1 绪论
1.1 选题背景及研究意义
1.2 交通流预测研究现状
1.3 交通控制与诱导协同研究现状
1.4 研究内容
1.5 技术路线
2 交通流信息融合分析
2.1 多信息融合的交通流特性
2.2 交通流检测及信息融合技术
2.3 基于深度学习的融合算法模型分析
2.4 本章小结
3 基于多信息融合的交通流预测
3.1 多信息融合的交通流预测模型
3.2 交通流数据的预处理
3.3 道路交叉口向量化
3.4 本章小结
4 基于多信息融合的交通控制与诱导协同办法
4.1 多源交通信息融合结构
4.2 交通信息堆栈神经网络的构成
4.3 多信息融合的交通控制与诱导协同神经网络
4.4 本章小结
5 交通流预测实验及控制诱导协同仿真
5.1 实验数据的描述
5.2 交通流预测的实验结果
5.3 实验结果数据拟合及残差分析
5.4 交通控制与交通诱导协同模型分析
5.5 本章小结
6 结论与展望
6.1 结论
6.2 展望
致谢
参考文献
附录
西安科技大学;