| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 沥青路面性能研究 | 第12-14页 |
| 1.2.2 沥青路面车辙预测研究 | 第14-17页 |
| 1.3 大数据和大数据技术简介 | 第17-20页 |
| 1.3.1 大数据定义 | 第17-18页 |
| 1.3.2 大数据分析框架 | 第18-19页 |
| 1.3.3 大数据分析技术 | 第19-20页 |
| 1.4 论文研究意义和研究内容 | 第20-23页 |
| 1.4.1 存在问题和研究意义 | 第20-21页 |
| 1.4.2 研究内容和技术路线 | 第21-23页 |
| 第二章 沥青路面车辙变化量的影响因素研究 | 第23-33页 |
| 2.1 沥青路面车辙的形成机理 | 第23-25页 |
| 2.1.1 沥青路面车辙类型 | 第23-24页 |
| 2.1.2 沥青路面车辙变化量产生原理 | 第24-25页 |
| 2.1.3 沥青混合料粘弹性对车辙变化量的影响 | 第25页 |
| 2.2 沥青路面车辙变化量的影响因素 | 第25-29页 |
| 2.2.1 内在因素 | 第26-28页 |
| 2.2.2 外在因素 | 第28-29页 |
| 2.2.3 其他因素 | 第29页 |
| 2.3 车辙变化量预测模型影响因素的拟定 | 第29-32页 |
| 2.3.1 车辙预估方法 | 第29-31页 |
| 2.3.2 车辙变化量预测中的影响因素拟定 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于大数据管理和可视化技术的车辙变化量各因素研究 | 第33-63页 |
| 3.1 LTPP数据简介 | 第33-35页 |
| 3.1.1 LTPP及其数据库 | 第33页 |
| 3.1.2 车辙变化量预测相关数据检测 | 第33-35页 |
| 3.2 LTPP大数据分布式管理 | 第35-40页 |
| 3.2.1 数据分布式管理工具 | 第35-36页 |
| 3.2.2 车辙变化量预测分析数据库重构 | 第36-40页 |
| 3.3 LTPP大数据可视化分析 | 第40-61页 |
| 3.3.1 车辙大数据可视化分析 | 第41-45页 |
| 3.3.2 气温大数据可视化分析 | 第45-54页 |
| 3.3.3 交通荷载大数据可视化分析 | 第54-58页 |
| 3.3.4 空隙率大数据可视化分析 | 第58-61页 |
| 3.4 本章小结 | 第61-63页 |
| 第四章 基于大数据挖掘技术的车辙变化量与影响因素关系研究 | 第63-79页 |
| 4.1 车辙变化量预处理 | 第63-64页 |
| 4.2 车辙变化量影响因素预处理 | 第64-66页 |
| 4.2.1 气温数据预处理 | 第64页 |
| 4.2.2 交通荷载数据预处理 | 第64-66页 |
| 4.2.3 空隙率数据预处理 | 第66页 |
| 4.3 车辙变化量影响因素内部关系挖掘与因子分析 | 第66-70页 |
| 4.3.1 车辙变化量影响因素内部关系挖掘原理介绍 | 第66-67页 |
| 4.3.2 车辙变化量影响因素因子分析过程 | 第67-68页 |
| 4.3.3 基于大数据挖掘技术因子分析方法的结果讨论 | 第68-70页 |
| 4.4 车辙变化量与影响因素相关关系挖掘与敏感性分析 | 第70-76页 |
| 4.4.1 车辙变化量与影响因素敏感性分析方法选择 | 第71页 |
| 4.4.2 车辙变化量与影响因素敏感性分析方法原理 | 第71-72页 |
| 4.4.3 基于大数据挖掘技术敏感性分析方法的结果讨论 | 第72-76页 |
| 4.5 本章小结 | 第76-79页 |
| 第五章 基于大数据优化算法技术的车辙变化量预测研究 | 第79-97页 |
| 5.1 车辙变化量预测模型框架介绍 | 第79-81页 |
| 5.1.1 粘弹性基本模型 | 第79-80页 |
| 5.1.2 Burgers模型 | 第80-81页 |
| 5.2 基于大数据挖掘成果与粘弹性模型框架建立车辙变化量预测模型 | 第81-84页 |
| 5.2.1 考虑温度影响的车辙变化量预测模型 | 第81-82页 |
| 5.2.2 考虑交通荷载影响的车辙变化量预测模型 | 第82-83页 |
| 5.2.3 考虑空隙率影响的车辙变化量预测模型 | 第83-84页 |
| 5.3 车辙变化量预测模型参数处理方法与大数据优化算法技术 | 第84-88页 |
| 5.3.1 大气温度与路面温度关系分析 | 第84-86页 |
| 5.3.2 参数拟合的大数据优化算法技术方法介绍 | 第86-88页 |
| 5.4 车辙变化量预测模型参数拟合与模型评价 | 第88-95页 |
| 5.4.1 训练集和测试集的划分 | 第88页 |
| 5.4.2 车辙变化量预测模型参数拟合 | 第88-92页 |
| 5.4.3 车辙变化量预测模型性能评价 | 第92-95页 |
| 5.5 本章小结 | 第95-97页 |
| 第六章 结论和展望 | 第97-101页 |
| 6.1 结论 | 第97-99页 |
| 6.2 展望 | 第99-101页 |
| 致谢 | 第101-103页 |
| 参考文献 | 第103-107页 |
| 附录 | 第107-113页 |
