交通流數(shù)據(jù)清洗與狀態(tài)辨識(shí)及優(yōu)化控制關(guān)鍵理論方法

定　價(jià)：￥49.00

作　者：	王曉原，張敬磊，楊新月著
出版社：	科學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	綜合運(yùn)輸

購(gòu)買這本書可以去

ISBN：	9787030295781	出版時(shí)間：	2011-01-01	包裝：	平裝
開本：	16開	頁(yè)數(shù)：	231	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　近年來(lái)，隨著智能運(yùn)輸系統(tǒng)（IntelligentTransportationSystems，簡(jiǎn)稱ITS）的蓬勃發(fā)展，智能交通控制、動(dòng)態(tài)的交通流狀態(tài)辨識(shí)以及實(shí)時(shí)交通流誘導(dǎo)成為ITS研究的熱門課題。交通流狀態(tài)辨識(shí)是ITS，尤其是其先進(jìn)的交通管理系統(tǒng)和出行者信息系統(tǒng)研究的一個(gè)重要內(nèi)容。對(duì)道路交通流狀態(tài)進(jìn)行分析研究，及時(shí)、準(zhǔn)確地辨識(shí)交通異常，是制定正確誘導(dǎo)和控制措施的一個(gè)重要前提?；诮煌鳡顟B(tài)辨識(shí)理論的交通事件管理系統(tǒng)已經(jīng)在國(guó)外很多國(guó)家得到了廣泛應(yīng)用，而我國(guó)對(duì)于交通流狀態(tài)辨識(shí)技術(shù)的研究和應(yīng)用尚處于初步階段。道路交通流數(shù)據(jù)質(zhì)量的優(yōu)劣必將對(duì)交通流狀態(tài)辨識(shí)及后續(xù)應(yīng)用產(chǎn)生影響。當(dāng)采集到的道路交通流數(shù)據(jù)源源不斷地傳輸?shù)浇煌ü芾碇行暮?，中心?huì)對(duì)數(shù)據(jù)加以相應(yīng)的處理和應(yīng)用，如集成、抽樣、壓縮、存儲(chǔ)、發(fā)布等。但是，由于環(huán)境因素的變化、交通流采集設(shè)備的間歇性工作故障以及傳輸設(shè)備故障等原因，采集到的道路交通流數(shù)據(jù)不可避免地存在著某些質(zhì)量問題。若直接將有質(zhì)量問題的數(shù)據(jù)應(yīng)用到交通流狀態(tài)辨識(shí)及后續(xù)應(yīng)用，必將給辨識(shí)或應(yīng)用結(jié)果帶來(lái)不穩(wěn)定和不安全隱患，因此，為獲得高效、精益化交通流數(shù)據(jù)，數(shù)據(jù)清洗顯得尤為重要。從世界范圍看，隨著ITS的實(shí)施，在特定的道路條件下，根據(jù)實(shí)時(shí)交通流的變化，把先進(jìn)的數(shù)理統(tǒng)計(jì)理論、數(shù)據(jù)挖掘技術(shù)、智能信息處理技術(shù)、人工智能技術(shù)、數(shù)據(jù)融合技術(shù)與交通流理論相結(jié)合，對(duì)事件管理系統(tǒng)依據(jù)交通流狀態(tài)辨識(shí)理論，按照動(dòng)態(tài)交通管理的基本思想進(jìn)行擴(kuò)充和改造是ITS未來(lái)的發(fā)展方向之一?！督煌鲾?shù)據(jù)清洗與狀態(tài)辨識(shí)及優(yōu)化控制關(guān)鍵理論方法》以我國(guó)ITS框架為依據(jù)，結(jié)合我國(guó)高速公路道路交通基礎(chǔ)設(shè)施現(xiàn)狀和未來(lái)發(fā)展的需要，對(duì)我國(guó)的交通流狀態(tài)辨識(shí)框架及其關(guān)鍵理論和方法進(jìn)行了研究。《交通流數(shù)據(jù)清洗與狀態(tài)辨識(shí)及優(yōu)化控制關(guān)鍵理論方法》的主要內(nèi)容分為三部分：第一部分為概述，主要敘述了《交通流數(shù)據(jù)清洗與狀態(tài)辨識(shí)及優(yōu)化控制關(guān)鍵理論方法》的研究背景、研究目的和意義，設(shè)計(jì)了交通流狀態(tài)辨識(shí)系統(tǒng)框架；第二部分主要闡述了交通流數(shù)據(jù)清洗的關(guān)鍵理論及方法；第三部分研究了交通流狀態(tài)辨識(shí)理論及方法。

