1、“.....务的基础上，根据移动设备硬件环境和无线网络环境提出了基于的移动系统结构，详细设计了系统的模块结构，分析了系统中的空间数据存储与压缩空间数据索引等相关技术，最后讨论了在移动上实现系统。而移动设备和的结合，是从静态走向动态环境的重大发展，是继桌面之后又新的技术热点。陈飞翔，杨崇俊等在论文基于的移动研究中在基于服系统，凭借其免费开源的优势，在国内的智能移动市场上已经有超过半壁江山的占有率，目前许多的电视机顶盒播放器等都运行着系统，甚至还有些微波炉冰箱空调等这些日常家电也运行着合后的模型复杂，计算量大，预测速度下降，很难满足实时性要求。移动随着当今科技的飞速发展，智能手机智能平板等智能设备已经进入了千家万户，人们日常生活已经脱离不了这些设备了。谷歌公司的动态多步预测方法......”。

2、“.....总的来说，混合预测方法提升了预测的精度，但混等将神经网络与时间序列模型相结合建立了组合预测模型，对未来半小时和小时的交通流量进行了步预测。在国内方面，冮龙晖将时间序列相似性分析方法和指数平滑预测方法相结合，设计了交通参数神经网络与模糊系统相结合高阶广义神经元网络与遗传算法相结合等，以及多种方法的融合应用。基于模糊概念和神经网络结合提出了模糊神经网络模型，对高速公路短时交通流进行预测将不同的预测方法进行组合。现在的交通流预测组合模型主要有基于小波理论的综合模型如小波理论与滤波的结合小波理论与时间序列的结合基于神经网络的综合模型如神经网络与时间序列相结合运算。基于混合理论的方法基于混合理论方法般是将两种或两种以上的预测方法结合起来进行预测，组合各个模型的优点，以便能够得到更好的预测效果。年，和首次提出了组合预测的理论和方法，究。总的来说......”。

3、“.....可以通过历史数据进行学习推演，不需要进行模型识别和参数估计。但是非线性方法需要有大量的数据作为作为支撑才能保持学习和预测的精度，这就增加了大量的任雪莲等结合神经网络和遗传算法提出了种新的优化算法，预测效果优于单独使用算法王凡对支持向量机的参数选择核函数构造增量学习并行计算等方法以及在交通流预测中的应用进行了系统的研，结果表明支持向量机具有较好的性能。在国内方面，王进和史其信用基于相空间重构理论的加权阶局域预测法进行了短期交通流预测，为用非线性的思想和方法分析短期交通流特性和预测短期交通流提供了个新的思路基于递归神经网络模型对车辆通过高速公路的时间进行了预测等使用支持向量机对噪声数据和无噪声数据进行交通流预测速度慢存储开销大。利用多元非参数回归模型进行交通流预测等对交通流预测中的参数和非参数模型进行了对比和样本很少的情况下具有较好推广能力......”。

4、“.....但是，支持向量机模型需要解决二次规划的问题，其规模与训练模式量成正比，因此训练算法计算复杂度高自适应较强的容错性，还能识别非线性复杂系统等特点。但是，神经网络还存在需要大量的训练数据，收敛速度慢等问题。支持向量机模型运用结构风险最小化的原则解决了神经网络固有的些缺陷，而且在训练大的历史数据作为支撑，以及在计算过程复杂等缺点。神经网络预测模型用典型黑箱学习模式，不需要任何经验公式，就能从已有的数据中获取这些数据的规律。神经网络预测模型具有独特的并行结构自组织联想记忆大的历史数据作为支撑，以及在计算过程复杂等缺点。神经网络预测模型用典型黑箱学习模式，不需要任何经验公式，就能从已有的数据中获取这些数据的规律。神经网络预测模型具有独特的并行结构自组织联想记忆自适应较强的容错性，还能识别非线性复杂系统等特点。但是，神经网络还存在需要大量的训练数据，收敛速度慢等问题......”。

5、“.....而且在训练样本很少的情况下具有较好推广能力，在解决非线性小样本以及高维式识别问题中表现出了许多特有优势。但是，支持向量机模型需要解决二次规划的问题，其规模与训练模式量成正比，因此训练算法计算复杂度高速度慢存储开销大。利用多元非参数回归模型进行交通流预测等对交通流预测中的参数和非参数模型进行了对比和基于递归神经网络模型对车辆通过高速公路的时间进行了预测等使用支持向量机对噪声数据和无噪声数据进行交通流预测，结果表明支持向量机具有较好的性能。在国内方面，王进和史其信用基于相空间重构理论的加权阶局域预测法进行了短期交通流预测，为用非线性的思想和方法分析短期交通流特性和预测短期交通流提供了个新的思路任雪莲等结合神经网络和遗传算法提出了种新的优化算法......”。

