一、水上交通观测天数与交通量估计精度的关系(英文)（论文文献综述）
陈永军[1]（2020）在《脆弱性视角下长江口交通流密集水域船舶通航风险研究》文中认为水路运输具有运量大、单位运输成本低的特点,有利于推动流域的经济发展。但水路运输运营环境复杂,水上交通事故时有发生,这对风险应急管控水平提出了更高要求。近年来,随着水上贸易货物量的增加,通过深水航道进出通航水域的船舶数量不断攀升,通航船舶航线交叉密集度不断扩大。如果发生突发险情或事故,受短时间内船舶数量多、航线交叉错综复杂、应急救援不便等诸多因素限制,极易造成水上交通拥堵与通航网络紊乱,进而引发船舶通航系统的脆弱性风险。因此,如何运用恰当的模型与方法辨识通航系统的脆弱性、刻画风险演化机理,并对船舶交通流拥堵、突发事件两个主要风险场景进行分析,显得尤为紧迫。论文以系统理论、脆弱系统、水上交通安全、深度学习、复杂网络理论等为理论基础,从脆弱性角度出发,结合交通流密集水域特殊性,对船舶通航风险进行深度剖析,辨识影响船舶通航系统的主要脆弱性因素,在此基础上,对关键脆弱性因素进行层级结构划分和基于脆弱因子的风险演化,对船舶交通流拥堵和突发事件作为风险场景进行了剖析,并以长江口交通流密集水域为研究背景进行实证分析,以期为船舶通航系统的风险管控和应急安全提供理论依据。论文的主要研究内容及创新成果包括:（1）划分了脆弱性视角下交通流密集水域船舶通航系统的风险场景。总结归纳不同领域对脆弱性概念、脆弱性内涵及脆弱性特征要素的界定,对脆弱性重大事件进行了梳理,解析了脆弱性与脆性、反脆弱、韧性、弹性、鲁棒性等概念的区别。在此基础上,对船舶通航系统脆弱性概念进行了界定,同时结合交通流密集水域的特征,将船舶通航系统风险场景划分为船舶拥堵和突发事件,并对风险场景进行了描述。（2）分析了船舶通航系统的脆弱性因素,并构建了脆弱性辨识模型。从船舶通航系统载运能力、环境能力和管控能力3个角度出发,划分出3个子系统,在此基础上,确定了船舶通航系统的脆弱性因素;综合运用决策试验和评价实验法、层次分析法、熵权法等理论方法的优点,构建脆弱性辨识模型,得出脆弱性因素间的关联程度,生成脆弱性因素的整体影响矩阵,获得经熵权法修正过的脆弱性因素权重值。（3）分析了船舶通航系统脆弱性因素的层级关系,并构建了风险演化模型。在船舶通航系统脆弱性影响因素及其相关性的基础上,提出了基于解释结构模型的脆弱性因素层级划分方法;结合交叉影响矩阵分析了各脆弱性因素的驱动力与依赖度,生成脆弱性因素层级关系图;根据筛选出的影响船舶通航系统的关键脆弱性因素,构建基于脆弱因子的传染病动力学风险演化模型,剖析了关键脆弱节点对风险演化过程的影响。（4）针对船舶交通流拥堵的应用场景,构建了船舶交通流拥堵风险预判模型。分析了交通流主要预测参数的特征和聚类映射关系,并以模糊均值聚类算法和k最近邻算法拟映射该关系;运用卷积神经网络、长短期记忆网络、支持向量回归构建交通流预测模型,实现对船舶交通流流量和密度的预测;在此基础上,完成交通流流量和密度的聚类分类,最终获得船舶交通流的拥堵风险等级。（5）针对脆弱性视角下交通流密集水域突发事件通航系统风险应用场景,提出了通航系统脆弱性测度和风险评价模型。运用原点映射法构建了船舶通航系统的网络拓扑结构,并构建了基于复杂网络理论的脆弱性测度模型。针对船舶通航系统可能受到的不同形式的攻击或干扰,分析了通航系统在干扰作用下的“脆弱点”变化程度,在此基础上,运用脆弱性测度指标,构建通航系统风险评价模型,实现对通航系统脆弱点的测度和风险评价。论文对通航系统脆弱性因素辨识、脆弱性演化、拥堵风险预判、脆弱性测度的研究,丰富了船舶通航风险的理论研究和技术应用;基于长江口船舶通航的相关数据建模及实证分析表征,提出的脆弱性辨识模型能够较好地辨识影响船舶通航系统的关键脆弱性因素;构建的基于脆弱因子的船舶通航系统风险演化模型能够实现脆弱性因素的层级结构划分,刻画出脆弱性因素随时间的风险演化规律;提出的船舶交通流拥堵风险预判模型,能从时空角度分析船舶交通流的拥堵风险;基于复杂网络理论提出的脆弱性测度和风险评价方法能够实现对关键脆弱节点和航线的测度,并实现节点的风险评价。论文研究成果对船舶通航安全管理与船舶运输组织效率的提升具有重要的理论意义和社会意义。
葛梦雪[2]（2020）在《基于多维特征聚类的交通量模式识别与测算方法研究》文中研究说明大气污染问题关乎我国民生和经济发展。在如京津冀、长三角城市群这样人口集中、工业化与城市化发展较快的地区,污染天气发生较频繁,因此近年来气象环境部门力图通过建立空气质量动态测算模型实现大气污染物浓度的实时测算和严重污染天气的预警。大气中,工业和机动车的排放占到了污染物总量的80%以上,其中工业污染现已基本能够实现源头上的实时监测,而机动车的排放却难以从源头统计,目前主要根据机动车保有量推算机动车的总体年度排放清单,但静态的总量推算既无法体现路网中个体路段间排放量的差异,也难以估算具体日期下路网时变的排放量,时空灵活性均较差。因此,基于现有静态污染物排放清单的不足,将动态的路网机动车排放总量作为一项因变量输入空气质量模型将能够有力推进动态模型的构建,成为一项亟需解决的关键问题。路网的动态排放测算主要基于路段时变的车辆行驶里程（Vehicle Kilometers Traveled,VKT）和静态的排放因子（Emission Factors,EFs）,路段交通量是计算VKT的基础,但由于受到交通量监测成本高和覆盖率低的限制,目前仍难以通过实际检测手段获取大面积且具有实时性的交通量数据。考虑到小时粒度的交通量即可满足动态排放测算的精度需求,且路段全天交通量变化模式具有周期性和相似性特征,本研究尝试挖掘多源交通数据及其优势,构建可代表路段交通量模式的曲线库,并利用海量浮动车速度数据实现基于路段的交通量模式识别与检索,进而设计出一种面向排放测算应用的基于路段交通量模式的动态小时交通量估算方法,服务于有动态交通量需求的更多应用。本论文主要包括以下六部分内容:（1）针对国内外已有的交通量测算和交通量模式聚类相关研究经验,结合本研究动态排放测算的目的和空气质量模型建模需求,确定本研究中交通量估算的时间间隔与技术路线。（2）阐述北京市现有RTMS数据、公路交通量观测站数据、浮动车数据和日均交通量数据各自特征和优缺点,提出融合多源数据测算动态交通量的方案。（3）对北京市2018年4类城市道路RTMS的检测数据和5类公路的观测站数据进行预处理,比选最优聚类特征参数方案后利用改进的K-means方法对城市道路3289条和公路6271条交通量曲线进行聚类,最终构建出不同道路等级和日期类型下的归一化交通量模式库合计181条曲线,并结合实际,分析不同日期类型和道路等级下的交通量模式聚类结果。（4）基于Underwood模型提出了归一化交通流基本图的概念并完成了相关参数的标定,实现了浮动车速度和交通量特征参数间的转化,之后利用最短加权距离原则完成路段交通量模式的检索与识别。（5）提出基于交通量模式识别的路段动态交通量测算方案,并同现有基于交通流基本图的测算方式进行比较,样本路段的测算结果显示本文方法的平均均方根误差RMSE和平均相对误差MRE分别较速度反推方法降低了43.0%和82.6%,有效解决了速度反推方法在高速区间测算结果不准确和基本图普适性低的问题。（6）最后将前文提出的动态交通量测算方法应用于基于浮动车速度的路网动态排放测算和偶发性拥堵的蔓延速度测算。结果表明该方法可实现不同路网范围和日期需求下基于路段的机动车精细化动态排放测算,对样本路段拥堵蔓延速度估算的准确度也达到85.12%,可应用于动态交通诱导和管控。
陈昊[3]（2020）在《基于交通流大数据的路径规划研究》文中研究说明交通流预测行程时间与路径规划是智能交通系统研究的热点,城市道路交通流基本信息是智能交通系统运行的基础,同时也为智能交通系统的优化提升提供了根本支持。通过更细致地研究交通流基础理论和技术,才能给驾驶员提供实时更新的路径以及精确的行程时间,进而达到缓解交通拥堵、实时交通诱导的目的。随着预测模型研究的发展和大数据时代的到来,交通流理论正朝着智能化、数字化方向发展,在交通流理论中开展大数据研究是当前和未来的发展趋势。本文开篇详细讲述了交通流大数据中几种主要的特性参数及其它们之间的关系与采集方法,并根据本文使用特性参数的性质,使用道路交通视频采集技术获得交通信息数据,再使用交通流大数据预处理方法,获取本文所需要的优质交通流大数据,为之后路程时间预测模型的校定与仿真对比给予根本保障。然后,以更精准地估计城市交通路段时间为目标,将城市所有实验交通路段作为研究对象,分析了经典的卡尔曼滤波行程时间预测模型,并结合道路监管限速加入限速机制优化卡尔曼滤波预测模型,通过实例计算验证了模型准确性。本文同时针对交通流大数据多种因素问题,进行属性子集选择,根据子集特性建立一次指数平滑和二次指数平滑预测模型,并用实测数据进行了验证。最后,本文以卡尔曼滤波、指数平滑和数据融合理论为基础,建立一种数据融合预测模型,利用熵值法计算各模型权重,并进行预测效果对比分析。扩展到所有城市道路路段,以每个路段对应时标的数据融合模型的预测行程时间为权值,采用Dijkstra算法进行路径规划得到实时的最短时间路径,加以实例验证。结果表明模型具有良好的适用性,计算结果具有较高的准确性,对于城市路段交通流行程时间预测,数据融合预测方法能够明显改善行程时间预测效果。
