声明
致谢
变量注释表
1 绪论
1.1 研究背景及意义
1.2 研究现状
1.2.1 基于交通配流模型的方法
1.2.2 基于直接观测的方法
1.2.3 基于机器学习的方法
1.2.4 基于结点的方法
2 预备知识
2.1 经典的交通平衡配流模型
2.2.1 机器学习综述
2.2.2 XGBoost方法
2.2.3 人工神经网络
3 基于守恒性的交通流量估计问题
3.1 基于结点的路段流量完全可推断性方法
3.2 基于结点的路段流量和 OD 需求完全可推断性方法
3.3 数值算例
3.3.1 小型交通网络
3.3.2 小型交通网络——鱼骨网络
3.4 本章小结
4 基于机器学习的路段流量和 OD 需求多阶段估计
4.1 基于 XGBoost 的路段流量和 OD 需求之间的相关性分析
4.1.1 XGBoost算法
4.1.2 相关性的量化分析
4.2.1 估计规则
4.2.2 基于多阶段估计的检测器布设模型
4.2.3 基于BP神经网络的路段流量和OD需求多阶段估计
4.3 算法设计
4.4 数值实验
4.4.1 小型交通网络——鱼骨网络
4.4.2 中型交通网络——Nguyen-Dupuis网络
4.5 本章小结
5 总结与展望
5.1 总结
5.2 展望
参考文献
作者简历
学位论文原创性声明
学位论文数据集
中国矿业大学中国矿业大学(江苏);