摘要5-6
ABSTRACT6-11
第一章 绪论11-17
1.1 探讨背景及作用11-12
1.2 国内外探讨近况12-14
1.3 本论文的主要工作14-17
1.3.1 本论文的主要探讨内容14-15
1.3.2 本论文的结构框架15-17
第二章 城市道路交通数据采集与处理17-23
2.1 城市道路交通数据采集方式17-19
2.1.1 固定型采集技术17-18
2.1.2 移动型采集技术18-19
2.2 交通数据流数据预处理策略19-22
2.2.1 错误数据判别策略19-20
2.2.2 数据流丢失数据补齐20-21
2.2.3 数据流错误数据修正21-22
2.2.4 数据流冗余数据约简22
2.3 本章小结22-23
第三章 城市道路交通流预测策略探讨23-37
3.1 交通流基本参数23-25
3.1.1 交通流量23
3.1.2 车速23
3.1.3 密度和占有率23-24
3.1.4 交通流参数间联系24-25
3.2 单点短时交通流预测模型25-32
3.2.1 时间序列预测模型26-27
3.2.2 卡尔曼滤波预测模型27-28
3.2.3 支持向量机预测模型28-29
3.2.4 神经网络预测模型29-31
3.2.5 组合交通流预测模型31-32
3.3 基于路口相关性的组合预测模型32-36
3.3.1 路口相关性32-33
3.3.2 路口相关性浅析与评价33-35
3.3.3 组合预测模型35-36
3.4 本章小结36-37
第四章 道路交通流量预测实例浅析37-51
4.1 局部路网建立37-38
4.2 路口流量数据预处理38-42
4.3 交通流量预测42-50
4.3.1 路口单点交通流量预测43-45
4.3.2 基于相关路口交通流量预测45-49
4.3.3 组合交通流量预测49-50
4.4 本章小结50-51
第五章 基于城市道路交通流预测的运用51-59
5.1 基于交通流预测的城市道路交通制约51-53
5.1.1 预测制约介绍51-52
5.1.2 交通流预测制约系统52-53
5.2 基于交通流预测的交通事件检测53-55
5.2.1 交通事件检测介绍53
5.2.2 基于预测偏差的交通事件检测53-55
5.3 交通路径诱导55-56
5.4 交通信息实时发布56-58
5.5 本章总结58-59
总结与展望59-61
6.1 论文工作总结59-60
6.2 后续工作与展望60-61