程远林[4]（2019）在《肇庆西江后沥至贝水河段船舶定线制评价研究》文中进行了进一步梳理后沥至贝水是西江肇庆段事故多发地,该航段船舶日断面流量为800多艘,从1975年至2005年期间,共发生重大事故27宗,占全辖区重大事故的15%,共发生大事故19宗,占全辖区大事故的17%。该河段发生的主要是碰撞事故,在每年雾季（1-4月）属于浓雾区,河面宽广,夜间两岸灯光较少,船舶航行参照物较少,现场监督力量比较薄弱。因此在这种情况下,实施船舶定线制在一定程度上促进了西江航行安全,缓解了因今后交通流密集程度加大而造成的影响船舶航行速度、降低通航效率的问题。尽快解决西江航运发展与现有航行规则不相协调的问题,打造西江水上安全快速通道,构建和谐交通环境,服务肇庆经济发展,已经成为未来西江航运生产力发展的迫切需求。本文对国内外船舶定线制研究的现状进行了详细的梳理,对定线制理论、评价优选等领域的研究进行了一个综述,引出了本文的研究内容。同时,根据国际分道通航的定线原则,研究制定后沥至贝水水域船舶定线制方案,其具体范围,上界:肇庆峡口天后宫至肇庆工艺厂码头的连线,下界:贝水航标至对岸连线,该水域内一切可供船舶航行的水域。通过分析船舶定线制方案评价的影响因素,建立船舶定线制方案评价体系,在此基础之上,结合专家讨论与调查问卷,采用DEMATEL-ANP方法以及模糊综合评价方法构建船舶定线制方案评价模型,并对本文提出的两种定线制方案进行评价。最后,通过评价结果分析与专家意见,方案一最终评价得分为94.329,方案二评价得分为89.345,最终确定选用方案二作为西江地区的定线制方案。与此同时,对本文的研究分析了目前定线制方案存在的不足之处,对进一步提高西江河段船舶定线制的可行性提出建议与展望。
陈星[5]（2019）在《油页岩废渣用于透水沥青路面路用性能及透水功能评价研究》文中研究表明透水沥青路面是海绵城市建设中的一项关键技术。开级配磨耗层（OGFC）作为一种透水沥青路面的结构形式,具有抗滑、降噪、排水等优点。然而,开级配磨耗层相对较低的结构强度和使用过程中不可逆的淤塞行为成为制约其发展的关键因素。本文依托国家自然科学基金项目“基于油石固结增强和整体性能提高的沥青路面水损害关键技术研究”与吉林省科技厅项目“海绵城市建设中透水路面淤塞综合防控关键技术研究”,基于季冻区春融季节的气候特性,对油页岩废渣用于透水沥青路面的路用性能及透水功能进行了深入研究,为季冻区透水型路面的结构设计和施工提供理论依据和技术支持。主要研究内容如下:1.油页岩废渣粉/硅烷偶联剂复合改性沥青的性能研究首先通过表面预处理法和直接掺拌法两种工艺制备出油页岩废渣粉/硅烷偶联剂复合改性沥青试样,并基于基础性能试验分别确定表面预处理法和直接掺拌法的最佳制备工艺。然后通过针入度、软化点、延度、旋转薄膜烘箱老化试验、TG热重分析、红外光谱和差式扫描量热等试验,对比表面预处理法和直接掺拌法两种制备工艺,确定油页岩废渣粉/硅烷偶联剂复合改性沥青的最佳制备工艺和性能增强机理。根据基础性能试验发现,两种制备工艺下制备出的油页岩废渣粉/硅烷偶联剂复合改性沥青均具有较好的低温性能、高温性能、感温性能和抗老化性能,直接掺拌法相较表面预处理法有着更好的改性效果。红外光谱试验表明,油页岩废渣粉/硅烷偶联剂复合改性沥青的改性机理不仅仅是物理共混,还有一定的化学改性。2.油页岩废渣替代细集料的透水沥青路面路用性能研究在油页岩废渣粉/硅烷偶联剂复合改性沥青性能研究的基础上,提出一种高强、环保、经济的OGFC沥青混合料NM-OGFC（Novel Material Open Graded Friction Course）的制备方法:利用筛分后的油页岩废渣等比例替换透水型沥青混合料中粒径在4.75mm以下的集料,并加以硅烷偶联剂辅助改性。基于外切中心复合设计方法,对NM-OGFC沥青混合料的油石比、硅烷偶联剂掺量、拌合温度和击实次数四种影响因素进行优化,确定NM-OGFC沥青混合料的最佳制备工艺。通过马歇尔试验、车辙试验、低温劈裂试验、低温小梁弯曲试验、浸水马歇尔试验、春融稳定度试验和松散试验等路用性能试验,对NM-OGFC沥青混合料的路用性能进行验证。试验数据表明NM-OGFC沥青混合料具有良好的路用性能,证实了采用油页岩废渣替代混合料中细集料的可行性,也表明了油页岩废渣用于替代细集料比用于改性沥青有着更好的经济性和路用性能。3.油页岩废渣替代细集料的增强机理研究首先通过离散元数值模拟对透水沥青路面结构受力机理进行探讨,确定透水沥青路面的结构受力特性和主要承载粒径。然后根据油页岩废渣填充沥青砂浆性能试验、BET试验、电镜扫描试验、沥青吸持率试验、界面沥青饱含率试验和粘附界面原位观测试验系统地对油页岩废渣与沥青的吸附行为进行深入研究。试验结果表明油页岩废渣替代细集料的透水沥青路面的增强机理是由于油页岩废渣表面孔隙结构较为发育,介孔形状多样,具有独特的层柱状连通构造和细胞状结构触角,提高了沥青与集料的吸附面积,并在粘附界面形成了“爪膜”结构,进而改变了沥青与集料的结合方式,提高了沥青砂浆自身性能,从而使得透水沥青混合料的宏观力学性能显着提高。4.透水沥青路面在季冻区中的淤塞行为试验研究通过筛分法对春夏两季路表淤塞物进行了采集分析,研究了春夏两季路表淤塞物的粒度特征,发现不同路表淤塞物粒径分布的差异性与日均交通量、区域、环境、天气、季节以及路表材质类型和凹凸程度有很大关系。尤其是严寒季冻区的春夏两季,粒径分布差异特别明显,这是由于在严寒季冻区的冬季抛洒的防滑砂引起淤塞物粒径的整体提高。基于这一特征,建立起严寒季冻区春夏两季淤塞行为模拟试验系统,提出了相关实验参数和试验方案。然后基于季冻区春夏两季淤塞行为模拟试验系统及熵权法,提出室内淤塞行为模拟试验的综合评价指标—淤塞系数。通过对比透水系数损失率、空隙率损失率、质量增加率曲线,发现综合三种评价指标得到的淤塞系数具有较好的客观性、有序性以及合理性。5.油页岩废渣替代细集料的透水沥青路面淤塞特性研究针对季冻区春夏两季不同的淤塞行为,在春夏两季淤塞行为模拟试验系统的基础上,对基质透水沥青混合料、SBS改性透水沥青混合料和NM-OGFC沥青混合料的两季淤塞行为进行了深入探讨。通过Mistcherlich生长模型对双季环境下透水沥青混合料的淤塞行为进行研究,建立起透水沥青路面的Mistcherlich淤塞模型,量化了透水沥青混合料的淤塞过程。其中,最大淤塞程度和淤塞速率可以作为评价指标量化透水路面的淤塞进程。通过对比两项指标,发现了油页岩废渣替代透水沥青混合料中的细集料可以有效改善孔隙的分布,减少了自由沥青堵塞空隙的概率,有效提高了沥青混合料抵抗淤塞行为的性能。通过对比两季的淤塞模型,发现春夏两季透水沥青路面的淤塞行为存在两种淤塞模式:一种是春季快速淤塞行为,另一种是夏季缓慢沉积淤塞行为。最后,基于熵-灰关联理论,确定影响春季透水沥青路面淤塞行为的关键粒径为砂质淤塞物,粒径范围在150μm1180μm,从而为更好地满足透水沥青路面透水功能持久性要求的设计提供了参考。