6、“.....总的来说，非线性理论的方法更加符合交通非线性的特点，可以通过历史数据进行学习推演，不需要进行模型识别和参数估计。但是非线性方法需要有大量的数据作为作为支撑才能保持学习和预测的精度，这就增加了大量的运算。基于混合理论的方法基于混合理论方法般是将两种或两种以上的预测方法结合起来进行预测，组合各个模型的优点，以便能够得到更好的预测效果。年，和首次提出了组合预测的理论和方法，将不同的预测方法进行组合。现在的交通流预测组合模型主要有基于小波理论的综合模型如小波理论与滤波的结合小波理论与时间序列的结合基于神经网络的综合模型如神经网络与时间序列相结合神经网络与模糊系统相结合高阶广义神经元网络与遗传算法相结合等，以及多种方法的融合应用。基于模糊概念和神经网络结合提出了模糊神经网络模型，对高速公路短时交通流进行预测等将神经网络与时间序列模型相结合建立了组合预测模型......”。

7、“.....在国内方面，冮龙晖将时间序列相似性分析方法和指数平滑预测方法相结合，设计了交通参数动态多步预测方法，并用城市快速路的实测交通流量数据对所提出的方法进行了实证分析杨世坚和贺国光提出了基于模糊均值聚类和神经网络的短时交通流预测方法。总的来说，混合预测方法提升了预测的精度，但混合后的模型复杂，计算量大，预测速度下降，很难满足实时性要求。移动随着当今科技的飞速发展，智能手机智能平板等智能设备已经进入了千家万户，人们日常生活已经脱离不了这些设备了。谷歌公司的系统，凭借其免费开源的优势，在国内的智能移动市场上已经有超过半壁江山的占有率，目前许多的电视机顶盒播放器等都运行着系统，甚至还有些微波炉冰箱空调等这些日常家电也运行着系统。而移动设备和的结合，是从静态走向动态环境的重大发展，是继桌面之后又新的技术热点。陈飞翔，杨崇俊等在论文基于的移动研究中在基于服务的基础上......”。

8、“.....详细设计了系统的模块结构，分析了系统中的空间数据存储与压缩空间数据索引等相关技术，最后讨论了在移动上实现的原理与方法。张绍明的论文下的实时交通导航系统中对基于技术构建的矢量地图解析引擎具有跨平台特性基于系统设计和实现方面的关键问题进行研究，特别是在了基于分形和最小边界矩形分解的改进树空间索引结构，提高了空间对象检索效率方面。在应用方面，公司已经发布了等移动的解决方案，同时些开源组织也提供了移动的解决方案，例如等。三关于选题的研究趋势更加高效的预测方法除了传统的预测方法外，许多学者还提出了些系统的其他设备，不能进行多设备测试数据库和的并没有经过授权，只能进行开发测试。九主要参考文献目录序号作者文章题目书目期刊名称出版单位时间陆化普，李瑞敏，朱茵智能交通系统概论北京中国铁道出版社......”。

9、“.....徐耀群，尹逊芹基于实时路况的配送路径优化问题研究哈尔滨商业大学学报自然科学版，杨兆升，朱中基于卡尔曼滤波理论的交通流量实时预测模型中国公路学报，芮少权，匡安乐高速公路月度交通流预测模型长安大学学报自然科学版，聂佩林，余志，何兆成基于约束卡尔曼滤波的短时交通流量组合预测模型交通运输工程学报fi，fi王进，史其信基于非线性理论的短期交通流预测研究西安建筑科技大学学报自然科学版，任雪莲，陈晓芬，马骏基于神经网络的遗传算法在短时交通流预测中的应用河北交通科技，王凡基于支持向量机的交通流预测方法研究大连大连理工大学冮龙晖城市道路交通状态判别及拥挤扩散范围估计方法研究吉林吉林大学，杨世坚，贺国基于模糊均值聚类和神经网络的短时交通流预测方法，陈飞翔，杨崇俊，申胜利，于文洋，杨建字基于的移动研究算机工程与应用，张绍明，林怡，陈映鹰下的实时交通导航系统同济大学学报自然科学版陆海亭，张宁，黄卫......”。