基于车辆轨迹的个性化路径导航与行程时间预测
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 个性化路径导航研究现状 | 第11-13页 |
| 1.2.2 行程时间预测研究现状 | 第13-15页 |
| 1.3 论文主要工作 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 相关理论与技术 | 第17-26页 |
| 2.1 轨迹挖掘基本方法 | 第17-20页 |
| 2.1.1 轨迹查询技术 | 第17-18页 |
| 2.1.2 轨迹聚类技术 | 第18-20页 |
| 2.2 常用机器学习方法 | 第20-25页 |
| 2.2.1 混合高斯模型 | 第20-22页 |
| 2.2.2 线性回归方法 | 第22-23页 |
| 2.2.3 树模型方法 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 数据预处理与分析 | 第26-39页 |
| 3.1 基本定义 | 第26页 |
| 3.2 出租车数据预处理 | 第26-29页 |
| 3.2.1 数据简介 | 第27页 |
| 3.2.2 数据预处理 | 第27-29页 |
| 3.3 出租车数据分析 | 第29-32页 |
| 3.4 地图数据介绍 | 第32-34页 |
| 3.4.1 地图数据模型 | 第33-34页 |
| 3.4.2 地图数据取 | 第34页 |
| 3.5 地图匹配实现 | 第34-38页 |
| 3.5.1 地图匹配算法 | 第35-37页 |
| 3.5.2 地图匹配效果 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 个性化路径导航 | 第39-56页 |
| 4.1 问题描述 | 第39页 |
| 4.2 整体框架 | 第39-40页 |
| 4.3 用户偏好建模 | 第40-45页 |
| 4.3.1 路径开销获取 | 第40-43页 |
| 4.3.2 偏好建模方法 | 第43-44页 |
| 4.3.3 用户偏好判定 | 第44-45页 |
| 4.4 个性化路径导航 | 第45-48页 |
| 4.4.1 轨迹检索 | 第46-47页 |
| 4.4.2 个性化路径获取 | 第47-48页 |
| 4.5 实验分析 | 第48-55页 |
| 4.5.1 实验目标 | 第48页 |
| 4.5.2 评测指标 | 第48-49页 |
| 4.5.3 实验结果 | 第49-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 路径行程时间预测 | 第56-77页 |
| 5.1 问题描述 | 第56-57页 |
| 5.2 基于相似轨迹的KNN预测方法 | 第57-61页 |
| 5.2.1 模型介绍 | 第57-58页 |
| 5.2.2 历史轨迹数据库建立 | 第58-59页 |
| 5.2.3 相似轨迹检索 | 第59-60页 |
| 5.2.4 行程时间预测 | 第60-61页 |
| 5.3 基于集成学习的预测方法 | 第61-66页 |
| 5.3.1 模型介绍 | 第61-62页 |
| 5.3.2 特征提取 | 第62-65页 |
| 5.3.3 模型融合 | 第65-66页 |
| 5.4 实验分析 | 第66-76页 |
| 5.4.1 评测指标 | 第66-67页 |
| 5.4.2 基于相似轨迹的KNN预测算法实验分析 | 第67-71页 |
| 5.4.3 基于集成学习的预测方法实验分析 | 第71-76页 |
| 5.5 本章小结 | 第76-77页 |
| 总结与展望 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 攻读硕士学位期间取得的研究成果 | 第85-86页 |
| 致谢 | 第86-87页 |
| 附件 | 第87页 |
