选择 | 第54-57页 |
| 3.3.5 模型预测性能分析 | 第57-60页 |
| 3.4 本章小结 | 第60-61页 |
| 第4章 具有上下游路段感知能力的RVR短时交通流预测 | 第61-72页 |
| 4.1 引言 | 第61-62页 |
| 4.2 具有上下游路段感知能力的短时交通流预测模型 | 第62-64页 |
| 4.2.1 具有上下游路段感知能力的RVR短时交通流预测模型基本框架 | 第62-63页 |
| 4.2.2 具有上下游路段感知能力的短时交通流预测模型 | 第63-64页 |
| 4.2.3 具有上下游路段感知能力的RVR短时交通流预测模型参数优化 | 第64页 |
| 4.3 与相关工作的实验比较 | 第64-71页 |
| 4.3.1 比较的标准 | 第64页 |
| 4.3.2 使用的数据集 | 第64-65页 |
| 4.3.3 模型预测性能分析 | 第61-71页 |
| 4.4 本章小结 | 第71-72页 |
| 第5章 考虑季节性因素的RVR短时交通流预测 | 第72-87页 |
| 5.1 引言 | 第72-74页 |
| 5.1.1 短时交通流预测的季节性分析 | 第72-74页 |
| 5.2 季节性预测方法 | 第74-77页 |
| 5.2.1 双季节Holt-Winters(DSHWES) | 第74-76页 |
| 5.2.2 自回归滑动平均及季节性自回归滑动平均预测(SARIMA) | 第76页 |
| 5.2.3 考虑季节性因素的支持向量机预测(SSVRCSA) | 第76-77页 |
| 5.3 考虑季节性因素的RVR短时交通流预测(SRVRCSA) | 第77-80页 |
| 5.3.1 季节性指数调节方法 | 第77-78页 |
| 5.3.2 RVRCSA模型的具体步骤 | 第78-79页 |
| 5.3.3 确定核函数参数的值 | 第79-80页 |
| 5.4 比较标准及使用的数据集 | 第80-86页 |
| 5.4.1 用于比较的模型及模型参数设定 | 第80-81页 |
| 5.4.2 模型预测性能分析 | 第81-86页 |
| 5.5 本章小结 | 第86-87页 |
| 第6章 RVR短时交通流预测中样本量敏感性分析 | 第87-102页 |
| 6.1 引言 | 第87页 |
| 6.2 相关方法 | 第87-89页 |
| 6.2.1 Mann-Kendall检验 | 第87-88页 |
| 6.2.2 Sen非参数化检验方法 | 第88-89页 |
| 6.2.3 产生组合混沌序列 | 第89页 |
| 6.3 预测模型 | 第89-91页 |
| 6.3.1 RVR用于回归估计 | 第89-90页 |
| 6.3.2 相关向量机短时预测模型 | 第90-91页 |
| 6.3.3 确定核函数参数的值 | 第91页 |
| 6.4 实验分析 | 第91-101页 |
| 6.4.1 比较标准及使用的数据集 | 第91-93页 |
| 6.4.2 各路段上样本量变化时模型预测性能比较 | 第93-100页 |
| 6.4.3 实验结果讨论 | 第100-101页 |
| 6.5 本章小结 | 第101-102页 |
| 第7章 结论与展望 | 第102-104页 |
| 7.1 结论 | 第102-103页 |
| 7.2 展望 | 第103-104页 |
| 参考文献 | 第104-112页 |
| 致谢 | 第112-113页 |
| 作者简介 | 第113-114页 |
| 1 作者简历 | 第113页 |
| 2 攻读博士学位期间发表的学术论文 | 第113页 |
| 3 参与的科研项目及获奖情况 | 第113-114页 |
| 学位论文数据集 | 第114页 |
