声明
摘要
第一章 绪论
1.1 研究背景
1.1.1 交通大数据及其融合分析
1.1.2 智能交通系统对交通参数数据的迫切需求
1.2 研究目的及意义
1.3 国内外研究现状
1.3.1 浮动车数据应用与研究现状
1.3.2 道路车速相关研究现状
1.4 研究内容
第二章 浮动车数据采集及分析方法
2.1 基于GPS/GIS的浮动车数据采集
2.2 数据处理与分析
2.2.1 数据影响因素分析
2.2.2 数据筛选和计算
2.2.3 数据缺失值填补
2.3 实例分析
2.4 本章小结
第三章 基于小波-ARIMA的浮动车车速预测
3.1 浮动车数据的小波变换
3.1.1 小波域阈值去噪法
3.1.2 平移不变小波变换
3.1.3 相邻尺度积系数滤波法
3.2 基于小波-ARIMA的浮动车车速预测
3.2.1 ARIMA建立
3.2.2 最优化时间间隔计算方法
3.3 实例分析
3.3.1 原始浮动车时间序列
3.3.2 ARIMA模型预测结果
3.3.3 小波-ARIMA模型预测结果
3.4 本章小结
第四章 混合交通流的车速相关性研究
4.1 调查路段选取
4.2 混合交通流全车型运行规律分析
4.3 全车型运行车速相关性研究
4.3.1 道路运行车速与道路服务水平方差分析
4.3.2 基于公交车运行车速的全车型运行车速回归分析
4.4 基于FCM-RBF神经网络的道路运行车速建模
4.4.1 径向基函数神经网络简介
4.4.2 基于FOM优化的RBF神经网络
4.5 道路运行车速动态预测实例分析
4.5.1 完全数据条件下的动态预测
4.5.2 缺失数据条件下的动态预测
4.5.3 实例分析
4.6 本章小结
第五章 结论与展望
5.1 结论
5.2 展望
致谢
参考文献
附录
攻读学位期间取得的研究成果