大数据环境下基于共性交通态势寻觅短时流量预测研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 课题来源 | 第12页 |
| 1.2 选题的背景 | 第12-14页 |
| 1.2.1 城市拥堵现状 | 第12-13页 |
| 1.2.2 交通大数据时代来临 | 第13-14页 |
| 1.2.3 主动控制方式兴起 | 第14页 |
| 1.3 研究的目的和意义 | 第14-15页 |
| 1.4 主要研究内容及组织结构 | 第15-17页 |
| 1.4.1 主要研究内容 | 第15-16页 |
| 1.4.2 组织结构 | 第16-17页 |
| 1.5 研究方法及技术路线 | 第17-19页 |
| 1.5.1 研究方法 | 第17-18页 |
| 1.5.2 技术路线 | 第18-19页 |
| 第二章 国内外研究综述 | 第19-30页 |
| 2.1 预测基本概念 | 第19-21页 |
| 2.1.1 流量预测基本种类 | 第19-20页 |
| 2.1.2 短时流量预测基本流程与要求 | 第20-21页 |
| 2.2 短时流量预测研究现状 | 第21-26页 |
| 2.2.1 基于线性系统理论方法 | 第23-24页 |
| 2.2.2 基于非线性系统理论 | 第24-25页 |
| 2.2.3 基于知识发现的智能预测方法 | 第25-26页 |
| 2.2.4 基于组合模型预测方法 | 第26页 |
| 2.3 研究热点与面临的挑战 | 第26-29页 |
| 2.3.1 研究热点 | 第26-28页 |
| 2.3.2 短时流量预测面临的挑战 | 第28-29页 |
| 2.3.3 国内外研究综述小结 | 第29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 交通大数据环境与分析处理 | 第30-46页 |
| 3.1 交通数据环境特征 | 第30-32页 |
| 3.1.1 传统交通数据环境特征 | 第30-31页 |
| 3.1.2 交通大数据环境特征 | 第31-32页 |
| 3.2 交通大数据系统 | 第32-36页 |
| 3.2.1 交通信息采集 | 第32-33页 |
| 3.2.2 交通大数据系统体系框架 | 第33-35页 |
| 3.2.3 大数据环境下预测的优势 | 第35页 |
| 3.2.4 大数据环境下预测的挑战 | 第35-36页 |
| 3.3 交通流数据预处理 | 第36-45页 |
| 3.3.1 交通流基本特征参数 | 第36-37页 |
| 3.3.2 交通流异常数据种类 | 第37-41页 |
| 3.3.3 交通异常数据处理方法 | 第41-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于共性交通态势寻觅预测模型 | 第46-62页 |
| 4.1 交通环境与交通态势 | 第46-55页 |
| 4.1.1 交通环境 | 第46-47页 |
| 4.1.2 交通态势概念 | 第47页 |
| 4.1.3 相似的交通态势 | 第47-55页 |
| 4.1.4 预测思路 | 第55页 |
| 4.2 分类算法K-NN邻近法简介 | 第55-58页 |
| 4.2.1 K-NN算法基本原理 | 第55-56页 |
| 4.2.2 KNN算法的一般步骤 | 第56-57页 |
| 4.2.3 KNN算法的核心 | 第57-58页 |
| 4.3 预测模型构建 | 第58-61页 |
| 4.3.1 算法术语定义 | 第58-59页 |
| 4.3.2 算法预测步骤 | 第59-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 基于向量间距融合及相似性判别预测模型 | 第62-82页 |
| 5.1 预测框架与流程 | 第62-63页 |
| 5.1.1 预测框架 | 第62页 |
| 5.1.2 预测关键技术与难点 | 第62-63页 |
| 5.2 历史交通态势数据库构建 | 第63-68页 |
| 5.2.1 层次聚类法简介及计算 | 第63-67页 |
| 5.2.2 断面数据库聚类 | 第67-68页 |
| 5.3 基于向量间距融合的相似度量机制 | 第68-76页 |
| 5.3.1 单一欧式距离的局限性 | 第68-69页 |
| 5.3.2 夹角余弦距离 | 第69-72页 |
| 5.3.3 融合距离物理意义 | 第72-73页 |
| 5.3.4 融合距离计算方式 | 第73-76页 |
| 5.4 预测值组合函数 | 第76-78页 |
| 5.4.1 组合函数类别 | 第76-77页 |
| 5.4.2 不同组合函数预测效果 | 第77-78页 |
| 5.5 最优参数选取研究 | 第78-81页 |
| 5.5.1 不同组合对误差的影响 | 第78-80页 |
| 5.5.2 最优参数值获取 | 第80-81页 |
| 5.6 本章小结 | 第81-82页 |
| 第六章 短时流量预测实证性研究 | 第82-108页 |
| 6.1 数据来源及数据准备 | 第82-87页 |
| 6.1.1 数据来源 | 第82-86页 |
| 6.1.2 预测数据准备 | 第86-87页 |
| 6.2 预测实验路段 | 第87-91页 |
| 6.2.1 研究区域交通路网概述 | 第87-89页 |
| 6.2.2 预测实验路段选取 | 第89-90页 |
| 6.2.3 预测评价指标 | 第90-91页 |
| 6.3 基于共性交通态势寻觅模型实证性研究 | 第91-95页 |
| 6.3.1 预测结果分析 | 第91-95页 |
| 6.4 基于向量间距融合及相似性判别实证 | 第95-104页 |
| 6.4.1 数据库构建 | 第95-97页 |
| 6.4.2 预测结果分析 | 第97-100页 |
| 6.4.3 可移植性研究 | 第100-104页 |
| 6.5 多种预测方法预测结果对比分析 | 第104-106页 |
| 6.6 本章小结 | 第106-108页 |
| 第七章 总结与展望 | 第108-110页 |
| 7.1 总结 | 第108-109页 |
| 7.1.1 主要结论 | 第108-109页 |
| 7.1.2 论文创新点 | 第109页 |
| 7.2 展望 | 第109-110页 |
| 致谢 | 第110-112页 |
| 参考文献 | 第112-116页 |
| 在学期间发表的论文和取得的学术成果 | 第116页 |
