| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 轨迹数据分析研究现状 | 第11-12页 |
| 1.2.2 交通量预测研究现状 | 第12-13页 |
| 1.3 研究目标和内容 | 第13-14页 |
| 1.4 论文结构 | 第14-16页 |
| 1.5 本章小结 | 第16-17页 |
| 2 相关知识与技术 | 第17-27页 |
| 2.1 交通轨迹数据的获取 | 第17页 |
| 2.2 交通路网轨迹数据特征 | 第17-20页 |
| 2.3 交通轨迹数据预处理 | 第20-21页 |
| 2.4 轨迹数据分析方法 | 第21-24页 |
| 2.5 交通量过载预测分析 | 第24-25页 |
| 2.6 本章小结 | 第25-27页 |
| 3 轨迹数据模式挖掘及预测 | 第27-35页 |
| 3.1 引言 | 第27页 |
| 3.2 时空轨迹模式挖掘 | 第27-30页 |
| 3.2.1 时空轨迹序列 | 第27页 |
| 3.2.2 时空轨迹序列频繁模式挖掘 | 第27-30页 |
| 3.3 T-模式动态存储结构 | 第30-33页 |
| 3.3.1 DPT结构介绍 | 第30页 |
| 3.3.2 DPT构建与更新 | 第30-33页 |
| 3.4 轨迹预测 | 第33-34页 |
| 3.4.1 预测策略 | 第33页 |
| 3.4.2 预测算法 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 面向交通量过载发现的HMM轨迹数据聚类 | 第35-46页 |
| 4.1 引言 | 第35页 |
| 4.2 轨迹特征点提取 | 第35-37页 |
| 4.3 隐马尔可夫模型理论 | 第37-38页 |
| 4.4 基于HMM的轨迹聚类方法—HMM-Cluster | 第38-45页 |
| 4.4.1 方法框架 | 第38页 |
| 4.4.2 训练HMM模型 | 第38-41页 |
| 4.4.3 轨迹相似性度量 | 第41-42页 |
| 4.4.4 PCA降维 | 第42-43页 |
| 4.4.5 轨迹聚类结果获取 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 5 实验结果与分析 | 第46-58页 |
| 5.1 引言 | 第46-47页 |
| 5.2 实验环境 | 第47页 |
| 5.3 实验数据 | 第47页 |
| 5.4 轨迹数据模式挖掘及预测实验结果与分析 | 第47-51页 |
| 5.4.1 PRED预测效果评估 | 第47-49页 |
| 5.4.2 PRED预测效率评估 | 第49-50页 |
| 5.4.3 DPT模型效率评估 | 第50-51页 |
| 5.5 基于HMM的轨迹数据聚类方法实验结果与分析 | 第51-55页 |
| 5.5.1 轨迹特征点提取前后存储空间对比 | 第51页 |
| 5.5.2 Sim-HMM性能评估 | 第51-53页 |
| 5.5.3 HMM-Cluster性能评估 | 第53-55页 |
| 5.6 交通量过载实验结果与分析 | 第55-57页 |
| 5.7 本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 归纳总结 | 第58页 |
| 6.2 未来展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 附录 | 第66页 |