交通流數據清洗與狀態辨識及優化控制關鍵理論方法（簡體書）

《交通流數據清洗與狀態辨識及優化控制關鍵理論方法》是作者在交通流辨識及優化控制領域近十年研究成果的系統總結。在全面總結國內外交通流辨識及優化控制研究現狀及發展趨勢的基礎上，《交通流數據清洗與狀態辨識及優化控制關鍵理論方法》著重介紹作者在這一領域的研究成果，主要包括交通流數據清洗關鍵理論及方法、交通流狀態辨識關鍵理論及方法、交通流優化控制關鍵理論及方法。
《交通流數據清洗與狀態辨識及優化控制關鍵理論方法》可為交通運輸工程、控制科學與工程、系統科學與工程、車輛工程以及智能科學等多學科交叉領域從事交通流狀態辨識及優化控制研究的相關專業技術人員提供參考，也可作為相關專業研究生和高年級本科生教材。

王曉原,博士，教授。1970年出生.山東萊州人。1992年畢業于山東師範大學數學系基礎數學專業.獲理學學士學位；1997年畢業于山東師範大學數學系應用數學專業，獲理學碩士學位；2003年畢業于吉林大學交通學院交通運輸規劃與管理專業.獲工學博士學位。現任山東省道路智能控制與運輸安全工程技術研究中心智能交通研究所所長，交通運輸規劃與管理、交通信息工程及控制專業研究生導師，淄博市第九屆、十屆政協委員，山東省委統戰部黨外知識分子聯絡員。
主要從事交通運輸規劃與管理、交通信息工程控制、系統辨識、仿真優化及控制和應用數學等領域的研究和教學工作。承擔并完成國家自然科學基金項目“數學規劃鞍點理論的研究”、“交通網絡分布式並行微觀模擬算法研究及實現”，機械工業部高校跨世紀優秀人才專項基金項目“信號控制下的城市主干道交通流模擬模型研究”以及其他國家級課題多項。主持完成山東省自然科學基金項目“基於綜合認知活動的駕駛員行為建模及仿真”、山東省社會科學規劃研究項目“智能運輸系統社會經濟影響評價模型與方法”以及其他社會服務工程性課題30多項。目前主持研究國家自然科學基金項目“基於人車環境動態數據協同推演的汽車駕駛傾向性辨識方法研究”等課題多項，承擔國家自然科學基金項目“基於行駛環境和操作序貫鏈的汽車駕駛意圖辨識方法研究”、山東省自然科學基金項目“基於交通態勢評估的道路安全推理研究”等項目的部分研究工作。至今已發表論文108篇，其中核心及以上77篇，EI／ISTP／CSSCI檢索33篇：完成學術專著2部；完成項目報告30余部。
張敬磊，碩士，講師。1979年出生，山東高密人。2003年畢業于山東理工大學交通與車輛工程學院交通工程專業，獲工學學士學位；2006年畢業于山東理工大學交通與車輛工程學院載運工具運用工程專業.獲工學碩士學位。主要從事運輸系統辨識、優化及控制、交通系統規劃和智能運輸系統等領域的研究。
楊新月，碩士，講師。1979年出生，
山東淄博人。2004年畢業于山東理工大學計算機科學與技術學院計算機科學與技術專業.獲工學學士學位；2007年畢業于山東理工大學交通與車輛工程學院交通運輸規劃與管理專業.獲工學碩士學位。主要從事運輸系統仿真及優化、交通系統規劃和計算機應用等領域的研究。

前言
1 緒論
1.1 its發展背景
1.2 國內外its研究歷史與發展現狀
1.2.1 國外its研究歷史與發展現狀
1.2.2 我國its研究歷史與發展現狀
1.2.3 its主要功能子系統
1.3 交通流數據清洗與狀態辨識及優化控制概述
1.4 本書主要內容
參考文獻

第一篇 交通流數據清洗關鍵理論及方法
2 交通流數據清洗概述
2.1 研究背景
2.2 研究的必要性及數據清洗
2.2.1 必要性
2.2.2 交通流數據清洗的主要內容
2.3 國內外相關研究狀況
2.3.1 數據清洗研究狀況
2.3.2 交通流數據清洗研究狀況
2.4 本篇主要研究內容
2.5 本章小結
參考文獻
3 交通流丟失數據補齊算法
3.1 丟失數據的分析
3.2 基於粗集理論的交通流丟失數據補齊算法
3.2.1 粗集理論
3.2.2 roustida算法流程
3.2.3 模型應用與結果分析
3.2.4 結論
3.3 基於最小二乘支持向量機的交通流丟失數據補齊算法
3.3.1 支持向量機和最小二乘支持向量機的原理
3.3.2 交通流丟失數據補齊模型及仿真
3.3.3 結論
3.4 本章小結
參考文獻
4 交通流錯誤數據判別和修正算法
4.1 錯誤數據判別模型
4.1.1 孤立點檢測算法
4.1.2 邊界檢測算法
4.1.3 閾值理論與交通流理論的組合檢測算法
4.2 錯誤數據修正模型
4.2.1 灰色gm(1，1)模型
4.2.2 錯誤數據修正模型
4.3 應用實例
4.3.1 數據來源
4.3.2 算法流程
4.3.3 模型應用
4.3.4 結果分析
4.4 結論
4.5 本章小結
參考文獻
5 交通流冗余數據約簡算法
5.1 冗余數據識別和約簡方法
5.1.1 基於等級分組法的冗余數據識別方法
5.1.2 冗余數據的約簡方法
5.2 應用實例
5.2.1 數據來源
5.2.2 算法流程
5.2.3 模型應用
5.2.4 結果分析
5.3 結論
5.4 本章小結
參考文獻
6 本篇內容總結及其展望
6.1 總結
6.2 未來的研究方向

