高速公路联网大数据的分析与应用研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究问题及意义 | 第10-12页 |
| 1.2.1 高速联网大数据分析内容的组织与管理 | 第10-11页 |
| 1.2.2 联网站点短时流量预测 | 第11-12页 |
| 1.3 研究内容及论文组织结构 | 第12-13页 |
| 第二章 相关工作分析 | 第13-19页 |
| 2.1 高速联网大数据多维分析相关工作 | 第13-14页 |
| 2.2 短时流量预测相关工作 | 第14-16页 |
| 2.3 大数据处理相关技术介绍 | 第16-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 高速公路联网大数据多维分析 | 第19-33页 |
| 3.1 引言 | 第19页 |
| 3.2 高速大数据多维分析体系 | 第19-23页 |
| 3.3 高速大数据分析及可视化系统 | 第23-25页 |
| 3.3.1 系统架构 | 第23-25页 |
| 3.3.2 技术路线 | 第25页 |
| 3.4 高速大数据分析过程 | 第25-32页 |
| 3.4.1 数据预处理 | 第25-27页 |
| 3.4.2 数据存储与管理 | 第27-28页 |
| 3.4.3 数据计算 | 第28-30页 |
| 3.4.4 可视化展示 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 基于时空相关性的高速公路短时流量预测模型 | 第33-44页 |
| 4.1 引言 | 第33页 |
| 4.2 总体预测方案 | 第33-34页 |
| 4.3 交通流量的时空分析 | 第34-42页 |
| 4.3.1 时空相关性分析 | 第34-38页 |
| 4.3.2 时空特征提取 | 第38-40页 |
| 4.3.3 时空分析算法 | 第40-42页 |
| 4.4 基于支持向量机的交通流量预测模型 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 实验与应用 | 第44-55页 |
| 5.1 短时流量预测实验与分析 | 第44-49页 |
| 5.1.1 实验环境与数据准备 | 第44页 |
| 5.1.2 评价指标 | 第44-45页 |
| 5.1.3 实验结果及分析 | 第45-49页 |
| 5.2 多维分析与流量预测应用 | 第49-54页 |
| 5.2.1 系统需求 | 第49页 |
| 5.2.2 系统实现 | 第49-54页 |
| 5.3 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-56页 |
| 6.1 研究总结 | 第55页 |
| 6.2 研究展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 在学期间的研究成果 | 第58-59页 |
| 致谢 | 第59页 |