作者簡(jiǎn)介

　　王曉原，博士，教授。1970年出生，山東萊州人。1992年畢業(yè)于山東師范大學(xué)數(shù)學(xué)系基礎(chǔ)數(shù)學(xué)專業(yè)，獲理學(xué)學(xué)士學(xué)位；1997年畢業(yè)于山東師范大學(xué)數(shù)學(xué)系應(yīng)用數(shù)學(xué)專業(yè)，獲理學(xué)碩士學(xué)位：2003年畢業(yè)于吉林大學(xué)交通學(xué)院交通運(yùn)輸規(guī)劃與管理專業(yè)，獲工學(xué)博士學(xué)位?，F(xiàn)任山東省道路智能控制與運(yùn)輸安全工程技術(shù)研究中心智能交通研究所所長(zhǎng)，交通運(yùn)輸規(guī)劃與管理、交通信息工程及控制專業(yè)研究生導(dǎo)師，淄博市第九屆、十屆政協(xié)委員，山東省委統(tǒng)戰(zhàn)部黨外知識(shí)分子聯(lián)絡(luò)員。主要從事交通運(yùn)輸規(guī)劃與管理、交通信息工程及控制、系統(tǒng)辨識(shí)、仿真優(yōu)化及控制和應(yīng)用數(shù)學(xué)等領(lǐng)域的研究和教學(xué)。參與承擔(dān)并完成國(guó)家自然科學(xué)基金項(xiàng)目“數(shù)學(xué)規(guī)劃鞍點(diǎn)理論的研究”、“交通網(wǎng)絡(luò)分布式并行微觀模擬算法研究及實(shí)現(xiàn)”、機(jī)械工業(yè)部高?？缡兰o(jì)優(yōu)秀人才專項(xiàng)基金項(xiàng)目“信號(hào)控制下的城市主干道交通流模擬模型研究”以及其他國(guó)家級(jí)課題多項(xiàng)：主持山東省自然科學(xué)基金項(xiàng)目“基于綜合認(rèn)知活動(dòng)的駕駛員行為建模及仿真”、山東省社會(huì)科學(xué)規(guī)劃研究項(xiàng)目“智能運(yùn)輸系統(tǒng)社會(huì)經(jīng)濟(jì)影響評(píng)價(jià)模型與方法”以及其他社會(huì)服務(wù)工程性課題2Q余項(xiàng)。目前，承擔(dān)國(guó)家自然科學(xué)基金課題”基于行駛環(huán)境和操作序貫鏈的汽車駕駛意圖辨識(shí)方法研究”的部分研究工作。發(fā)表學(xué)術(shù)論文96篇，其中核心及以上69篇，EI/ISTP/CSSCI檢索33篇。

