摘要 | 第6-7页 |
Abstract | 第7页 |
第一章 绪论 | 第10-16页 |
1.1 立题背景及意义 | 第10-11页 |
1.2 国内外研究概况 | 第11-13页 |
1.2.1 交通信息系统相关技术 | 第11-13页 |
1.2.1.1 GIS技术 | 第11-12页 |
1.2.1.2 数据融合理论 | 第12页 |
1.2.1.3 交通数据挖掘技术 | 第12-13页 |
1.2.2 交通信息系统应用动态 | 第13页 |
1.2.2.1 国外应用动态 | 第13页 |
1.2.2.2 国内应用动态 | 第13页 |
1.3 研究目标及研究内容 | 第13-14页 |
1.3.1 研究目标 | 第13-14页 |
1.3.2 研究内容 | 第14页 |
1.4 论文组织结构及技术路线 | 第14-16页 |
第二章 可视化信息系统设计 | 第16-26页 |
2.1 用户需求与设计原则 | 第16-18页 |
2.1.1 用户需求 | 第16-17页 |
2.1.2 设计目标与原则 | 第17-18页 |
2.2 系统体系结构 | 第18-20页 |
2.3 系统开发构建 | 第20-25页 |
2.3.1 ArcGIS应用 | 第20-21页 |
2.3.1.1 GeoDatabase模型 | 第20页 |
2.3.1.2 ArcSDE数据引擎 | 第20-21页 |
2.3.2 数据库设计 | 第21-24页 |
2.3.2.1 Oracle9i数据库管理系统 | 第21页 |
2.3.2.2 Oracle9i数据库表建立 | 第21-23页 |
2.3.2.3 基于ArcGIS和Oracle9i的空间数据库实现 | 第23-24页 |
2.3.3 系统功能设计 | 第24-25页 |
2.3.3.1 地图查询 | 第24-25页 |
2.3.3.2 交通流量预测 | 第25页 |
2.3.3.3 路径导航 | 第25页 |
2.3.3.4 突发事件预案展示 | 第25页 |
2.4 本章小结 | 第25-26页 |
第三章 交通数据挖掘原理与算法 | 第26-45页 |
3.1 多源交通数据采集 | 第26-27页 |
3.2 基于数据融合的突发事件检测 | 第27-33页 |
3.2.1 数据融合分层 | 第27-28页 |
3.2.2 D-S证据理论算法 | 第28-29页 |
3.2.3 基于D-S证据理论算法的突发交通事件检测 | 第29-33页 |
3.2.3.1 基于固定监测器的多参数算法 | 第29-30页 |
3.2.3.2 基于浮动车的时间空间二维判别算法 | 第30-31页 |
3.2.3.3 D-S算法具体实现 | 第31-33页 |
3.3 基于神经网络的交通流量预测与出行诱导 | 第33-44页 |
3.3.2 交通流量预测模型 | 第33-39页 |
3.3.2.1 基于序列分割的组合交通流量预测模型 | 第34页 |
3.3.2.2 BP神经网络构成 | 第34页 |
3.3.2.3 BP神经网络基本算法 | 第34-36页 |
3.3.2.4 交通流量组合模型 | 第36-37页 |
3.3.2.5 基于BP神经网络的交通流量预测 | 第37-39页 |
3.3.3 出行路径诱导 | 第39-44页 |
3.3.3.1 分层策略基本思想 | 第39页 |
3.3.3.2 分层模型 | 第39-40页 |
3.3.3.3 路径诱导算法 | 第40页 |
3.3.3.4 算法测试与分析 | 第40-44页 |
3.4 本章小结 | 第44-45页 |
第四章 可视化信息系统实现 | 第45-53页 |
4.1 系统开发技术 | 第45-46页 |
4.2 程序功能 | 第46-48页 |
4.2.1 地图基本操作 | 第46页 |
4.2.2 交通流量预测和出行路径诱导 | 第46-47页 |
4.2.3 预案展示 | 第47-48页 |
4.3 菜单功能展示 | 第48-52页 |
4.3.1 安保态势 | 第48页 |
4.3.2 指挥调度 | 第48-50页 |
4.3.3 设备设施可视化 | 第50页 |
4.3.4 交通组织 | 第50-51页 |
4.3.5 路径导航及交通路线模拟 | 第51页 |
4.3.6 突发事件检测与预案展示 | 第51-52页 |
4.4 本章小结 | 第52-53页 |
第五章 结论与展望 | 第53-54页 |
5.1 论文主要研究结论 | 第53页 |
5.2 进一步研究工作 | 第53-54页 |
致谢 | 第54-55页 |
参考文献 | 第55-56页 |