文摘
英文文摘
声明
1 绪论
1.1 研究背景与研究意义
1.2 研究现状
1.2.1 交通流预测现状
1.2.2 旅行时间预测现状
1.3 本文的主要工作
1.4 本文的组织结构
2 神经网络基本理论
2.1 人工神经网络概述
2.2 误差反传(BP)神经网络
2.2.1 BP网络的结构和工作原理
2.2.2 BP网络的学习算法
2.2.3 BP网络的优缺点
3 有检测器路段的短时交通流预测
3.1 问题提出
3.2 优化方法概述
3.3 神经网络并行算法概述
3.4 并行算法性能评估
3.5 MPICH并行计算平台
3.6 自适应并行拟牛顿(SSPQN)学习算法
3.6.1 SSPQN学习算法
3.6.2 SSPQN学习算法的实现
3.7 有检测器路段交通流预测模型
3.7.1 交通流预测模型的建立
3.7.2 仿真实验
4 无检测器路段的短时交通流预测
4.1 问题提出
4.2 多维标度法的工作原理
4.3 无检测器路段交通流预测模型
4.3.1 多维标度法在路网划分中的应用
4.3.2 交通流预测模型的建立
4.3.3 仿真实验
5 路段短时旅行时间的预测
5.1 问题提出
5.2 VISSIM仿真平台
5.2.1 交通仿真平台介绍
5.2.2 配置仿真环境
5.3 路段旅行时间的估计
5.3.1 旅行时间测量技术概述
5.3.2 旅行时间估计模型的建立
5.3.3 仿真实验
5.4 路段旅行时间的预测
5.4.1 旅行时间预测模型的建立
5.4.2 仿真实验
结 论
参考文献
攻读硕士学位期间发表学术论文情况
致谢
大连理工大学;