| 摘要 | 第1-9页 |
| ABSTRACT | 第9-16页 |
| 第1章 绪论 | 第16-31页 |
| ·问题的提出 | 第16-18页 |
| ·论文选题背景 | 第16-17页 |
| ·论文研究意义 | 第17页 |
| ·论文项目来源 | 第17-18页 |
| ·国内外研究综述 | 第18-26页 |
| ·数据分析技术研究发展 | 第18-19页 |
| ·信息提取计算技术发展及现状 | 第19-21页 |
| ·信息处理技术在交通领域的应用现状 | 第21-22页 |
| ·动态交通信息处理概述 | 第22-26页 |
| ·研究框架及主要内容 | 第26-29页 |
| ·研究框架 | 第26-28页 |
| ·研究内容 | 第28-29页 |
| ·研究方法及思路 | 第29页 |
| ·本章小结 | 第29-31页 |
| 第2章 信息提取计算理论 | 第31-46页 |
| ·概述 | 第31-32页 |
| ·基本概念 | 第32-33页 |
| ·所研究基本问题 | 第33页 |
| ·依托基础数学理论 | 第33-42页 |
| ·集合理论 | 第34-39页 |
| ·区间理论 | 第39-42页 |
| ·主要模型理论及算法 | 第42-44页 |
| ·模糊集模型(Fuzzy Set) | 第42-43页 |
| ·粗糙集模型(Rough Set) | 第43页 |
| ·商空间模型(Quotient Space) | 第43-44页 |
| ·研究意义 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第3章 交通信息提取计算理论框架及建模思路 | 第46-56页 |
| ·概述 | 第46页 |
| ·交通信息提取计算理论框架 | 第46-53页 |
| ·交通信息提取计算的基本概念 | 第48页 |
| ·技术框架 | 第48-50页 |
| ·发展策略 | 第50-53页 |
| ·交通信息提取计算建模原则及流程 | 第53-54页 |
| ·模型构建原则 | 第53页 |
| ·一般建模流程 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第4章 基于交通信息提取计算的短时交通流预测 | 第56-75页 |
| ·概述 | 第56-57页 |
| ·粗糙集理论(ROUGH SET THEORY) | 第57-64页 |
| ·基本概念 | 第57-62页 |
| ·粗糙集理论的基本思想及特点 | 第62-63页 |
| ·建立粗糙集模型流程 | 第63-64页 |
| ·构建基于信息提取计算的短时交通流预测模型 | 第64-70页 |
| ·模型输入参数确定 | 第64-66页 |
| ·短时交通流量预测模型的构建 | 第66-67页 |
| ·应用实例 | 第67-70页 |
| ·模型预测时空拓展研究 | 第70-74页 |
| ·模型预测时间延展性研究 | 第70-72页 |
| ·模型预测空间关联性研究 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 第5章 基于交通信息提取计算的交通拥堵识别 | 第75-87页 |
| ·概述 | 第75-76页 |
| ·模糊商空间理论(FUZZY QUOTIENT SPACE) | 第76-78页 |
| ·基本概念 | 第76-77页 |
| ·基本定理 | 第77-78页 |
| ·构建基于信息提取计算的交通拥堵识别模型 | 第78-81页 |
| ·模型基本原理及结构 | 第78-79页 |
| ·构建模型 | 第79-81页 |
| ·应用实例 | 第81-86页 |
| ·数据准备 | 第81-82页 |
| ·模型验证 | 第82-86页 |
| ·本章小结 | 第86-87页 |
| 第6章 基于交通信息提取计算的交通异常数据检测 | 第87-99页 |
| ·概述 | 第87-88页 |
| ·支持向量机(SUPPORT VECTOR MACHINE,SVM) | 第88-93页 |
| ·基本概念 | 第88-90页 |
| ·支持向量机 | 第90-92页 |
| ·最小二乘支持向量机 | 第92-93页 |
| ·基于信息提取计算的交通异常数据检测 | 第93-96页 |
| ·基于粗糙集的交通数据约简 | 第93页 |
| ·相空间重构 | 第93-95页 |
| ·异常数据检测原理及步骤 | 第95-96页 |
| ·实例研究 | 第96-98页 |
| ·结论 | 第98-99页 |
| 结论和展望 | 第99-103页 |
| 致谢 | 第103-105页 |
| 参考文献 | 第105-119页 |
| 攻读硕博连读期间主要研究成果 | 第119-120页 |