路尧[6]（2019）在《大型机场旅客城市空间分布预测与交通方式选择行为研究》文中提出机场是城市大规模客流的集散点,航空运输因其速度快、便捷性强、舒适度高、辐射范围广等特点,在综合交通运输体系中占据了重要地位。随着我国经济发展和城市化进程的加快,航空运输也发展到了一个全新的阶段,机场体量和规模不断攀升,目前我国大型机场的年旅客吞吐量普遍超过4000万人次。从国内外大型机场的建设规划经验来看,由于大型机场往往远离市区,引入轨道交通变得越来越普遍,如果没有快速便捷的轨道交通连接机场和市区,大型机场的成功运作很难实现。因此,为保障城市航空运输服务的快捷高效,增强大型机场规划设计的合理性,围绕大型机场的需求分布、旅客的出行特征等一系列问题进行系统的研究和分析,已具备十分重要的理论价值和现实意义。论文依托中国民用航空局重大专项科技项目“北京新机场智能型综合交通枢纽建设关键技术研究与应用”子课题1“以机场为主体的大型区域综合交通枢纽战略规划技术”以及子课题5“与超大机场协调的轨道交通布局规划与设计技术”,研究工作以大型机场为研究对象,分别进行了大型机场交通基本特征分析、大型机场旅客城市空间分布预测、大型机场旅客交通方式选择行为、大型机场轨道旅客空间分布预测四个问题的研究。对大型机场交通基本特征的分析,主要是以实地调查、手机信令以及公交IC卡等多源数据为基础,提出基于手机信令数据的旅客出行OD识别方法以及基于手机信令数据的机场轨道旅客识别方法,对大型机场的旅客属性、出行特征、时空分布、公交出行特征、轨道乘客特征等进行分析与总结。对大型机场旅客城市空间分布预测方法的研究,主要是借助手机信令数据分析得到的旅客空间分布,考虑用地、人口等因素,对大型机场旅客城市空间分布的影响因素进行分析,然后确定以交通小区的居住人口、工作人口以及交通小区至机场的距离为输入变量,以交通小区机场旅客的所占百分比为输出变量,分别建立基于修正重力模型、广义回归神经网络和遗传BP神经网络的大型机场旅客城市空间分布预测模型,并对模型预测效果进行对比分析,通过比较发现广义回归神经网络和遗传BP神经网络预测的效果优于重力模型,其中遗传BP神经网络的预测效果更好,最后基于该预测方法对2025年首都国际机场以及北京新机场的旅客空间分布进行预测。对大型机场旅客交通方式选择行为的研究,首先分析了机场旅客交通方式选择的特征及其影响因素,得到大型机场旅客到离港的主要出行链路,同时根据旅客特性及交通方式的选择行为提出基于AP算法的旅客分类,然后以出行链为方式划分,并结合广义费用的概念,建立考虑经济性、快速性、方便性、舒适性、安全性、准时性的出行链广义费用函数,并分别为不同类型的旅客构建基于非集计选择模型的大型机场旅客交通方式选择模型,将该模型与不考虑旅客分类的模型进行对比,发现考虑旅客分类的大型机场旅客交通方式选择模型预测效果更好,最后以北京新机场为例,进行了北京新机场的出行方式比例划分研究。对大型机场轨道旅客空间分布预测方法的研究,首先根据旅客出行方式选择的心理过程,对机场轨道客流影响因素进行分析,得出机场轨道可达性以及交通方式的广义费用两大影响因素,并提出大型机场轨道交通可达性的定义与模型,最后基于手机信令数据,以各类交通方式的广义出行费用、机场轨道交通可达性作为输入变量,以各交通小区内的机场轨道客流分担率为输出变量,分别构建基于广义回归神经网络和遗传BP神经网络的机场轨道客流空间分布预测模型,并对模型预测效果进行对比分析,对比发现基于广义回归神经网络的大型机场旅客空间分布预测方法效果更好,同时以北京新机场为例,对新机场的轨道旅客分布进行了预测。论文通过对大型机场交通基本特征分析、大型机场旅客城市空间分布预测、大型机场旅客交通方式选择行为、大型机场轨道旅客空间分布预测等一系列问题的深入研究,为未来大型机场的建设规划,城市相关设施的合理匹配提供了重要的科学参考与理论支撑。
刘钊[7]（2019）在《城市快速路短时交通流预测方法关键因素研究及应用》文中认为随着我国大城市道路基础设施建设的逐步完善,对城市交通系统的管理需求正逐步从被动式监控管理过渡到主动式管理。作为智能交通系统（ITS）的关键技术之一,短时交通流预测可以为主动式交通系统的管理提供及时、准确、可靠的交通信息服务。本论文利用实际的交通流数据,通过对短时交通流预测因素的分析,提出本论文的研究假设,围绕这一研究假设建立一个短时交通流预测建模框架,该预测框架把短时交通流均值预测和区间预测联系在一起,然后分别针对短时交通流均值预测和区间预测方法展开研究。论文的主要研究内容,可以分为以下几个方面:首先,从短时交通流预测因素、短时交通流均值预测方法和区间预测方法三个方面,对国内外文献进行分析,总结当前短时交通流预测研究的现状和存在的不足。其次,利用实际的交通流数据,从交通流的时间汇集度、流率水平和互相关性三个方面对短时交通流预测因素展开分析,重点探讨同一道路断面上车道与车道、车道与断面交通流变化的特征和互相关性。第三,根据国内外文献分析和短时交通流预测因素分析,提出本论文的研究假设,并围绕该研究假设建立一个短时交通流预测框架,该预测框架包含了交通流均值预测和区间预测。针对短时交通流均值预测,在利用交通流状态的相似性来重构历史交通流数据的基础上,应用多种预测方法建立组合预测模型,即对多种预测方法的预测结果进行线性加权组合。第四,针对短时交通流区间预测,提出三种不同的区间预测方法,分别为基于K近邻非参数、基于模糊信息粒化和基于GARCH模型的区间预测方法。其中,基于K近邻非参数的预测方法是利用选择的K个近邻值估计交通流均值的置信区间,而基于模糊信息粒化的区间预测是把交通流区间预测转换为交通流均值预测来处理,基于GARCH模型的预测方法则是针对交通流均值预测的误差序列进行建模。最后,利用实际的交通流数据,验证论文所提出的短时交通流均值预测和区间预测方法的有效性,并依次分析影响组合预测建模的关键因素,以及不同区间预测方法的特点,从而为短时交通流预测的实施提供理论基础和技术指导。
杨森炎[8]（2019）在《基于时空数据挖掘的城市路网交通态势分析及应用研究》文中认为城市路网交通系统是一个高度复杂的非线性系统,准确评估路网时空交通态势,深入挖掘其复杂的运行规律,对于提高城市交通运行效率和智能化管理水平具有重要的理论意义和实用价值。随着感知、通信及智能计算技术的快速发展,如何从海量、高维、多样化的交通时空数据中挖掘潜在的交通状态变化模式和特征,为交通管理部门和公众出行提供高效准确的信息服务,是智能交通领域面临的重要挑战。本研究从数据驱动的角度,采用先进的机器学习、信息论等数据挖掘和分析方法,结合交通流理论和网络理论,提出了基于时空数据挖掘的城市道路网络交通态势分析及应用的研究框架。本文按“时空特征提取—因果关系挖掘—频繁模式识别—未来状态预测”的逻辑主线展开研究。首先,提出一种基于非负张量分解考虑路网交通状态多维度特征的同质时空模式提取方法。在时间维度上提取了长期和短期变化特征,在空间维度上定义空间邻近系数,修正高斯相似度矩阵。基于改进的谱聚类算法将城市大范围路网分割为具备同质交通时空状态模式的子路网。其次,构建考虑信息传递方向性的路网时空状态因果关系挖掘方法。引入传递熵算法量化交通状态时空因果关系,利用滑动窗口技术和高斯核密度估计的方法计算传递熵矩阵,表征各路段之间的动态信息传递量。提出被影响系数、影响系数、输入度及输出度指标,识别路网上的关键路段。随后,提出基于时空因果关系挖掘的交通拥堵传播模式识别模型。利用传递熵计算交通状态信息传递量以及拥堵事件之间的因果关联性强度。考虑拥堵事件发生时间的连续性和空间拓扑的连通性约束条件,基于因果关系显着性检验去除冗余的关联关系,建立路网交通拥堵状态时空传播有向图集。采用频繁子图挖掘算法,识别频繁拥堵状态时空传播模式。最后,构建考虑时空信息的城市路网交通状态预测模型。选择历史上下游交通流量作为特征变量,利用梯度提升决策树集成学习算法,预测短时交通流量,并识别变量的重要性。基于传递熵的变量选择方法提取贡献度高的时空特征变量,显着降低了模型的特征维度和复杂度,提高了预测精度和效率。本研究为交通时空数据挖掘和分析提供了系统性的研究思路和方法,促进了交通态势建模与时空数据挖掘的交叉融合,为城市交通拥堵治理、路网规划等提供决策支持,为数据驱动下的智能交通系统提供基础技术支撑。
刘婧[9]（2019）在《基于ANPR数据的城市路网动态OD预测方法研究》文中研究指明OD交通流量反映了路网中一段时间内从起点到终点的交通量分布情况。OD交通流量信息是进行合理、有效地交通规划、运营、管理与控制的前提与基础。其中,短期（预测）的OD流量是制定精准、有效的动态交通管理与控制措施的重要数据基础。动态OD流量预测关注OD矩阵在时间序列上的变化趋势,对该趋势的掌握是实现交通管理和信息系统实时性的必要条件。基于对交通流量信息时序随机性或混沌性的不同界定,文献中提出的OD流量预测方法主要包括参数模型预测和非参数模型预测。这两类方法分别关注OD流量数据的周期性变化和短期波动情况,在预测精度和效率上各有侧重。参数模型预测绝大多数是基于状态空间（state-space）相关模型构建的预测方法,而非参数模型往往使用一系列模式识别和机器学习方法实现短期预测。本文首先分析了路网OD矩阵的高维度特性,提出了基于主成分分析（PCA）的数据降维方法,得出5个主成分可以表征原始OD数据83%以上的特性;然后,基于降维后的主成分数据,利用多项式拟合模型得到结构模式和偏差,建立递推状态空间模型,并利用卡尔曼滤波技术构建（参数型）预测模型（模型1）;此外,论文提出了3种基于K-最邻近分类（非参数）预测算法（K-Nearest Neighbor）:第一种（模型2）基于KNN的预测方法直接利用主成分数据,以相邻时间段的主成分得分之差作为模式趋势构建状态模式集和标签集;第二和第三种（模型3和4）基于KNN的方法则对状态模式集和标签集数据进行多项式拟合,得到结构模型集和残差集,而后两种方法之间的差异是对残差集的处理不同。第二种方法直接假设残差是高斯白噪声,后一时段的残差方差与前一时段的相同,第三种方法则对残差的方差再次应用KNN方法进行预测。最后,利用长沙市交叉口的视频摄像头采集的交通流量信息,对本文提出的四个模型的有效性进行验证,结果显示在不同的需求状况下,本文提出的模型能够做出合理的预测。同时,预测精度高度依赖于可用OD数据的质量:卡尔曼滤波器模型对于规则和周期性OD模式表现更好;而对于不规则OD矩阵,K-NN模型可以进行更准确的预测。