圖書目錄

前言
1 緒論
1.1 ITS發(fā)展背景
1.2 國(guó)內(nèi)外ITS研究歷史與發(fā)展現(xiàn)狀
1.2.1 國(guó)外ITS研究歷史與發(fā)展現(xiàn)狀
1.2.2 我國(guó)ITS研究歷史與發(fā)展現(xiàn)狀
1.2.3 ITS主要功能子系統(tǒng)
1.3 交通流數(shù)據(jù)清洗與狀態(tài)辨識(shí)及優(yōu)化控制概述
1.4 本書主要內(nèi)容
參考文獻(xiàn)
第一篇交通流數(shù)據(jù)清洗關(guān)鍵理論及方法
　2 交通流數(shù)據(jù)清洗概述
　 2.1 研究背景
　 2.2 研究的必要性及數(shù)據(jù)清洗
　 2.2.1 必要性
　 2.2.2 交通流數(shù)據(jù)清洗的主要內(nèi)容
　 2.3 國(guó)內(nèi)外相關(guān)研究狀況
　 2.3.1 數(shù)據(jù)清洗研究狀況
　 2.3.2 交通流數(shù)據(jù)清洗研究狀況
　 2.4 本篇主要研究?jī)?nèi)容
　 2.5 本章小結(jié)
　參考文獻(xiàn)
　3 交通流丟失數(shù)據(jù)補(bǔ)齊算法
　 3.1 丟失數(shù)據(jù)的分析
　 3.2 基于粗集理論的交通流丟失數(shù)據(jù)補(bǔ)齊算法
　 3.2.1 粗集理論
　 3.2.2 ROUSTIDA算法流程
　 3.2.3 模型應(yīng)用與結(jié)果分析
　 3.2.4 結(jié)論
　 3.3 基于最小二乘支持向量機(jī)的交通流丟失數(shù)據(jù)補(bǔ)齊算法
　 3.3.1 支持向量機(jī)和最小二乘支持向量機(jī)的原理
　 3.3.2 交通流丟失數(shù)據(jù)補(bǔ)齊模型及仿真
　 3.3.3 結(jié)論
　 3.4 本章小結(jié)
　參考文獻(xiàn)
　4 交通流錯(cuò)誤數(shù)據(jù)判別和修正算法
　 4.1 錯(cuò)誤數(shù)據(jù)判別模型
　 4.1.1 孤立點(diǎn)檢測(cè)算法
　 4.1.2 邊界檢測(cè)算法
　 4.1.3 閾值理論與交通流理論的組合檢測(cè)算法
　 4.2 錯(cuò)誤數(shù)據(jù)修正模型
　 4.2.1 灰色GM(1，1)模型
　 4.2.2 錯(cuò)誤數(shù)據(jù)修正模型
　 4.3 應(yīng)用實(shí)例
　 4.3.1 數(shù)據(jù)來(lái)源
　 4.3.2 算法流程
　 4.3.3 模型應(yīng)用
　 4.3.4 結(jié)果分析
　 4.4 結(jié)論
　 4.5 本章小結(jié)
　參考文獻(xiàn)
　5 交通流冗余數(shù)據(jù)約簡(jiǎn)算法
　 5.1 冗余數(shù)據(jù)識(shí)別和約簡(jiǎn)方法
　 5.1.1 基于等級(jí)分組法的冗余數(shù)據(jù)識(shí)別方法
　 5.1.2 冗余數(shù)據(jù)的約簡(jiǎn)方法
　 5.2 應(yīng)用實(shí)例
　 5.2.1 數(shù)據(jù)來(lái)源
　 5.2.2 算法流程
　 5.2.3 模型應(yīng)用
　 5.2.4 結(jié)果分析
　 5.3 結(jié)論
　 5.4 本章小結(jié)
　參考文獻(xiàn)
　6 本篇內(nèi)容總結(jié)及其展望
　 6.1 總結(jié)
　 6.2 未來(lái)的研究方向
第二篇交通流狀態(tài)辨識(shí)關(guān)鍵理論及方法
　7 交通流狀態(tài)辨識(shí)系統(tǒng)框架
　 7.1 交通流狀態(tài)辨識(shí)系統(tǒng)框架結(jié)構(gòu)
　 7.2 系統(tǒng)框架的主要組成部分
　 7.2.1 交通狀態(tài)判別子系統(tǒng)
　 7.2.2 動(dòng)態(tài)交通信息采集子系統(tǒng)
　 7.2.3 交通流數(shù)據(jù)清洗子系統(tǒng)
　 7.2.4 交通流控制子系統(tǒng)
　 7.2.5 調(diào)度子系統(tǒng)
　 7.2.6 交通信息發(fā)布子系統(tǒng)
　 7.2.7 事件數(shù)據(jù)管理子系統(tǒng)
　 7.2.8 通信子系統(tǒng)
　 7.3 本篇主要研究?jī)?nèi)容與方法
　 7.4 本章小結(jié)
　參考文獻(xiàn)
　8 交通流狀態(tài)預(yù)辨識(shí)方法
　 8.1 交通流預(yù)測(cè)方法簡(jiǎn)介
　 8.1.1 基于統(tǒng)計(jì)理論的模型
　 8.1.2 基于非線性預(yù)測(cè)理論的模型
　 8.1.3 基于神經(jīng)網(wǎng)絡(luò)理論的模型
　 8.1.4 基于動(dòng)態(tài)分配理論的模型
　 8.1.5 基于微觀交通仿真的模型
　 8.2 基于非參數(shù)回歸樣條的交通流短時(shí)預(yù)測(cè)方法
　 8.2.1 非參數(shù)回歸
　 8.2.2 非參數(shù)回歸樣條擬合方法
　 8.2.3 非參數(shù)回歸樣條擬合方法在交通流短時(shí)預(yù)測(cè)中的應(yīng)用
