声明
致谢
摘要
1 绪论
1.1 研究背景
1.2 研究目的和意义
1.3 研究内容
1.4 论文框架结构
1.5 本文技术路线
2 路段旅行时间研究综述
2.1 数据驱动方法概述
2.1.1 数据驱动方法特点要求与基本流程
2.1.2 数据驱动方法
2.2 旅行时间估计与预测研究综述
2.2.1 旅行时间估计研究现状
2.2.2 旅行时间预测研究现状
2.3 本章小结
3 数据采集与GPS数据处理
3.1 城市道路特性与旅行时间影响因素分析
3.1.1 城市道路特性
3.1.2 路段旅行时间影响因素分析
3.2 交通数据采集
3.2.1 交通数据采集方法
3.2.2 GPS浮动车采集技术的优点
3.2.3 GPS浮动车系统工作原理
3.3 GPS数据提取与处理
3.3.1 出租车GPS数据采集格式
3.3.2 GPS数据预处理
3.3.3 GPS数据目标路段的提取
3.3.4 GPS数据分方向处理
3.4 本章小结
4 基于遗传算法的BP神经网络路段旅行时间估计
4.1 VISSIM仿真车辆轨迹的提取
4.1.1 VISSIM仿真基本原理
4.1.2 本文仿真方案
4.1.3 基于仿真的浮动车数据提取
4.2 基于BP神经网络的旅行时间估计模型
4.2.1 BP神经网络结构确定
4.2.2 BP神经网络权值与阈值确定
4.3 基于遗传算法的BP神经网络优化
4.3.1 算法流程
4.3.2 算法实现
4.4 基于浮动车数据的路段旅行时间估计
4.4.1 基于仿真浮动车数据的路段旅行时间估计
4.4.2 输入数据的灵敏度分析
4.4.3 基于真实浮动车数据的旅行时间估计
4.5 本章小结
5 基于非参数回归的路段旅行时间预测
5.1 非参数回归的特点及适用条件
5.1.1 非参数回归算法概述
5.1.2 非参数回归的优点
5.1.3 非参数回归方法适用条件
5.1.4 非参数回归算法基本流程
5.2 历史数据库的建立
5.2.1 车辆进入路段时间及路段平均速度确定
5.2.2 基于实际GPS数据建立历史数据库
5.3 基于非参数回归的路段旅行时间预测
5.3.1 单纯非参数回归算法下的路段旅行时间预测
5.3.2 基于非线性拟合的非参数回归旅行时间预测
5.4 本章小结
6 结论
6.1 主要结论
6.2 研究展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集