李晋[10]（2018）在《基于AIS船舶数据与人工智能算法的港口交通流量预测模型研究》文中提出当前,中国已成为世界第二大经济体,同时随着“一带一路”倡议的提出,中国的经济发展已经和世界各国紧密联系到一起,而水路运输作为各国经济紧密联系的纽带,正受到世界各国的高度关注。船舶作为水路运输、权益保障的最直接的工具,越来越大型化、科技化;同时随着海洋意识的觉醒,各国船舶的使用频次也在不断增加,容易在水路上发生船舶拥堵、船舶交通事故,造成水路运转不畅,空气污染加剧等不利情况的发生。因此,建立良好的水路运行管理机制特别重要,而可靠的水路交通流量运行数据就是最为直接的科学依据,能对水路管理起到至关重要的作用。但是目前对于水路交通流量的预测研究还存在着不准确、手段不先进等问题,因此,本文就从这些方面着手,建立基于船舶AIS数据的水路交通流量预测手段,具体工作如下:系统性总结了水路交通流理论及其基本参数和预测模型,并在此基础上,梳理了国内外学者在这方面已取得的进展;通过对船舶AIS数据的背景介绍,确定了AIS数据的提取方法,以天津港为案例,提取并筛选了进出天津港的船舶交通流量数据,然后对数据进行了处理,分析出水路交通流量的相关特性、船舶长度占比和船速等数据,又通过交叉对比,验证了采集数据的准确程度;在对水路交通流量数据的梳理分析后,发现数据特性适用于神经网络的计算方法,因此构建了基于神经网络的水路交通流量预测模型,同时考虑到神经网络参数需要较好优化方法,于是引入了基因算法进行改进;为了验证本文所提出的预测模型的预测效能,利用传统的预测模型对天津港进出港水路交通流量进行了预测,并将结果在各个层面进行了对比,证明了本文构建的预测模型的可用性;上述方法是对单断面水路交通流量所进行的预测,但这不能完全反应出现实情况,而多断面的预测方法在这方面有着更好的效果,因此建立了基于状态空间的多断面水路交通流量预测模型。从结果上看,对于单断面水路交通流量预测,在三种传统的预测模型中,K近邻回归预测的效果最好,时间序列的预测其次,而GM（1,1）模型最差,相比于这三种预测模型,基于BP神经网络建立的单断面模型预测效果最好,而建立的多断面预测模型效果更优。最后,为了验证多断面预测模型的适用性,将建立的多断面预测模型向内河航道领域扩展延伸,通过重庆市朝天门、万州、巫山三个长江航段的实际数据进行模型验证,结果表明,连续多断面预测模型在不同时空维度上都具有一定的适用性。
二、水上交通观测天数与交通量估计精度的关系(英文)（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、水上交通观测天数与交通量估计精度的关系(英文)（论文提纲范文）
（1）脆弱性视角下长江口交通流密集水域船舶通航风险研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.1.3 选题来源 |
| 1.2 国内外相关研究综述 |
| 1.2.1 交通流密集水域通航风险的研究 |
| 1.2.2 通航系统脆性(点)辨识研究 |
| 1.2.3 交通流预测及拥堵方法研究 |
| 1.2.4 脆弱性测度模型方法 |
| 1.2.5 研究述评 |
| 1.3 研究目标与论文结构 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 论文结构 |
| 1.4 研究方法与技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 组织框架 |
| 1.4.3 技术路线 |
| 1.5 本章小结 |
| 第2章 交通流密集水域船舶通航系统脆弱性研究基础 |
| 2.1 相关概念 |
| 2.1.1 脆弱性 |
| 2.1.2 通航系统脆弱性的内涵及特征 |
| 2.1.3 通航系统风险态势的界定 |
| 2.1.4 通航系统脆弱性概念界定 |
| 2.2 交通流密集水域特征 |
| 2.3 脆弱性视角下交通流密集水域的风险场景 |
| 2.3.1 船舶交通流拥堵风险 |
| 2.3.2 突发事件扰动下的风险 |
| 2.4 本章小结 |
| 第3章 交通流密集水域通航系统脆弱性因素辨识 |
| 3.1 问题描述 |
| 3.2 研究方法及选定 |
| 3.2.1 辨识的原则 |
| 3.2.2 方法的选定 |
| 3.2.3 船舶通航系统脆弱性熵 |
| 3.2.4 德尔菲法的相关方法 |
| 3.3 交通流密集水域船舶通航系统脆弱性因素 |
| 3.3.1 船舶交通流子系统 |
| 3.3.2 通航环境子系统 |
| 3.3.3 航行管控子系统 |
| 3.4 脆弱性辨识模型的构建 |
| 3.4.1 DEMATEL模型的构建 |
| 3.4.2 AHP-熵权法的运用 |
| 3.5 实证分析 |
| 3.5.1 案例背景 |
| 3.5.2 长江口交通流密集水域的脆弱性分析 |
| 3.5.3 基于AHP-熵权法的通航系统关键脆弱性因素筛选 |
| 3.5.4 实证结论 |
| 3.6 本章小结 |
| 第4章 基于脆弱因子的交通流密集水域通航系统风险演化机理 |
| 4.1 问题描述 |
| 4.2 研究方法与思路 |
| 4.2.1 基于脆弱因子的风险演化的研究思路 |
| 4.2.2 ISM的相关方法 |
| 4.2.3 传染病动力学的相关方法 |
| 4.2.4 传染病动力学的适用性 |
| 4.3 基于脆弱因子的风险演化模型的构建 |
| 4.3.1 脆弱性因素间的层级关系 |
| 4.3.2 脆弱性传播过程中节点的含义 |
| 4.3.3 脆弱性节点转换规则 |
| 4.3.4 基于脆弱因子风险传播模型构建 |
| 4.4 实证分析 |
| 4.4.1 脆弱性因素关系结构 |
| 4.4.2 脆弱性因素节点随时间的风险演化过程 |
| 4.4.3 实证结论 |
| 4.5 本章小结 |
| 第5章 脆弱性视角下交通流密集水域船舶拥堵风险预判 |
| 5.1 问题描述 |
| 5.2 研究方法与思路 |
| 5.2.1 方法的选定 |
| 5.2.2 船舶交通流拥堵风险预判的研究思路 |
| 5.2.3 基于深度学习的交通流拥堵风险预判方法 |
| 5.3 交通流密集水域交通流预测相关参数 |
| 5.3.1 交通流的预测参数 |
| 5.3.2 交通流的主要参数特征 |
| 5.4 船舶流量和密度预测模型构建 |
| 5.4.1 CNNc模型框架 |
| 5.4.2 基于时空特征的输入矩阵确定 |
| 5.4.3 CNNc网络模型构造 |
| 5.5 船舶交通流拥堵风险预判模型构建 |
| 5.6 实证分析 |
| 5.6.1 数据描述和模型对比方案 |
| 5.6.2 模型参数的评价指标 |
| 5.6.3 时间维度 |
| 5.6.4 空间维度 |
| 5.6.5 船舶交通流拥堵风险分析 |
| 5.6.6 实证结论 |
| 5.7 本章小结 |
| 第6章 脆弱性视角下交通流密集水域突发事件通航系统风险研究 |
| 6.1 问题描述 |
| 6.2 研究方法与思路 |
| 6.2.1 方法的选定 |
| 6.2.2 脆弱性测度的研究思路 |
| 6.2.3 交通流密集水域突发事件风险评价研究思路 |
| 6.2.4 基于复杂网络的脆弱性测度方法 |
| 6.3 交通流密集水域通航系统网络拓扑结构 |
| 6.3.1 基于原点映射法的通航系统网络建模 |
| 6.3.2 通航系统网络拓扑统计特征分析 |
| 6.4 交通流密集水域通航系统突发事件攻击形式 |
| 6.5 通航系统脆弱性测度指标和风险评价模型 |
| 6.5.1 通航系统网络性能分析 |
| 6.5.2 通航系统脆弱性测度指标体系模型 |
| 6.5.3 通航系统风险评价模型 |