　 8.3 基于投影尋蹤自回歸的短時(shí)交通流預(yù)測(cè)方法
　 8.3.1 投影尋蹤技術(shù)
　 8.3.2 PP自回歸模型[PPAR(k)]
　 8.3.3 交通流PPAR回歸預(yù)測(cè)
　 8.3.4 結(jié)論
　 8.4 本章小結(jié)
　參考文獻(xiàn)
　9 交通流量變檢測(cè)方法
　 9.1 概述
　 9.2 指數(shù)分布概率變點(diǎn)模型研究
　 9.2.1 指數(shù)分布參數(shù)的變點(diǎn)
　 9.2.2 均值變點(diǎn)搜索方法
　 9.2.3 模型應(yīng)用與結(jié)果分析
　 9.3 二項(xiàng)分布概率變點(diǎn)模型研究
　 9.3.1 累次計(jì)數(shù)法
　 9.3.2 模型應(yīng)用與結(jié)果分析
　 9.4 本章小結(jié)
　參考文獻(xiàn)
　10 交通流質(zhì)變檢測(cè)方法
　 10.1 交通事件檢測(cè)方法簡(jiǎn)介
　 10.1.1 交通事件
　 10.1.2 主要事件檢測(cè)算法及評(píng)價(jià)指標(biāo)
　 10.2 交通流突變分析的變點(diǎn)統(tǒng)計(jì)方法
　 10.2.1 概述
　 10.2.2 交通流突變分析的最小二乘法
　 10.2.3 交通流突變分析的局部比較法
　 10.3 基于多分辨分析的交通事件自動(dòng)檢測(cè)方法
　 10.3.1 多分辨分析Mallat算法
　 10.3.2 小波濾波器及Mallat算法的具體實(shí)現(xiàn)
　 10.3.3 多分辨分析在交通事件自動(dòng)檢測(cè)中的應(yīng)用
　 10.4 本章小結(jié)
　參考文獻(xiàn)
　11 信息融合技術(shù)在交通流狀態(tài)實(shí)時(shí)辨識(shí)中的應(yīng)用
　 11.1 信息融合及交通信息融合簡(jiǎn)介
　 11.1.1 信息融合
　 11.1.2 信息融合的層次級(jí)別
　 11.1.3 信息融合方法
　 11.2 基于支持向量機(jī)的交通信息融合方法研究
　 11.2.1 支持向量機(jī)簡(jiǎn)介
　 11.2.2 基于SVM的信息融合方法在交通流狀態(tài)實(shí)時(shí)辨識(shí)中的應(yīng)用
　 11.2.3 結(jié)論
　 11.3 基于遺傳算法的交通信息模糊融合方法
　 11.3.1 模糊控制和遺傳算法
　 11.3.2 基于遺傳算法的信息模糊融合方法在交通流狀態(tài)實(shí)時(shí)辨識(shí)中的應(yīng)用
　 11.4 本章小結(jié)
　參考文獻(xiàn)
　12 本篇內(nèi)容總結(jié)及其展望
第三篇交通流優(yōu)化控制關(guān)鍵理論及方法
　13 交通流優(yōu)化控制
　 13.1 研究的背景和意義
　 13.2 DTA問題
　 13.2.1 國(guó)外研究現(xiàn)狀
　 13.2.2 我國(guó)研究現(xiàn)狀
　 13.3 最短路徑問題
　 13.4 本篇主要內(nèi)容
　參考文獻(xiàn)
　14 蟻群算法概述
　 14.1 算法的基本理論
　 14.1.1 基本原理
　 14.1.2 基本模型
　 14.1.3 理論基礎(chǔ)
　 14.1.4 算法框架
　 14.1.5 算法的特點(diǎn)
　 14.2 算法的研究進(jìn)展
　 14.2.1 理論研究
　 14.2.2 應(yīng)用研究
　 14.2.3 我國(guó)研究情況
　 14.3 本章小結(jié)
　參考文獻(xiàn)
　15 基于自適應(yīng)蟻群算法的交通網(wǎng)絡(luò)中最短路徑搜索方法
　 15.1 交通網(wǎng)絡(luò)中最短路徑問題
　 15.1.1 交通網(wǎng)絡(luò)的表示
　 15.1.2 最短路徑問題的描述
　 15.2 用自適應(yīng)蟻群算法求解交通網(wǎng)絡(luò)中最短路徑問題
　 15.2.1 尋優(yōu)思路
　 15.2.2 算法設(shè)計(jì)
　 15.2.3 算法的具體實(shí)現(xiàn)步驟
　 15.2.4 算法流程圖
　 15.3 仿真實(shí)驗(yàn)
　 15.4 本章小結(jié)
　參考文獻(xiàn)
　16 基于混沌蟻群算法的動(dòng)態(tài)用戶最優(yōu)配流方法
　 16.1 基本問題
　 16.1.1 交通分配理論概述
　 16.1.2 DTA特征
　 16.1.3 動(dòng)態(tài)交通網(wǎng)絡(luò)配流原則
　 16.1.4 動(dòng)態(tài)交通網(wǎng)絡(luò)約束條件
　 16.2 離散型動(dòng)態(tài)用戶最優(yōu)配流模型
　 16.3 DTA方法
　 16.3.1 混沌蟻群算法
　 16.3.2 用CACO求解離散型動(dòng)態(tài)用戶最優(yōu)配流問題
　 16.4 仿真實(shí)驗(yàn)
　 16.5 本章小結(jié)
　參考文獻(xiàn)
　17 本篇內(nèi)容總結(jié)及其展望
　 17.1 總結(jié)
　 17.2 研究展望
附錄
　附錄A 王曉原主持的科研項(xiàng)目
　附錄B 作者的代表性論著