| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 数据挖掘理论与方法研究现状 | 第11-12页 |
| 1.2.2 交通领域数据挖掘技术的研究现状 | 第12-13页 |
| 1.2.3 大数据技术的研究现状 | 第13-14页 |
| 1.3 论文的组织结构 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 技术路线 | 第15-16页 |
| 1.4 本章小结 | 第16-18页 |
| 第2章 相关理论综述 | 第18-28页 |
| 2.1 大数据相关概念与技术 | 第18-19页 |
| 2.1.1 大数据的定义及特征 | 第18页 |
| 2.1.2 大数据处理的基本流程 | 第18-19页 |
| 2.2 数据挖掘概述 | 第19-22页 |
| 2.2.1 数据挖掘的概念与流程 | 第19-21页 |
| 2.2.2 数据预处理方法 | 第21-22页 |
| 2.3 数据挖掘方法 | 第22-26页 |
| 2.3.1 聚类分析 | 第22-24页 |
| 2.3.2 粗糙集 | 第24-25页 |
| 2.3.3 关联分析 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 道路运输大数据分析探讨 | 第28-36页 |
| 3.1 道路运输信息资源 | 第28-29页 |
| 3.2 核心信息系统简介 | 第29-31页 |
| 3.2.1 运政管理系统 | 第29页 |
| 3.2.2 客运联网售票系统 | 第29-30页 |
| 3.2.3 卫星定位监管系统 | 第30-31页 |
| 3.3 道路运输大数据分析需求 | 第31-35页 |
| 3.3.1 数据资源共享 | 第31-33页 |
| 3.3.2 决策支持目标 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于聚类分析的班线客运运营优化分析 | 第36-52页 |
| 4.1 Two Step聚类分析 | 第36-41页 |
| 4.1.1 构建CF树 | 第36-39页 |
| 4.1.2 正式聚类 | 第39-41页 |
| 4.2 班线客运运营状况聚类分析 | 第41-51页 |
| 4.2.1 客运运营现状及挖掘目的 | 第41-43页 |
| 4.2.2 数据选择与预处理 | 第43-45页 |
| 4.2.3 指标选择与模型构建 | 第45-46页 |
| 4.2.4 客运运营日期、时间、线路聚类及建议 | 第46-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第5章 基于粗糙集和关联规则的运输业户考核数据挖掘 | 第52-68页 |
| 5.1 数据挖掘设计 | 第52-58页 |
| 5.1.1 基于信息熵的属性离散化 | 第52-54页 |
| 5.1.2 基于属性依赖度的遗传约简 | 第54-56页 |
| 5.1.3 Apriori关联规则算法 | 第56-58页 |
| 5.2 运输业户考核数据挖掘 | 第58-66页 |
| 5.2.1 考核现状与挖掘目的 | 第58-59页 |
| 5.2.2 数据预处理 | 第59-61页 |
| 5.2.3 业户考核数据挖掘 | 第61-64页 |
| 5.2.4 规则评估 | 第64-66页 |
| 5.3 本章小结 | 第66-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 6.1 全文总结 | 第68-69页 |
| 6.2 研究展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 作者简介及科研成果 | 第74-76页 |
| 致谢 | 第76页 |