第二篇 交通流狀態辨識關鍵理論及方法
7 交通流狀態辨識系統框架
7.1 交通流狀態辨識系統框架結構
7.2 系統框架的主要組成部分
7.2.1 交通狀態判別子系統
7.2.2 動態交通信息采集子系統
7.2.3 交通流數據清洗子系統
7.2.4 交通流控制子系統
7.2.5 調度子系統
7.2.6 交通信息發布子系統
7.2.7 事件數據管理子系統
7.2.8 通信子系統
7.3 本篇主要研究內容與方法
7.4 本章小結
參考文獻
8 交通流狀態預辨識方法
8.1 交通流預測方法簡介
8.1.1 基於統計理論的模型
8.1.2 基於非線性預測理論的模型
8.1.3 基於神經網絡理論的模型
8.1.4 基於動態分配理論的模型
8.1.5 基於微觀交通仿真的模型
8.2 基於非參數回歸樣條的交通流短時預測方法
8.2.1 非參數回歸
8.2.2 非參數回歸樣條擬合方法
8.2.3 非參數回歸樣條擬合方法在交通流短時預測中的應用
8.3 基於投影尋蹤自回歸的短時交通流預測方法
8.3.1 投影尋蹤技術
8.3.2 pp自回歸模型[ppar(k)]
8.3.3 交通流ppar回歸預測
8.3.4 結論
8.4 本章小結
參考文獻
9 交通流量變檢測方法
9.1 概述
9.2 指數分布概率變點模型研究
9.2.1 指數分布參數的變點
9.2.2 均值變點搜索方法
9.2.3 模型應用與結果分析
9.3 二項分布概率變點模型研究
9.3.1 累次計數法
9.3.2 模型應用與結果分析
9.4 本章小結
參考文獻
10 交通流質變檢測方法
10.1 交通事件檢測方法簡介
10.1.1 交通事件
10.1.2 主要事件檢測算法及評價指標
10.2 交通流突變分析的變點統計方法
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 基於多分辨分析的交通事件自動檢測方法
10.3.1 多分辨分析mallat算法
10.3.2 小波濾波器及mallat算法的具體實現
10.3.3 多分辨分析在交通事件自動檢測中的應用
10.4 本章小結
參考文獻
11 信息融合技術在交通流狀態實時辨識中的應用
11.1 信息融合及交通信息融合簡介
11.1.1 信息融合
11.1.2 信息融合的層次級別
11.1.3 信息融合方法
11.2 基於支持向量機的交通信息融合方法研究
11.2.1 支持向量機簡介
11.2.2 基於svm的信息融合方法在交通流狀態實時辨識中的應用
11.2.3 結論
11.3 基於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 基於遺傳算法的信息模糊融合方法在交通流狀態實時辨識中的應用
11.4 本章小結
參考文獻
12 本篇內容總結及其展望

第三篇 交通流優化控制關鍵理論及方法
13 交通流優化控制
13.1 研究的背景和意義
13.2 dta問題
13.2.1 國外研究現狀
13.2.2 我國研究現狀
13.3 最短路徑問題
13.4 本篇主要內容
參考文獻
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
14.1.4 算法框架
14.1.5 算法的特點
14.2 算法的研究進展
14.2.1 理論研究
14.2.2 應用研究
14.2.3 我國研究情況
14.3 本章小結
參考文獻
15 基於自適應蟻群算法的交通網絡中最短路徑搜索方法
15.1 交通網絡中最短路徑問題
15.1.1 交通網絡的表示
15.1.2 最短路徑問題的描述
15.2 用自適應蟻群算法求解交通網絡中最短路徑問題
15.2.1 尋優思路
15.2.2 算法設計
15.2.3 算法的具體實現步驟
15.2.4 算法流程圖
15.3 仿真實驗
15.4 本章小結
參考文獻
16 基於混沌蟻群算法的動態用戶最優配流方法
16.1 基本問題
16.1.1 交通分配理論概述
16.1.2 dta特徵
16.1.3 動態交通網絡配流原則
16.1.4 動態交通網絡約束條件
16.2 離散型動態用戶最優配流模型
16.3 dta方法
16.3.1 混沌蟻群算法
16.3.2 用caco求解離散型動態用戶最優配流問題
16.4 仿真實驗
16.5 本章小結
參考文獻
17 本篇內容總結及其展望
17.1 總結
17.2 研究展望
附錄
附錄a 王曉原主持的科研項目
附錄b 作者的代表性論著