全文总字数：4799字
文献综述
文献综述1.1行程时间估计方法研究国外在行程时间估计方面研究的较早，国内对于行程时间估计起步较晚，并且在ITS这个领域的研究也开始的较晚，但是在对国外研究深入学习之后，在结合我国交通情况的前提下取得了很多重大的成果。
行程时间估计的模型有卡尔曼滤波模型、时间序列模型、模糊神经网络模型等。
Kalman于1960年提出了卡尔曼滤波模型。
Okulani 和Stephanedes 于1984 年在Kalman研究的基础上建立用卡尔曼滤波模型来进行交通流预测。
Vythotkaspc 也提出了基于卡尔曼滤波理论的交通流量预测模型。
1979年，Ahmed和 Cook首次提出了用于交通流预测的时间序列模型。
Box和 Jenkins 在这之后创立了ARIMA-自回归整数移动平均模型（又被称为Box-Jenkins模型）[1]。
刘克提出基于自适应神经模糊推理系统的路段行程时间预测模型，并且与神经网络模型比较预测误差，得出模糊神经网络模型能提高路段行程时间的估计与预测精度[2]。
基于单一或多元数据估计行程时间的方式也很常见，例如利用感应线圈、超声波车辆检测器、浮动车移动检测与感应线圈融合技术等。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
