| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 国内外文献综述 | 第15-21页 |
| 1.2.1 城市路径导航优化研究 | 第16-17页 |
| 1.2.2 最短路问题研究 | 第17-18页 |
| 1.2.3 社交网络数据挖掘与分析研究 | 第18-19页 |
| 1.2.4 粒计算研究 | 第19-20页 |
| 1.2.5 鲁棒优化研究 | 第20-21页 |
| 1.3 本文研究内容及创新点 | 第21-25页 |
| 1.3.1 “大数据-粒计算-决策优化”研究框架及其应用 | 第21-22页 |
| 1.3.2 交通大数据驱动的自适应时空最短路优化建模研究 | 第22-25页 |
| 第二章 “大数据-粒计算-决策优化”研究框架及其应用 | 第25-39页 |
| 2.1 “大数据-粒计算-决策优化”研究框架 | 第25-26页 |
| 2.2 交通事件挖掘与分析:信息粒度化过程 | 第26-30页 |
| 2.2.1 交通相关短文本识别 | 第28-29页 |
| 2.2.2 关键交通事件信息挖掘 | 第29-30页 |
| 2.3 路段行驶时间估计 | 第30-34页 |
| 2.4 最快路径鲁棒优化模型 | 第34页 |
| 2.5 算例分析 | 第34-38页 |
| 2.6 本章小结 | 第38-39页 |
| 第三章 交通大数据驱动的自适应最短路滚动优化建模研究 | 第39-55页 |
| 3.1 自适应滚动最短路问题 | 第39-40页 |
| 3.2 迪杰斯特拉最短路自适应滚动优化算法 | 第40-42页 |
| 3.3 算例分析 | 第42-53页 |
| 3.3.1 路网数据 | 第42-43页 |
| 3.3.2 短距离OD算例 | 第43-48页 |
| 3.3.3 长距离OD算例 | 第48-52页 |
| 3.3.4 算法性能分析 | 第52-53页 |
| 3.4 本章小结 | 第53-55页 |
| 第四章 结论与展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-65页 |
| 研究成果及发表的学术论文 | 第65-67页 |
| 作者及导师简介 | 第67-69页 |
| 附件 | 第69-70页 |
