| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 研究背景 | 第10-12页 |
| 1.1.1 城市交通拥堵的危害 | 第10-11页 |
| 1.1.2 造成城市交通拥堵问题的原因 | 第11-12页 |
| 1.1.3 解决城市交通拥堵问题的方法 | 第12页 |
| 1.2 智能交通系统 | 第12-13页 |
| 1.2.1 智能交通系统概述 | 第12页 |
| 1.2.2 智能交通系统中的相关技术 | 第12-13页 |
| 1.3 研究现状 | 第13-19页 |
| 1.3.1 国内外交通状态评价方法的研究 | 第15-18页 |
| 1.3.2 国内外交通状态预测方法的研究 | 第18-19页 |
| 1.4 研究意义和内容 | 第19-21页 |
| 1.4.1 本课题的研究意义 | 第19页 |
| 1.4.2 本课题研究内容及结构编排 | 第19-21页 |
| 第2章 数据挖掘中的聚类技术 | 第21-29页 |
| 2.1 数据挖掘概述 | 第21-22页 |
| 2.2 数据挖掘中的聚类技术 | 第22-28页 |
| 2.2.1 划分法中的K-means聚类算法 | 第22-24页 |
| 2.2.2 层次聚类方法 | 第24-25页 |
| 2.2.3 基于密度的DBSCAN聚类方法 | 第25-27页 |
| 2.2.4 基于网格的STING聚类方法 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 交通数据的获取及其预处理 | 第29-47页 |
| 3.1 数据预处理的重要性 | 第29-30页 |
| 3.2 数据预处理的方法 | 第30-32页 |
| 3.2.1 聚集 | 第30页 |
| 3.2.2 抽样 | 第30-31页 |
| 3.2.3 归约 | 第31页 |
| 3.2.4 特征选择 | 第31页 |
| 3.2.5 特征创建 | 第31-32页 |
| 3.2.6 离散 | 第32页 |
| 3.2.7 变量变换 | 第32页 |
| 3.3 交通数据的获取方法 | 第32-34页 |
| 3.4 交通数据类型 | 第34-39页 |
| 3.4.1 道路卡口数据 | 第34-36页 |
| 3.4.2 地面感应线圈数据 | 第36-39页 |
| 3.5 交通数据融合与预处理 | 第39-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 交通拥堵评价方法 | 第47-59页 |
| 4.1 基于K-means聚类的交通拥堵评价方法 | 第47-49页 |
| 4.2 基于密度聚类的交通拥堵评价方法 | 第49-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第5章 短时交通拥堵预测方法 | 第59-70页 |
| 5.1 概述 | 第59页 |
| 5.2 基于一阶马尔可夫模型的短时交通拥堵预测方法 | 第59-62页 |
| 5.3 基于高阶马尔可夫模型的短时交通拥堵预测方法 | 第62-69页 |
| 5.4 小结 | 第69-70页 |
| 第6章 结论和展望 | 第70-72页 |
| 6.1 结论 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间参加的科研项目和成果 | 第76页 |