| 6.6 实证分析 |
| 6.6.1 长江口通航系统网络模型的构建 |
| 6.6.2 长江口通航系统网络拓扑结构特征 |
| 6.6.3 不同攻击策略下长江口通航系统的网络效率变化情况 |
| 6.6.4 长江口通航系统脆弱性测度分析和风险评价 |
| 6.6.5 不同方法对比 |
| 6.6.6 实证结论 |
| 6.7 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 致谢 |
| 参考文献 |
| 攻读博士期间的科研成果及参加的科研项目 |
（2）基于多维特征聚类的交通量模式识别与测算方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景与意义 |
| 1.2 研究内容与目的 |
| 1.3 研究技术路线 |
| 2 国内外研究综述 |
| 2.1 国内外交通量预测研究 |
| 2.1.1 交通流基本图的研究 |
| 2.1.2 基于历史数据的短时交通量预测 |
| 2.2 交通流模式识别研究 |
| 2.3 常见聚类方法及改进应用 |
| 2.3.1 常用聚类算法 |
| 2.3.2 聚类在交通领域应用及改进 |
| 2.4 本章小结 |
| 3 多源数据采集与特征分析 |
| 3.1 路段浮动车速度数据 |
| 3.2 路段交通量数据 |
| 3.2.1 RTMS数据特征分析 |
| 3.2.2 路侧观测站数据特征分析 |
| 3.3 平均日交通量调查数据 |
| 3.4 多源数据融合方案设计 |
| 3.5 本章小结 |
| 4 多维交通量模式聚类方法研究 |
| 4.1 “多维”概念定义 |
| 4.2 交通量数据预处理 |
| 4.2.1 交通量数据质量控制 |
| 4.2.2 交通量归一化 |
| 4.3 交通量聚类方法研究及模式曲线库构建 |
| 4.3.1 基于改进K-means方法的交通量聚类方法研究 |
| 4.3.2 交通量模式聚类结果 |
| 4.4 交通量模式聚类结果特征分析 |
| 4.4.1 交通量观测数据使用情况 |
| 4.4.2 聚类模式特征分析 |
| 4.5 本章小结 |
| 5 基于模式识别的路段动态交通量测算 |
| 5.1 基于FCD数据的交通量模式检索与识别 |
| 5.1.1 交通量-速度关系研究 |
| 5.1.2 交通量特征模式检索与识别方法 |
| 5.2 动态交通量测算 |
| 5.2.1 日期调整因子计算 |
| 5.2.2 测算方法可行性检验 |
| 5.3 本章小结 |
| 6 实例应用 |
| 6.1 基于路段的路网动态排放总量测算 |
| 6.1.1 案例背景 |
| 6.1.2 方案研究及应用 |
| 6.2 路段拥堵蔓延速度估计 |
| 6.2.1 案例背景 |
| 6.2.2 方案研究及应用 |
| 6.3 本章小结 |
| 7 结论与展望 |
| 7.1 主要结论及创新点 |
| 7.2 研究的不足与展望 |
| 参考文献 |
| 附录 |
| 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 |
（3）基于交通流大数据的路径规划研究（论文提纲范文）
| 摘要 |
| abstract |
| 1.绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.3 行程时间预测与路径规划国内外现状 |
| 1.3.1 行程时间预测国内外研究现状 |
| 1.3.2 路径规划国内外研究现状 |
| 1.4 论文的主要研究内容 |
| 2.交通流大数据基本特性与采集处理方法 |
| 2.1 交通流数据基本特性参数 |
| 2.1.1 交通量 |
| 2.1.2 速度 |
| 2.1.3 交通流密度和车道占有率 |
| 2.1.4 车头间距和车头时距 |
| 2.2 交通流数据特性参数关系 |
| 2.3 交通流数据检测 |
| 2.3.1 车辆检测器 |
| 2.3.2 交通流数据调查方法 |
| 2.4 交通流数据预处理方法 |
| 2.4.1 数据清理 |
| 2.4.2 数据降噪 |
| 2.4.3 数据规约 |
| 2.5 本章小结 |
| 3.卡尔曼滤波预测行程时间研究 |
| 3.1 卡尔曼滤波算法概述 |
| 3.1.1 卡尔曼滤波算法来源 |
| 3.1.2 卡尔曼滤波算法基本思想 |
| 3.1.3 卡尔曼滤波算法流程 |
| 3.2 卡尔曼滤波预测行程时间 |
| 3.2.1 卡尔曼滤波预测模型建立 |
| 3.2.2 卡尔曼滤波预测模型仿真与结果分析 |
| 3.3 改进卡尔曼滤波算法 |
| 3.3.1 仿真实验与结果分析 |
| 3.3.2 性能指标分析 |
| 3.4 本章小结 |
| 4.指数平滑预测行程时间研究 |
| 4.1 指数平滑算法概述 |
| 4.1.1 指数平滑法基本思想 |
| 4.1.2 指数平滑算法流程 |
| 4.2 指数平滑预测行程时间 |
| 4.2.1 属性子集选择 |
| 4.2.2 一次指数平滑预测模型建立 |
| 4.2.3 二次指数平滑预测模型建立 |
| 4.3 仿真实验与结果分析 |
| 4.4 本章小结 |
| 5.数据融合预测模型与最短时间路径规划 |
| 5.1 融合预测模型 |
| 5.1.1 融合预测模型建立 |
| 5.1.2 熵值法计算权重 |
| 5.1.3 融合预测模型仿真结果分析 |
| 5.2 Dijkstra算法概述 |
| 5.2.1 Dijkstra算法基本思想 |
| 5.2.2 Dijkstra算法流程 |
| 5.3 Dijkstra算法最短时间路径规划 |
| 5.3.1 仿真实验 |
| 5.3.2 结果分析 |
| 5.4 本章小结 |
| 总结与展望 |
| 本文总结 |
| 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（4）肇庆西江后沥至贝水河段船舶定线制评价研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 实施定线制可行性 |
| 1.1.3 实施定线制意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.2.3 研究现状分析 |
| 1.3 主要研究内容与技术路线 |
| 2 肇庆西江后沥至贝水河段通航环境分析 |
| 2.1 气象条件分析 |
| 2.2 水文条件分析 |
| 2.3 航道条件分析 |
| 2.3.1 广东省内河航道建设现状及规划 |
| 2.3.2 西江肇庆河段航道建设情况 |
| 2.4 船舶数据分析 |
| 2.4.1 船舶总吨分布情况 |
| 2.4.2 船舶功率分布情况 |
| 2.4.3 船舶船长分布情况 |
| 2.5 水上交通事故分析 |
| 3 肇庆西江后沥至贝水河段船舶定线制规划设计 |
| 3.1 船舶定线制的种类与定义 |
| 3.2 船舶定线制的设计原则 |
| 3.3 西江河段实行定线制的必要性 |
| 3.3.1 符合国际海事组织有关规定的要求 |
| 3.3.2 实施船舶定线制是船舶安全航行的需要 |
| 3.3.3 实施船舶定线制是广大船员的要求 |
| 3.4 定线制参数设计方法 |
| 3.5 西江河段船舶定线制设计方案 |
| 4 肇庆西江后沥至贝水河段船舶定线制评价 |
| 4.1 评价指标体系 |
| 4.1.1 评价指标体系的建立原则 |
| 4.1.2 西江河段船舶定线制的影响因素分析 |
| 4.1.3 评价指标体系的构建 |
| 4.2 评价模型 |
| 4.2.1 DEMATEL方法分析指标间相互关系 |
| 4.2.2 ANP方法确定权重 |
| 4.2.3 多级模糊综合评价 |
| 4.3 指标权重的确定 |
| 4.3.1 DEMATEL方法确定指标间综合影响程度 |
| 4.3.2 ANP方法确定指标权重 |
| 4.4 西江河段船舶定线制评价 |
| 4.4.1 因素集的建立 |
| 4.4.2 评价集的建立 |
| 4.4.3 评价结果 |
| 4.4.4 定线制方案分析 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 附录 2014-2018年西江水域年度详细水文资料统计表 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（5）油页岩废渣用于透水沥青路面路用性能及透水功能评价研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及所存在的问题 |
