基于数据挖掘技术的城市交通流短时预测研究
| 摘要 | 第5-6页 |
| ABSTRCT | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 数据挖掘技术在交通流短时预测中的应用 | 第14-15页 |
| 1.4 研究内容和技术路线 | 第15-17页 |
| 第二章 城市交通流数据预处理 | 第17-27页 |
| 2.1 交通流数据采集 | 第17-18页 |
| 2.2 交通流故障数据的识别和修复 | 第18-23页 |
| 2.2.1 交通流故障数据识别 | 第19-20页 |
| 2.2.2 交通流故障数据的修复 | 第20-22页 |
| 2.2.3 基于自适应指数平滑的数据滤波处理 | 第22-23页 |
| 2.3 交通流数据预处理实例 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于空间数据挖掘的城市交通流短时预测 | 第27-44页 |
| 3.1 基于系统聚类的空间序列挖掘 | 第27-33页 |
| 3.1.1 系统聚类 | 第27-29页 |
| 3.1.2 区域路网划分实例 | 第29-33页 |
| 3.2 基于支持向量机的交通流短时预测 | 第33-40页 |
| 3.2.1 支持向量机模型 | 第33-35页 |
| 3.2.2 基于支持向量回归机的交通流短时预测 | 第35-37页 |
| 3.2.3 参数选取 | 第37-40页 |
| 3.3 实例分析 | 第40-43页 |
| 3.3.1 预测断面数据选取及模型性能评价指标 | 第40-41页 |
| 3.3.2 预测结果分析 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于时间序列挖掘的城市交通流短时预测 | 第44-54页 |
| 4.1 基于SAGA的模糊C均值聚类算法 | 第44-48页 |
| 4.2 基于时间序列分割的交通流短时预测 | 第48-49页 |
| 4.3 实例分析 | 第49-53页 |
| 4.3.1 数据选取数据选取及评价指标 | 第49-50页 |
| 4.3.2 预测结果分析 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 总结和展望 | 第54-56页 |
| 5.1 课题总结 | 第54-55页 |
| 5.2 研究工作展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61页 |
