1 绪论
1.1 什么是“动态预测”算法
1.2 国内外研究现状
1.3 本书的主要内容
2 交通调查与数据分析
2.1 交通调查
2.1.1 交通观测
2.1.2 交通模拟
2.1.3 数据处理
2.2 交通流特性分析
2.2.1 小流量交通特性
2.2.2 大流量交通特性
2.2.3 常发性拥挤交通特性
2.2.4 偶发性拥挤交通特性
2.3 交通流参数变化规律
2.4 交通流参数的可预测性
3 交通流预测常规算法
3.1 短时交通流预测原理
3.1.1 宏观模型预测原理
3.1.2 微观模型预测原理
3.2 移动平均法
3.2.1 简单移动平均法
3.2.2 加权移动平均法
3.2.3 趋势移动平均法
3.3 指数平滑法
3.3.1 一次指数平滑法
3.3.2 二次指数平滑法
3.3.3 差分一指数平滑法
3.4 时间序列法
3.5 神经网络法
3.5.1 线性神经网络模型
3.5.2 BP神经网络模型
3.5.3 R13F神经网络模型
4 交通流动态预测小波法
4.1 研究现状
4.2 小波分析法
4.2.1 连续小波变换
4.2.2 离散小波变换
4.2.3 多分辨分析与Mallat算法
4.3 基于小波分解和支持向量回归的短时交通流预测
4.3.1 支持向量机
4.3.2 支持向量回归
4.3.3 支持向量机的学习算法
4.3.4 基于小波分解和支持向量回归的交通流预测模型
4.4 基于小波神经网络的短时交通流预测
4.4.1 小波神经网络
4.4.2 小波神经网络的学习算法及改进
4.4.3 基于小波神经网络的交通流预测方法
5 交通流动态预测分形法
5.1 分形的概念及分形维数
5.1.1 分形的概念
5.1.2 分形维数的定义及其计算
5.2 交通流的分形与混沌分析
5.2.1 交通流时间序列的递归图
5.2.2 交通流时间序列的混沌判据——最大Lyapunov指数
5.2.3 利用最大Lyapunov指数预测交通流
5.2.4 交通流时间序列的Kolmogorov熵
5.3 交通流时间序列的分形预测法
5.3.1 基于分形概念的交通流预测
5.3.2 基于分形自相似性的预测——移动平均自回归最近邻域
综合预测法
6 交通流动态预测控制论法
6.1 反馈控制理论
6.1.1 开环控制
6.1.2 闭环控制
6.1.3 反馈系统的传递函数
6.2 自适应控制算法
6.3 交通流预测控制论法
6.3.1 基于反馈控制的预测模型
6.3.2 模型参数标定
6.3.3 自适应预测控制器的设计
6.3.4 实例应用
7 交通流动态预测双点及多点模型
7.1 交通流动态预测双点模型
7.2 交通流动态预测多点模型
7.3 参数标定
7.3.1 确定权重
7.3.2 确定系数矩阵
7.4 预测实例
8 短期交通流预测综合评价
8.1 评价模型
8.1.1 二级模糊综合评判法原理
8.1.2 建立因素集
8.1.3 建立权重集
8.1.4 建立备择集
8.1.5 确定隶属函数
8.1.6 模糊综合评判
8.2 交通流参数预测最佳方法
8.2.1 预测方法评价
8.2.2 智能预测系统
8.3 最佳预测时间间隔与窗口长度
8.3.1 预测窗口长度
8.3.2 最佳窗口长度与时间间隔的关系
8.3.3 不同时间间隔预测效果定量比较
8.4 不同参数预测效果的比较
8.4.1 交通参数的敏感性分析
8.4.2 交通量预测
8.4.3 时间占有率预测
8.4.4 地点车速预测
9 交通事件检测算法
9.1 交通事件检测综述
9.1.1 比较(模式识别)算法
9.1.2 统计算法
9.1.3 时间序列和平滑/滤波算法
9.1.4 交通模型和理论算法
9.1.5 低流量事件检测算法
9.1.6 其他事件检测算法
9.2 基于预测偏差的交通事件检测算法
9.2.1 算法原理
9.2.2 检测参数
9.2.3 数据预处理
9.2.4 事件识别的步骤
9.2.5 交通事件发生的概率
9.3 算法性能评价
9.3.1 评价指标
9.3.2 评价方法
9.3.3 算法阈值标定
9.3.4 各种事件检测算法的对比评价
附录
参考文献
· · · · · · (收起)