阐述算法基于简化路网模型行程时间预测与导航算法

摘要3-4

ABSTRACT4-8

1 绪论8-12

1.1 探讨背景8

1.2 探讨的必要性与作用8-10

1.2.1 行程时间预测探讨的必要性和作用8-9

1.2.2 基于预测的路径导航算法探讨的必要性和作用9-10

1.3 主要工作和组织结构10-11

1.4 本章小结11-12

2 基于简化路网模型的行程时间预测算法12-29

2.1 分时段简化路网模型12-13

2.2 基于卡尔曼滤波的单步行程时间预测13-21

2.2.1 常用预测策略及探讨近况13-18

2.2.2 单步预测策略的提出18-19

2.2.3 单步行程时间预测模型及算法19-21

2.3 基于卡尔曼滤波的多步行程时间预测21-26

2.3.1 多步预测策略的提出21-23

2.3.2 多步行程时间预测模型及算法23-26

2.4 卡尔曼滤波策略初始值的确定26-28

2.5 本章小结28-29

3 基于行程时间多步预测的导航算法29-41

3.1 现有算法浅析29-33

3.1.1 动态分时段改善 Dijkstra 算法29-31

3.1.2 基于实时数据的导航算法31-32

3.1.3 时间依赖网络的 SPTDN 算法32-33

3.2 新算法的设计思路33-36

3.3 基于行程时间多步预测的导航算法36-40

3.3.1 算法数据结构36-38

3.3.2 算法描述38-40

3.4 本章小结40-41

4 实验及浅析41-63

4.1 实验环境41

4.2 实验数据模拟41-48

4.2.1 2010 年《关于重庆市交通拥堵不足的调查报告》42

4.2.2 模拟数据产生规则42-47

4.2.3 模拟数据的产生47-48

4.3 单步与多步行程时间预测的实验48-52

4.3.1 评价指标48-49

4.3.2 实验结果及浅析49-52

4.4 基于行程时间多步预测的导航算法实验52-61

4.4.1 非高峰期的实验比较53-57

4.4.2 高峰期与实时路径导航算法比较57-61

4.5 本章小结61-63

5 总结与展望63-65

5.1 探讨总结63-64

5.2 展望64-65

致谢65-66