交通流数据清洗与状态辨识及优化控制关键理论方法【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

交通流数据清洗与状态辨识及优化控制关键理论方法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

1 绪论1

1.1 ITS发展背景1

1.2 国内外ITS研究历史与发展现状2

1.2.1 国外ITS研究历史与发展现状2

1.2.2 我国ITS研究历史与发展现状4

1.2.3 ITS主要功能子系统5

1.3 交通流数据清洗与状态辨识及优化控制概述8

1.4 本书主要内容9

参考文献11

第一篇 交通流数据清洗关键理论及方法11

2 交通流数据清洗概述15

2.1 研究背景15

2.2 研究的必要性及数据清洗16

2.2.1 必要性16

2.2.2 交通流数据清洗的主要内容17

2.3 国内外相关研究状况18

2.3.1 数据清洗研究状况18

2.3.2 交通流数据清洗研究状况19

2.4 本篇主要研究内容24

2.5 本章小结25

参考文献25

3 交通流丢失数据补齐算法29

3.1 丢失数据的分析29

3.2 基于粗集理论的交通流丢失数据补齐算法30

3.2.1 粗集理论30

3.2.2 ROUSTIDA算法流程32

3.2.3 模型应用与结果分析33

3.2.4 结论38

3.3 基于最小二乘支持向量机的交通流丢失数据补齐算法38

3.3.1 支持向量机和最小二乘支持向量机的原理38

3.3.2 交通流丢失数据补齐模型及仿真41

3.3.3 结论45

3.4 本章小结45

参考文献46

4 交通流错误数据判别和修正算法47

4.1 错误数据判别模型47

4.1.1 孤立点检测算法47

4.1.2 边界检测算法48

4.1.3 阈值理论与交通流理论的组合检测算法49

4.2 错误数据修正模型49

4.2.1 灰色GM（1,1）模型50

4.2.2 错误数据修正模型53

4.3 应用实例53

4.3.1 数据来源53

4.3.2 算法流程54

4.3.3 模型应用55

4.3.4 结果分析56

4.4 结论57

4.5 本章小结57

参考文献58

5 交通流冗余数据约简算法59

5.1 冗余数据识别和约简方法59

5.1.1 基于等级分组法的冗余数据识别方法59

5.1.2 冗余数据的约简方法61

5.2 应用实例62

5.2.1 数据来源62

5.2.2 算法流程62

5.2.3 模型应用63

5.2.4 结果分析65

5.3 结论67

5.4 本章小结67

参考文献67

6 本篇内容总结及其展望68

6.1 总结68

6.2 未来的研究方向69

第二篇 交通流状态辨识关键理论及方法69

7 交通流状态辨识系统框架73

7.1 交通流状态辨识系统框架结构73

7.2 系统框架的主要组成部分74

7.2.1 交通状态判别子系统74

7.2.2 动态交通信息采集子系统76

7.2.3 交通流数据清洗子系统76

7.2.4 交通流控制子系统76

7.2.5 调度子系统76

7.2.6 交通信息发布子系统77

7.2.7 事件数据管理子系统77

7.2.8 通信子系统77

7.3 本篇主要研究内容与方法78

7.4 本章小结79

参考文献79

8 交通流状态预辨识方法80

8.1 交通流预测方法简介80

8.1.1 基于统计理论的模型80

8.1.2 基于非线性预测理论的模型81

8.1.3 基于神经网络理论的模型81

8.1.4 基于动态分配理论的模型82

8.1.5 基于微观交通仿真的模型82

8.2 基于非参数回归样条的交通流短时预测方法82

8.2.1 非参数回归82

8.2.2 非参数回归样条拟合方法83

8.2.3 非参数回归样条拟合方法在交通流短时预测中的应用87

8.3 基于投影寻踪自回归的短时交通流预测方法91

8.3.1 投影寻踪技术91

8.3.2 PP自回归模型［PPAR（k）］93

8.3.3 交通流PPAR回归预测95

8.3.4 结论97

8.4 本章小结98

参考文献98

9 交通流量变检测方法100

9.1 概述100

9.2 指数分布概率变点模型研究100

9.2.1 指数分布参数的变点101

9.2.2 均值变点搜索方法102

9.2.3 模型应用与结果分析104

9.3 二项分布概率变点模型研究106

9.3.1 累次计数法106

9.3.2 模型应用与结果分析108

9.4 本章小结110

参考文献111

10 交通流质变检测方法112

10.1 交通事件检测方法简介112

10.1.1 交通事件112

10.1.2 主要事件检测算法及评价指标113

10.2 交通流突变分析的变点统计方法116

10.2.1 概述116

10.2.2 交通流突变分析的最小二乘法117

10.2.3 交通流突变分析的局部比较法125

10.3 基于多分辨分析的交通事件自动检测方法131

10.3.1 多分辨分析Mallat算法131

10.3.2 小波滤波器及Mallat算法的具体实现137

10.3.3 多分辨分析在交通事件自动检测中的应用138

10.4 本章小结145

参考文献145

11 信息融合技术在交通流状态实时辨识中的应用147

11.1 信息融合及交通信息融合简介147

11.1.1 信息融合147

11.1.2 信息融合的层次级别148

11.1.3 信息融合方法149

11.2 基于支持向量机的交通信息融合方法研究149

11.2.1 支持向量机简介149

11.2.2 基于SVM的信息融合方法在交通流状态实时辨识中的应用153

11.2.3 结论156

11.3 基于遗传算法的交通信息模糊融合方法156

11.3.1 模糊控制和遗传算法156

11.3.2 基于遗传算法的信息模糊融合方法在交通流状态实时辨识中的应用160

11.4 本章小结164

参考文献164

12 本篇内容总结及其展望165

第三篇 交通流优化控制关键理论及方法165

13 交通流优化控制169

13.1 研究的背景和意义169

13.2 DTA问题170

13.2.1 国外研究现状171

13.2.2 我国研究现状176

13.3 最短路径问题177

13.4 本篇主要内容179

参考文献179

14 蚁群算法概述182

14.1 算法的基本理论182

14.1.1 基本原理182

14.1.2 基本模型184

14.1.3 理论基础187

14.1.4 算法框架188

14.1.5 算法的特点188

14.2 算法的研究进展189

14.2.1 理论研究189

14.2.2 应用研究194

14.2.3 我国研究情况195

14.3 本章小结197

参考文献197

15 基于自适应蚁群算法的交通网络中最短路径搜索方法200

15.1 交通网络中最短路径问题200

15.1.1 交通网络的表示200

15.1.2 最短路径问题的描述201

15.2 用自适应蚁群算法求解交通网络中最短路径问题201

15.2.1 寻优思路201

15.2.2 算法设计202

15.2.3 算法的具体实现步骤205

15.2.4 算法流程图205

15.3 仿真实验205

15.4 本章小结208

参考文献208

16 基于混沌蚁群算法的动态用户最优配流方法209

16.1 基本问题209

16.1.1 交通分配理论概述209

16.1.2 DTA特征210

16.1.3 动态交通网络配流原则210

16.1.4 动态交通网络约束条件212

16.2 离散型动态用户最优配流模型214

16.3 DTA方法215

16.3.1 混沌蚁群算法215

16.3.2 用CACO求解离散型动态用户最优配流问题216

16.4 仿真实验221

16.5 本章小结223

参考文献223

17 本篇内容总结及其展望224

17.1 总结224

17.2 研究展望224

附录226

附录A 王晓原主持的科研项目226

附录B 作者的代表性论著228