| 1.2.1 关于透水沥青路面路用性能的研究 |
| 1.2.2 关于透水沥青路面渗水功能及堵塞机理的研究 |
| 1.2.3 关于油页岩废渣综合利用的研究 |
| 1.2.4 所存在的问题 |
| 1.3 主要研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 第2章 油页岩废渣粉/硅烷偶联剂复合改性沥青性能研究 |
| 2.1 概述 |
| 2.2 试验材料的技术指标 |
| 2.2.1 油页岩废渣 |
| 2.2.2 硅烷偶联剂 |
| 2.2.3 沥青 |
| 2.3 油页岩废渣粉/硅烷偶联剂复合改性沥青的最佳制备工艺研究 |
| 2.3.1 直接掺拌法 |
| 2.3.2 表面预处理法 |
| 2.4 SOCB复合改性沥青基础性能试验 |
| 2.4.1 感温性能研究 |
| 2.4.2 高温性能研究 |
| 2.4.3 低温性能研究 |
| 2.4.4 抗老化性能研究 |
| 2.5 SOCB复合改性沥青TG热失重试验 |
| 2.6 SOCB复合改性沥青FTIR红外光谱试验 |
| 2.7 SOCB复合改性沥青DSC差式扫描量热试验 |
| 2.8 本章小结 |
| 第3章 油页岩废渣替代细集料的透水沥青路面路用性能研究 |
| 3.1 概述 |
| 3.2 油页岩废渣替代细集料的OGFC沥青混合料配合比设计 |
| 3.2.1 基础材料性能 |
| 3.2.2 油页岩废渣的制备 |
| 3.2.3 NM-OGFC沥青混合料的制备 |
| 3.3 油页岩废渣替代细集料的OGFC沥青路面成型设计因素影响评价 |
| 3.3.1 中心复合设计简介 |
| 3.3.2 确定外切中心复合设计方案 |
| 3.3.3 建立外切中心复合设计模型 |
| 3.3.4 外切中心复合设计模型有效性分析 |
| 3.3.5 响应面交互作用分析 |
| 3.3.6 确定最佳制备工艺方案及验证 |
| 3.4 油页岩废渣替代细集料的OGFC沥青混合料路用性能研究 |
| 3.4.1 高温性能试验及结果分析 |
| 3.4.2 低温性能试验及结果分析 |
| 3.4.3 水稳定性能试验及结果分析 |
| 3.4.4 松散性能试验及结果分析 |
| 3.5 本章小结 |
| 第4章 油页岩废渣替代细集料的增强机理研究 |
| 4.1 概述 |
| 4.2 基于细观力学的透水沥青路面结构受力机理分析 |
| 4.2.1 离散元分析理论 |
| 4.2.2 透水沥青路面二维细观模型的构建 |
| 4.2.3 透水沥青路面结构受力机理分析 |
| 4.3 油页岩废渣填充沥青砂浆的力学性能研究 |
| 4.3.1 油页岩废渣填充沥青砂浆的制备 |
| 4.3.2 小梁弯曲试验及结果分析 |
| 4.3.3 间接拉伸试验及结果分析 |
| 4.4 油页岩废渣单质材料研究 |
| 4.4.1 BET试验 |
| 4.4.2 电镜扫描试验 |
| 4.5 油页岩废渣与沥青的吸附行为研究 |
| 4.5.1 沥青吸持率试验 |
| 4.5.2 界面沥青饱含率试验 |
| 4.5.3 粘附界面原位观测试验 |
| 4.6 本章小结 |
| 第5章 季冻区透水沥青路面淤塞行为及其评价方法研究 |
| 5.1 概述 |
| 5.2 季冻区路表淤塞物特性研究 |
| 5.2.1 路表淤塞物采集 |
| 5.2.2 路表淤塞物的类型及粒径分布 |
| 5.3 透水沥青路面室内淤塞行为模拟试验 |
| 5.3.1 研究背景 |
| 5.3.2 试验方案设计 |
| 5.3.3 参数选择 |
| 5.3.4 试验流程 |
| 5.4 室内淤塞行为的评价指标 |
| 5.4.1 淤塞行为评价指标 |
| 5.4.2 熵权法 |
| 5.4.3 淤塞行为综合评价指标-淤塞系数 |
| 5.5 本章小结 |
| 第6章 油页岩废渣替代细集料的透水沥青路面的淤塞特性研究 |
| 6.1 概述 |
| 6.2 透水沥青路面室内淤塞模拟试验结果分析 |
| 6.2.1 春季透水路面淤塞模拟试验结果分析 |
| 6.2.2 夏季透水路面淤塞模拟试验结果分析 |
| 6.3 基于Mistcherlich生长模型的透水路面透水衰减特性研究 |
| 6.3.1 Mistcherlich生长模型 |
| 6.3.2 双季环境下Mistcherlich生长模型建立 |
| 6.4 基于熵-灰理论淤塞物粒径对淤塞行为的影响研究 |
| 6.4.1 不同淤塞物粒径对淤塞行为的影响 |
| 6.4.2 熵-灰理论 |
| 6.4.3 基于熵-灰理论关键影响粒径的确定 |
| 6.5 本章小结 |
| 第7章 主要结论与展望 |
| 7.1 主要结论 |
| 7.2 主要创新点 |
| 7.3 展望 |
| 参考文献 |
| 附录 |
| 作者简介及科研成果 |
| 致谢 |
（6）大型机场旅客城市空间分布预测与交通方式选择行为研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及目的 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的 |
| 1.2 论文的主要研究内容及技术路线 |
| 1.3 论文构成 |
| 1.4 本章小结 |
| 第2章 国内外研究综述 |
| 2.1 大型机场枢纽陆侧交通规划 |
| 2.1.1 国外研究现状 |
| 2.1.2 国内研究现状 |
| 2.1.3 小结 |
| 2.2 大型机场旅客交通空间分布研究 |
| 2.2.1 国外研究现状 |
| 2.2.2 国内研究现状 |
| 2.2.3 小结 |
| 2.3 大型机场旅客交通方式选择行为研究 |
| 2.3.1 国外研究现状 |
| 2.3.2 国内研究现状 |
| 2.3.3 小结 |
| 2.4 本章小结 |
| 第3章 大型机场交通基本特征分析 |
| 3.1 大型机场定义与基本特征 |
| 3.1.1 大型机场的定义 |
| 3.1.2 世界主要机场交通特征 |
| 3.1.3 大型机场人群类型与结构 |
| 3.2 研究数据来源 |
| 3.2.1 实地调查数据 |
| 3.2.2 交通大数据 |
| 3.3 数据处理技术 |
| 3.3.1 移动通信数据采集原理 |
| 3.3.2 机场旅客出行OD识别 |
| 3.3.3 机场轨道旅客识别 |
| 3.4 大型机场特征分析 |
| 3.4.1 旅客基本属性 |
| 3.4.2 旅客出行特征 |
| 3.4.3 旅客时间分布特征 |
| 3.4.4 旅客公交出行特征 |
| 3.4.5 机场轨道乘客特征 |
| 3.5 本章小结 |
| 第4章 大型机场旅客城市空间分布预测方法 |
| 4.1 大型机场旅客城市空间分布特征与影响因素 |
| 4.1.1 大型机场影响范围 |
| 4.1.2 旅客空间分布特征 |
| 4.1.3 影响因素 |
| 4.2 预测方法研究思路 |
| 4.3 预测模型 |
| 4.3.1 重力模型 |
| 4.3.2 广义回归神经网络(GRNN) |
| 4.3.3 遗传BP神经网络 |
| 4.4 模型预测结果对比分析 |
| 4.4.1 模型检验方法 |
| 4.4.2 模型预测结果检验与对比 |
| 4.5 案例应用 |
| 4.6 本章小结 |
| 第5章 大型机场旅客交通方式选择行为研究 |
| 5.1 大型机场旅客交通方式选择行为特征与影响因素 |
| 5.1.1 交通方式选择特征 |
| 5.1.2 影响因素 |
| 5.2 研究思路 |
| 5.3 大型机场旅客聚类方法研究 |
| 5.3.1 数据说明 |
| 5.3.2 属性变量凝聚 |
| 5.3.3 旅客的聚类 |
| 5.4 大型机场旅客全过程、全方式出行链广义费用模型 |
| 5.4.1 全过程、全方式出行链定义与内涵 |
| 5.4.2 影响因素的量化方法 |
| 5.4.3 广义费用模型 |
| 5.5 大型机场旅客交通方式选择预测方法 |
| 5.5.1 NL模型理论基础 |
| 5.5.2 模型选择肢 |
| 5.5.3 模型标定 |
| 5.5.4 模型检验 |
| 5.6 应用案例 |
| 5.7 本章小结 |
| 第6章 大型机场轨道交通旅客空间分布预测方法 |
| 6.1 大型机场轨道交通发展状况 |
| 6.2 大型机场轨道旅客空间分布影响因素 |
| 6.2.1 旅客出行方式选择心理过程 |
