道路网短时交通需求预测理论、方法及应用PDF|Epub|txt|kindle电子书版本网盘下载

道路网短时交通需求预测理论、方法及应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 城市交通与信息服务1

1.2 一般预测问题3

1.2.1 预测的分类3

1.2.2 预测的程序5

1.3 交通状态短时预测概述6

1.4 交通状态短时预测研究现状8

第2章 交通流短时预测基础10

2.1 交通流时空特性参数10

2.1.1 交通流基本参数10

2.1.2 交通流基本参数的统计分布12

2.1.3 交通流基本参数的关系模型16

2.2 基本流程、特点及要求23

2.3 交通流数据预处理技术25

2.3.1 交通流数据的来源25

2.3.2 数据融合27

2.3.3 交通流数据故障的识别28

2.3.4 交通流故障数据的修复方法30

2.3.5 交通流数据的整理31

第3章 交通状态可靠性评价方法35

3.1 行程时间可靠性基本理论35

3.1.1 路网可靠性提出背景35

3.1.2 行程时间可靠性统计的可行性37

3.2 行程时间可靠性指标体系38

3.2.1 可靠性指标体系38

3.2.2 行程时间可靠性指标40

3.3 交通状态可靠性实证分析44

3.3.1 实证分析的程序44

3.3.2 行程时间可靠性评价46

3.3.3 服务水平与可靠性54

3.3.4 风险与可靠性55

3.3.5 可靠性与成本效益关系55

第4章 交通状态短时预测的基本方法58

4.1 短时预测方法综述58

4.1.1 基于线性系统理论的预测方法58

4.1.2 基于知识发现的智能模型预测方法59

4.1.3 基于非线性系统理论的预测方法60

4.1.4 基于组合模型的预测方法61

4.1.5 基于交通模拟的预测方法61

4.2 回归分析预测方法61

4.2.1 模型概述61

4.2.2 一元线性回归预测法62

4.2.3 多元线性回归模型65

4.2.4 非线性回归预测法67

4.3 确定型时间序列预测方法68

4.3.1 时间序列分析预测法概述68

4.3.2 移动平均法70

4.3.3 指数平滑法72

4.3.4 差分-指数平滑法74

4.3.5 自适应滤波算法75

第5章 随机型时间序列预测方法77

5.1 随机时间序列预测的基本概念77

5.1.1 随机时间序列77

5.1.2 交通状态预测时间序列模型78

5.2 交通流短时预测的时间序列方法78

5.2.1 自回归模型78

5.2.2 滑动平均模型81

5.2.3 自回归滑动平均模型83

5.2.4 时间序列的预报87

5.2.5 Box-Jenkins模型89

5.3 多维时间序列分析91

第6章 城市道路交通状态数据的时空相关性93

6.1 交通流数据的时空相关性概述93

6.2 多断面交通流预测现状94

6.3 相关性方法研究95

6.3.1 相关系数计算法96

6.3.2 多维标度法97

6.3.3 聚类分析98

6.4 多维标度法在交通流数据相关性分析中应用99

6.4.1 多维标度法分析99

6.4.2 多维标度法实例分析101

6.5 聚类分析在交通流数据相关性分析中应用105

6.5.1 系统聚类法原理105

6.5.2 路网相关性的应用106

6.5.3 聚类分析结果及分析107

第7章 基于状态空间模型的道路网多断面短时交通流预测模型111

7.1 状态空间模型分析111

7.1.1 状态空间模型的一些基本概念111

7.1.2 状态空间描述112

7.2 卡尔曼滤波理论113

7.2.1 卡尔曼滤波器的基本原理113

7.2.2 卡尔曼滤波估计的方法115

7.2.3 求解状态空间模型步骤116

7.3 道路网短时交通流预测状态空间模型117

7.3.1 多断面状态空间模型的建立117

7.3.2 状态空间模型的参数估计118

7.3.3 道路网多断面交通流的预测120

7.4 实证性研究121

7.4.1 数据来源及计算结果121

7.4.2 计算结果分析125

第8章 基于支持向量机回归的道路网多断面短时交通流预测模型128

8.1 支持向量机理论128

8.1.1 机器学习128

8.1.2 支持向量机130

8.2 遗传算法133

8.2.1 基本原理和基本结构134

8.2.2 主要特征135

8.3 道路网多断面短时交通流支持向量机回归预测模型136

8.3.1 模型的建立137

8.3.2 参数选取的讨论138

8.4 实证性研究140

8.4.1 数据来源及计算结果140

8.4.2 计算结果分析144

第9章 基于混沌时间序列的道路网多断面短时交通流预测模型147

9.1 混沌时间序列理论147

9.1.1 混沌基本理论147

9.1.2 一维混沌时间序列149

9.1.3 多维混沌时间序列151

9.2 粒子群优化算法152

9.2.1 基本原理152

9.2.2 基本流程153

9.2.3 带有惯性权重的改进粒子群优化算法155

9.3 道路网多断面短时交通流混沌时间序列预测模型155

9.3.1 预测模型的建立156

9.3.2 预测方法157

9.3.3 参数的选择158

9.4 实证性研究159

9.4.1 数据来源及计算结果159

9.4.2 计算结果分析163

9.4.3 三种多断面预测方法的对比分析165

第10章 基于神经网络的路网短时交通流预测167

10.1 神经网络基本知识167

10.1.1 神经元的数学模型167

10.1.2 神经网络的拓扑结构168

10.1.3 神经网络的学习方法169

10.1.4 神经网络模型种类169

10.1.5 BP神经网络模型170

10.2 广义回归神经网络172

10.2.1 模型特点172

10.2.2 网络结构173

10.2.3 预测模型的步骤174

10.3 网络状态下的短时交通流量预测175

10.3.1 模型构造175

10.3.2 路网短时预测结果177

10.3.3 与基于点、线的交通流量预测结果对比分析180

参考文献182