基于机器学习的骨干路网交通状态预测及可视化方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 本文研究背景及其意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 交通状态预测 | 第11-12页 |
| 1.2.2 交通状态可视化 | 第12-13页 |
| 1.3 本文主要研究工作与论文组织 | 第13-16页 |
| 第2章 基于交通路况数据的数据处理及特征提取 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 实时路况交通数据清洗 | 第16-19页 |
| 2.2.1 实时路况交通数据质量分析 | 第16-18页 |
| 2.2.2 实时路况交通数据清洗方案 | 第18-19页 |
| 2.3 骨干路网提取 | 第19-21页 |
| 2.4 基于拓扑路网的特征提取 | 第21-25页 |
| 2.4.1 构建北京市路网的拓扑连接 | 第21-23页 |
| 2.4.2 面向交通状态短时预测的特征提取 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 构建路网交通状态预测组合模型 | 第26-40页 |
| 3.1 引言 | 第26页 |
| 3.2 交通状态等级划分方法 | 第26-28页 |
| 3.3 特征相关性分析及降维 | 第28-30页 |
| 3.4 短时交通状态预测的单模型构建 | 第30-35页 |
| 3.4.1 短时交通状态预测的分类算法 | 第30-34页 |
| 3.4.2 单路段模型分析 | 第34-35页 |
| 3.5 短时交通状态预测组合模型构建与结果分析 | 第35-39页 |
| 3.5.1 交通状态短时预测的组合模型构建方法 | 第36-37页 |
| 3.5.2 交通状态短时预测结果分析 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 交通状态预测可视化 | 第40-50页 |
| 4.1 引言 | 第40-41页 |
| 4.2 交通数据可视化研究方法总结 | 第41-43页 |
| 4.3 交通状态二维可视化 | 第43-48页 |
| 4.4 交通状态三维可视化 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 总结与展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间所取得的研究成果 | 第56-58页 |
| 致谢 | 第58页 |