| 6.2.2 影响因素 |
| 6.3 预测思路 |
| 6.4 机场轨道交通的可达性 |
| 6.4.1 可达性的定义 |
| 6.4.2 相关理论 |
| 6.4.3 可达性模型 |
| 6.5 预测模型 |
| 6.5.1 广义回归神经网络(GRNN) |
| 6.5.2 遗传BP神经网络 |
| 6.6 模型预测结果对比分析 |
| 6.6.1 模型检验方法 |
| 6.6.2 模型预测结果检验与对比 |
| 6.7 应用案例 |
| 6.8 本章小结 |
| 结论 |
| 主要结论 |
| 主要创新点 |
| 未来研究的展望 |
| 参考文献 |
| 附录 |
| 附录A 首都国际机场出发层乘客问卷(中文版) |
| 附录B 首都国际机场出发层乘客问卷(英文版) |
| 附录C 首都国际机场到达层乘客问卷(中文版) |
| 附录D 首都国际机场到达层乘客问卷(英文版) |
| 附录E 广州白云国际机场出发层乘客问卷 |
| 附录F 广州白云国际机场到达层乘客问卷 |
| 附录G 上海浦东国际机场出发层乘客问卷 |
| 附录H 上海浦东国际机场到达层乘客问卷 |
| 附录I 首都国际机场轨道乘客问卷 |
| 附录J 广州白云国际机场轨道乘客问卷 |
| 附录K 上海浦东国际机场轨道乘客问卷 |
| 攻读博士学位期间发表的学术论文 |
| 致谢 |
（7）城市快速路短时交通流预测方法关键因素研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 研究目标及研究内容 |
| 1.2.1 研究目标 |
| 1.2.2 研究内容 |
| 1.3 技术路线及章节安排 |
| 1.3.1 技术路线 |
| 1.3.2 章节安排 |
| 1.4 本章小结 |
| 第二章 国内外文献综述 |
| 2.1 预测因素分析 |
| 2.1.1 交通流时间汇集度 |
| 2.1.2 车道和断面交通流 |
| 2.2 短时交通流均值预测方法 |
| 2.2.1 历史平均 |
| 2.2.2 移动平均 |
| 2.2.3 指数平滑 |
| 2.2.4 局部加权线性回归 |
| 2.2.5 谱分析 |
| 2.2.6 卡尔曼滤波 |
| 2.2.7 随机时间序列 |
| 2.2.8 神经网络 |
| 2.2.9 支持向量回归 |
| 2.2.10 小波分析 |
| 2.2.11 K近邻非参数回归 |
| 2.2.12 混沌时间序列 |
| 2.2.13 模糊时间序列 |
| 2.2.14 组合预测 |
| 2.3 短时交通流区间预测方法 |
| 2.3.1 局部加权线性回归 |
| 2.3.2 GARCH模型 |
| 2.3.3 贝叶斯方法 |
| 2.3.4 Bootstrap |
| 2.3.5 模糊信息粒化 |
| 2.4 本章小结 |
| 第三章 数据概述和预处理 |
| 3.1 数据概述 |
| 3.1.1 波特兰交通流数据 |
| 3.1.2 伦敦交通流数据 |
| 3.1.3 南京交通流数据 |
| 3.2 数据预处理 |
| 3.2.1 数据质量控制 |
| 3.2.2 交通流数据汇集 |
| 3.3 本章小结 |
| 第四章 短时交通流预测因素分析 |
| 4.1 交通流时间汇集度分析 |
| 4.1.1 不同时间汇集度下的交通流数字特征 |
| 4.1.2 不同时间汇集度下的交通流变化特征 |
| 4.1.3 不同时间汇集度下的交通流时序特征 |
| 4.2 交通流率水平分析 |
| 4.2.1 模糊均值聚类 |
| 4.2.2 交通流率水平分类 |
| 4.3 交通流互相关性分析 |
| 4.3.1 互相关性分析 |
| 4.3.2 车道与车道的交通流互相关性 |
| 4.3.3 车道与断面的交通流互相关性 |
| 4.4 本章小结 |
| 第五章 短时交通流预测方法 |
| 5.1 研究假设 |
| 5.2 整体预测建模框架 |
| 5.3 短时交通流均值预测方法 |
| 5.3.1 重构交通流 |
| 5.3.2 单项预测模型 |
| 5.3.2.1 BP神经网络 |
| 5.3.2.2 Elman神经网络 |
| 5.3.2.3 RBF神经网络 |
| 5.3.2.4 GR神经网络 |
| 5.3.2.5 支持向量回归 |
| 5.3.2.6 K近邻非参数回归 |
| 5.3.2.7 随机时间序列 |
| 5.3.3 组合预测模型 |
| 5.3.3.1 组合预测模型的结构 |
| 5.3.3.2 组合预测模型权值的分配 |
| 5.3.3.3 组合预测模型权值的修正 |
| 5.4 短时交通流区间预测方法 |
| 5.4.1 基于K近邻非参数的方法 |
| 5.4.1.1 近邻值的正态分布检验 |
| 5.4.1.2 近邻值的区间估计 |
| 5.4.1.3 预测步骤 |
| 5.4.2 基于GARCH模型的方法 |
| 5.4.2.1 白噪声检验 |
| 5.4.2.2 ARCH效应检验 |
| 5.4.2.3 GARCH模型 |
| 5.4.2.4 预测步骤 |
| 5.4.3 基于模糊信息粒化的方法 |
| 5.4.3.1 交通流时间序列的粒化 |
| 5.4.3.2 预测步骤 |
| 5.5 短时交通流预测精度评价 |
| 5.5.1 均值预测评价指标 |
| 5.5.2 区间预测评价指标 |
| 5.6 本章小结 |
| 第六章 实证分析 |
| 6.1 实验设计 |
| 6.2 实验数据 |
| 6.3 短时交通流均值组合预测实施 |
| 6.3.1 重构交通流 |
| 6.3.2 单项预测模型的建立 |
| 6.3.3 单项预测模型的选择 |
| 6.3.4 组合预测模型权值的确定 |
| 6.4 均值组合预测结果分析 |
| 6.4.1 组合预测模型的精度分析 |
| 6.4.2 不同流率水平下的预测精度比较 |
| 6.5 短时交通流区间预测实施 |
| 6.5.1 基于K近邻非参数的区间预测建模 |
| 6.5.2 基于模糊信息粒化的区间预测建模 |
| 6.5.3 基于GARCH模型的区间预测建模 |
| 6.6 区间预测结果分析 |
| 6.6.1 不同区间预测方法的比较 |
| 6.6.2 不同流率水平下的预测区间比较 |
| 6.7 本章小结 |
| 第七章 总结和展望 |
| 7.1 论文研究工作总结 |
| 7.2 论文创新点 |
| 7.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录1 车道与车道的交通流互相关性计算结果 |
| 附录2 车道与断面的交通流互相关性计算结果 |
| 附录3 均值预测方法程序代码 |
| 附录4 区间预测方法程序代码 |
| 作者简介 |
（8）基于时空数据挖掘的城市路网交通态势分析及应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究问题、目的及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 交通状态时空变化规律研究 |
| 1.3.2 交通状态时空特征提取方法 |
| 1.3.3 交通时空状态因果关系挖掘 |
| 1.3.4 交通拥堵状态传播模型研究 |
| 1.3.5 短时交通流状态预测研究 |
| 1.4 研究内容与技术路线 |
| 第2章 城市路网交通时空数据特征及处理技术 |
| 2.1 交通数据时空特性分析 |
| 2.1.1 时间维特性 |
| 2.1.2 空间维特性 |
| 2.1.3 时空相关性 |
| 2.2 路网属性 |
| 2.3 实验数据介绍 |
| 2.4 数据预处理过程 |
| 2.4.1 异常数据检测 |
| 2.4.2 数据融合及修复 |
| 2.4.3 数据滤波处理 |
| 2.4.4 数据预处理实例 |
| 2.5 本章小结 |
| 第3章 考虑时空多维度特征的同质交通状态变化模式提取 |
| 3.1 本章引言 |
| 3.2 基于张量分解的多维度特征提取 |
| 3.2.1 NNCP算法 |
| 3.2.2 分解技术 |
| 3.3 考虑空间邻近性的谱聚类算法 |
| 3.3.1 构建相似度图 |
| 3.3.2 SC-SPM算法 |
| 3.4 宏观路网交通流参数 |
| 3.5 实验分析 |
| 3.5.1 非负张量分解 |
| 3.5.2 参数敏感性分析 |
| 3.5.3 交通流变化模式分析 |
| 3.5.4 子路网的宏观交通流关系 |
| 3.5.5 高峰期与非高峰期的交通模式 |
| 3.6 本章小结 |
