第1章 绪论 1
1.1 道路交通系统 1
1.2 道路交通管理系统 5
1.2.1 道路交通管理的任务与特点 5
1.2.2 道路交通管理的历史与现状 6
1.3 先进的交通管理系统 9
1.3.1 ATMS的基本概念 9
1.3.2 ATMS的组成与功能 10
1.3.3 ATMS的发展现状 15
1.4 交通状态判别的技术路线 27
1.5 小结 27
第2章 交通信息处理的技术基础 28
2.1 概述 28
2.2 数据挖掘技术 29
2.3 数据融合技术 30
2.4 统计分析技术 32
2.5 人工智能技术 37
2.5.1 人工智能技术概述 37
2.5.2 模式判别 38
2.5.3 人工神经网络 40
2.5.4 遗传算法 46
2.6 小结 48
第3章 道路交通状态指标体系 49
3.1 交通流特性 49
3.2 交通拥挤的含义及其分类 52
3.3 道路交通状态指标体系的需求分析 54
3.4 道路交通状态指标体系的设计原则 56
3.5 道路交通状态指标体系的构成 57
3.6 道路交通状态指标值的确定 58
3.7 小结 61
4.1 交通参数的选择 62
第4章 交通参数选择与数据采集的可行性分析 62
4.1.1 交通参数的选择原则 63
4.1.2 交通参数的确定 63
4.2 动态交通数据采集技术的可行性分析 65
4.2.1 固定型交通数据采集技术性能比较 67
4.2.2 移动型交通数据采集技术性能比较 69
4.3 动态交通数据采集技术实施的合理性分析 71
4.3.1 高速公路和城市快速路交通数据采集的合理性分析 71
4.3.2 高等级公路和城市主干路交通数据采集的合理性分析 72
4.3.3 移动型交通检测器数据采集的合理性分析 74
4.4 小结 75
第5章 交通检测器的优化配置方法 76
5.1 固定型交通检测器配置密度的优化方法 76
5.1.1 固定型交通检测器的配置原则 76
5.1.2 配置密度的优化方法 78
5.2.1 确定最小样本量的基本原则 90
5.2 移动型交通检测器最小样本量的优化方法 90
5.2.2 最小样本量的确定方法 91
5.3 交通检测器组合应用优化方法 96
5.3.1 交通检测器组合应用优化的原则 97
5.3.2 交通检测器组合应用优化方法 99
5.3.3 交通检测器组合应用优化方法举例 100
5.4 小结 102
第6章 动态交通数据的预处理方法 103
6.1 动态交通数据故障的识别方法 103
6.1.1 丢失数据的识别 103
6.1.2 错误数据的识别 104
6.2 动态交通数据故障的修复方法 106
6.3 动态交通数据的滤波方法 107
6.4 历史趋势数据的更新 108
6.5 动态交通数据预处理举例 109
6.6 小结 113
7.1 基本交通参数短时预测研究概述 114
第7章 基本交通参数的短时预测方法 114
7.2 基本交通参数短时预测常规方法的对比分析 116
7.2.1 常规预测方法的选择 116
7.2.2 常规预测方法的对比分析 118
7.3 基本交通参数短时预测新方法研究的技术路线 122
7.4 改进的指数平滑预测方法 124
7.4.1 加权系数对预测结果的影响 124
7.4.2 加权系数的自适应确定方法 126
7.4.3 方法举例 127
7.5 基于ANN的预测方法 129
7.5.1 基于ANN的预测方法 129
7.5.2 基于ANN的预测方法举例 137
7.6 基于数据融合的预测方法 141
7.6.1 多模型融合预测方法 142
7.6.2 基于数据融合的预测方法举例 145
7.7 小结 147
第8章 行程时间的短时预测方法 148
8.1 行程时间预测概述 148
8.2 基于移动型交通检测器的行程时间预测方法 149
8.3 基于固定型交通检测器的行程时间预测方法 150
8.4 行程时间预测方法举例 151
8.4.1 基于移动型交通检测器的行程时间预测方法举例 151
8.4.2 基于固定型检测器的行程时间预测方法举例 157
8.5 小结 159
第9章 道路交通拥挤自动判别方法 160
9.1 ACI研究概述 160
9.1.1 道路交通状态判别方法分类 160
9.1.2 ACI算法研究的历史与现状 162
9.1.3 ACI算法的性能评价 165
9.1.4 交通状态判别方法与应用的基本框架 168
9.2 经典ACI算法对比分析 169
9.2.1 经典ACI算法 169
9.2.2 经典ACI算法评价 174
9.3 交通拥挤的度量标准 175
9.3.1 道路交通的服务水平指标 176
9.3.2 发达国家关于交通拥挤的量化定义 176
9.3.3 我国城市交通管理评价指标体系中的有关标准 177
9.3.4 基于交通拥挤指数的度量标准 178
9.4 ACI算法的需求与适用条件分析 185
9.4.1 ACI的需求研究 185
9.4.2 ACI算法的适用条件分析 187
9.5 ACI新算法设计 192
9.5.1 基于固定检测器的ACI算法 192
9.5.2 基于移动型交通检测器的ACI算法 204
9.5.3 基于数据融合的ACI算法 209
9.6 ACI算法举例 210
9.6.1 决策阈值的确定 210
9.6.3 ACI算法的有效性分析 211
9.6.2 ACI算法标定 211
9.6.4 ACI算法的可移植性分析 215
9.6.5 三级报警制度的效果分析 217
9.7 软件设计与使用说明 219
9.7.1 交通信息预处理与融合预测 219
9.7.2 交通拥挤自动判别算法评价 221
9.7.3 交通状态判别在线应用 225
9.8 小结 227
参考文献 228
附录 234
附录一 数据分析案例说明 234
附录二 固定型交通检测器配置密度的模拟结果（一） 238
附录三 固定型交通检测器配置密度的模拟结果（二） 240
附录四 移动型交通检测器最小样本量的模拟结果 242
附录五 ACI需求调查表 244
附录六 ACI算法的适用条件模拟结果 247
附录七 ACI算法的适用条件模拟结果分析 250