基于数据挖掘技术的高速公路交通流预测分析研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11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 研究内容 | 第14-16页 |
| 第二章 高速公路联网收费管理系统 | 第16-28页 |
| 2.1 高速公路背景介绍 | 第16-17页 |
| 2.2 高速公路交通管理 | 第17-19页 |
| 2.3 高速公路联网收费系统简介 | 第19-24页 |
| 2.3.1 高速公路收费管理的内容 | 第19-20页 |
| 2.3.2 高速公路收费制式 | 第20-23页 |
| 2.3.3 高速公路联网收费系统结构 | 第23-24页 |
| 2.4 交通流数据采集技术 | 第24-26页 |
| 2.5 高速公路交通流特性分析 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 数据挖掘在高速公路数据分析中的应用 | 第28-42页 |
| 3.1 数据挖掘内容 | 第28-30页 |
| 3.1.1 数据挖掘概念 | 第28-29页 |
| 3.1.2 数据挖掘过程 | 第29-30页 |
| 3.1.3 数据挖掘与传统分析方法的区别 | 第30页 |
| 3.2 高速公路收费站数据分析 | 第30-35页 |
| 3.2.1 数据准备 | 第31-35页 |
| 3.2.2 数据挖掘 | 第35页 |
| 3.2.3 结果表达和解释 | 第35页 |
| 3.3 数据挖掘方法和技术 | 第35-37页 |
| 3.3.1 遗传算法 | 第35-36页 |
| 3.3.2 神经网络方法 | 第36页 |
| 3.3.3 聚类分析方法 | 第36页 |
| 3.3.4 模糊集理论方法 | 第36-37页 |
| 3.4 高速公路短时交通量预测方法分析 | 第37-41页 |
| 3.4.1 非参数回归预测法 | 第37-38页 |
| 3.4.2 时间序列预测法 | 第38-39页 |
| 3.4.3 神经网络模型 | 第39-40页 |
| 3.4.4 灰色理论预测法 | 第40-41页 |
| 3.4.5 多模型组合预测法 | 第41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 高速公路 OD 估计模型及算法 | 第42-60页 |
| 4.1 联网收费数据处理 | 第42-46页 |
| 4.1.1 路网数据 | 第42-43页 |
| 4.1.2 收费数据 | 第43-46页 |
| 4.2 问题描述及变量定义 | 第46-50页 |
| 4.2.1 问题描述 | 第46-48页 |
| 4.2.2 变量定义 | 第48-50页 |
| 4.3 算法设计 | 第50-54页 |
| 4.3.1 车辆去向比例规律 | 第51-53页 |
| 4.3.2 路段交通量预测 | 第53-54页 |
| 4.4 实例验证 | 第54-56页 |
| 4.5 预测结果分析 | 第56-58页 |
| 4.6 本章小结 | 第58-60页 |
| 第五章 结论与展望 | 第60-62页 |
| 5.1 主要结论 | 第60页 |
| 5.2 不足与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第66页 |