| 第4章 基于传递熵算法的交通状态时空因果关系挖掘 |
| 4.1 本章引言 |
| 4.2 传递熵模型 |
| 4.2.1 信息熵基本概念 |
| 4.2.2 传递熵理论 |
| 4.2.3 传递熵计算方法 |
| 4.2.4 因果关系判断方法 |
| 4.3 路网交通状态时空因果关系建模 |
| 4.4 实验分析 |
| 4.4.1 参数分析 |
| 4.4.2 动态因果关系分析 |
| 4.4.3 城市路网时空因果关系分析 |
| 4.5 本章小结 |
| 第5章 基于时空因果关系的交通拥堵状态频繁传播模式识别 |
| 5.1 本章引言 |
| 5.2 路网交通拥堵状态时空传播图构建 |
| 5.2.1 交通拥堵指数 |
| 5.2.2 时空拥堵状态矩阵 |
| 5.2.3 路网空间邻接矩阵 |
| 5.2.4 时空因果关系连接矩阵 |
| 5.2.5 交通拥堵状态时空传播图 |
| 5.3 频繁交通拥堵传播模式挖掘 |
| 5.3.1 频繁子图挖掘算法 |
| 5.3.2 实验分析 |
| 5.4 交通拥堵时空状态关联模式挖掘 |
| 5.5 本章小结 |
| 第6章 考虑时空信息的城市路网交通状态预测 |
| 6.1 本章引言 |
| 6.2 集成学习模型 |
| 6.3 考虑上下游交通状态影响的集成预测模型 |
| 6.3.1 实验数据 |
| 6.3.2 参数分析 |
| 6.3.3 实验分析 |
| 6.4 基于时空变量选择的联合预测模型 |
| 6.4.1 模型框架 |
| 6.4.2 时空变量选择 |
| 6.4.3 实验分析 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 论文总结 |
| 7.2 研究创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在校期间发表的学术论文与研究成果 |
（9）基于ANPR数据的城市路网动态OD预测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 本课题的研究目的、研究内容与研究方法 |
| 第2章 OD估计和预测相关理论方法文献回顾 |
| 2.1 OD估计和预测问题 |
| 2.1.1 OD估计问题 |
| 2.1.2 OD预测问题 |
| 2.2 动态OD需求估计模型回顾 |
| 2.2.1 输入数据 |
| 2.2.2 输入数据与OD流量的匹配关系 |
| 2.2.3 最小化性能指标 |
| 2.3 动态OD需求预测模型回顾 |
| 2.3.1 参数预测模型 |
| 2.3.2 非参数预测模型 |
| 2.4 本章小结 |
| 第3章 OD数据降维方法 |
| 3.1 数据降维方法 |
| 3.1.1 降维方法介绍 |
| 3.1.2 高维动态OD矩阵数据的低维表述 |
| 3.2 动态OD数据降维 |
| 3.2.1 确定成分特征 |
| 3.2.2 确定所需主成分个数 |
| 3.2.3 计算主成分得分 |
| 3.3 本章小结 |
| 第4章 动态OD预测模型与方法 |
| 4.1 动态预测方法 |
| 4.1.1 Kalman滤波方法 |
| 4.1.2 K-最近邻模式识别方法 |
| 4.2 动态OD预测模型 |
| 4.2.1 模型1:基于Kalman滤波技术的状态空间预测模型 |
| 4.2.2 模型2:K-最近邻预测模型 |
| 4.2.3 基于多项式拟合的K-最近邻预测模型 |
| 4.3 本章小结 |
| 第5章 案例分析与模型验证 |
| 5.1 OD数据来源介绍 |
| 5.2 OD数据降维与预测模型参数确定 |
| 5.2.1 OD流量数据降维处理 |
| 5.2.2 Kalman滤波模型参数确定 |
| 5.2.3 K-最近邻预测模型参数确定 |
| 5.2.4 多项式拟合K-最近邻预测模型参数确定 |
| 5.3 OD矩阵的预测 |
| 5.4 预测结果分析 |
| 5.4.1 时序OD向量主要特征得分变化预测 |
| 5.4.2 时序OD向量矩阵变化预测 |
| 5.4.3 四种模型预测时间比较 |
| 5.5 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
（10）基于AIS船舶数据与人工智能算法的港口交通流量预测模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 AIS的应用研究现状 |
| 1.2.2 研究现状 |
| 1.2.3 研究现状分析 |
| 1.3 研究目标和研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 技术路线 |
| 1.5 本章小结 |
| 第2章 船舶交通流及预测方法研究综述 |
| 2.1 船舶交通流理论 |
| 2.1.1 船舶交通流的基本属性 |
| 2.1.2 水路交通流的基本参数 |
| 2.1.3 水路交通流模型 |
| 2.2 预测理论基础 |
| 2.2.1 船舶交通流量预测概念 |
| 2.2.2 船舶交通流量预测的评价指标 |
| 2.3 交通流量预测方法综述 |
| 2.4 国内外有关交通流规律的研究 |
| 2.5 本章小结 |
| 第3章 水路交通流量数据采集与分析 |
| 3.1 水路交通流量数据来源 |
| 3.1.1 天津港水路交通流量采集 |
| 3.1.2 内河航道 |
| 3.2 数据类型 |
| 3.3 数据分析 |
| 3.3.1 AIS数据质量分析 |
| 3.3.2 港口航道交通流量 |
| 3.3.3 船舶长度占比分析 |
| 3.3.4 港口航道交通流速分析 |
| 3.3.5 内河航道交通流量分析 |
| 3.4 本章小结 |
| 第4章 单断面与多断面船舶交通流量预测模型研究 |
| 4.1 单断面船舶交通流量预测的传统模型 |
| 4.1.1 K近邻模型 |
| 4.1.2 时间序列模型 |
| 4.1.3 灰色预测模型 |
| 4.1.4 组合预测模型设计 |
| 4.2 遗传算法-神经网络单断面交通流量预测模型构建 |
| 4.2.1 基于BP神经网络的预测模型构建 |
| 4.2.2 BP神经网络的训练 |
| 4.2.3 遗传算法优化神经网络流程 |
| 4.2.4 遗传算法优化神经网络模型 |
| 4.3 改进连续多断面神经网络预测模型 |
| 4.3.1 连续多断面预测模型的数学表述 |
| 4.3.2 连续多断面神经网络预测模型构建与评估 |
| 4.4 本章小结 |
| 第5章 预测模型实现与结果分析 |
| 5.1 单断面神经网络模型的优化实现 |
| 5.1.1 输入数据预处理 |
| 5.1.2 基于BP神经网络的预测模型设计 |
| 5.1.3 遗传算法参数优化对比 |
| 5.2 连续多断面模型实现 |
| 5.3 模型结果对比 |
| 5.3.1 天津港进出港流量预测结果对比 |
| 5.3.2 长江内河航道预测结果对比 |
| 5.3.3 与其他水路交通预测模型的对比分析 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及参与的科研情况 |
| 附件:船舶流量提取编程代码 |
四、水上交通观测天数与交通量估计精度的关系(英文)（论文参考文献）
- [1]脆弱性视角下长江口交通流密集水域船舶通航风险研究[D]. 陈永军. 武汉理工大学, 2020
- [2]基于多维特征聚类的交通量模式识别与测算方法研究[D]. 葛梦雪. 北京交通大学, 2020(03)
- [3]基于交通流大数据的路径规划研究[D]. 陈昊. 青岛科技大学, 2020(01)
- [4]肇庆西江后沥至贝水河段船舶定线制评价研究[D]. 程远林. 大连海事大学, 2019(07)
- [5]油页岩废渣用于透水沥青路面路用性能及透水功能评价研究[D]. 陈星. 吉林大学, 2019
- [6]大型机场旅客城市空间分布预测与交通方式选择行为研究[D]. 路尧. 北京工业大学, 2019(03)
- [7]城市快速路短时交通流预测方法关键因素研究及应用[D]. 刘钊. 东南大学, 2019
- [8]基于时空数据挖掘的城市路网交通态势分析及应用研究[D]. 杨森炎. 清华大学, 2019(02)
- [9]基于ANPR数据的城市路网动态OD预测方法研究[D]. 刘婧. 西南交通大学, 2019(03)
- [10]基于AIS船舶数据与人工智能算法的港口交通流量预测模型研究[D]. 李晋. 武汉理工大学, 2018(07)