| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 引言 | 第10-14页 |
| 1.1 论文的背景和意义 | 第10页 |
| 1.2 国内数据挖掘在交通方面研究现状的说明 | 第10-11页 |
| 1.3 论文研究的主要内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第二章 高速公路联网收费系统架构模型及逃费作弊手段分析 | 第14-22页 |
| 2.1 高速公路联网收费系统架构模型及数据流程分析 | 第14-18页 |
| 2.1.1 全省高速公路联网收费机构框架 | 第14-15页 |
| 2.1.2 省营运中心收费系统逻辑架构分析 | 第15-17页 |
| 2.1.3 省营运中心收费系统数据流程分析 | 第17-18页 |
| 2.2 高速公路营运单位逃费形式分析研究 | 第18-20页 |
| 2.2.1 倒卡逃费 | 第18-19页 |
| 2.2.2 换卡逃费 | 第19页 |
| 2.2.3 换车牌逃费 | 第19页 |
| 2.2.4 车身分离逃费 | 第19-20页 |
| 2.2.5 其他逃费方式 | 第20页 |
| 2.3 防逃费原理措施 | 第20-22页 |
| 第三章 解决防逃费主要技术 | 第22-33页 |
| 3.1 高速公路防逃费技术的引入 | 第22页 |
| 3.2 数据仓库 | 第22-26页 |
| 3.2.1 数据仓库的定义及特点 | 第22-23页 |
| 3.2.2 数据仓库的体系结构 | 第23-24页 |
| 3.2.3 数据仓库的物理存储样式 | 第24-25页 |
| 3.2.4 数据预处理技术 | 第25-26页 |
| 3.3 联机分析处理技术 | 第26-27页 |
| 3.4 数据挖掘 | 第27-29页 |
| 3.4.1 数据挖掘的概念 | 第27-28页 |
| 3.4.2 数据仓库和数据挖掘的关系 | 第28页 |
| 3.4.3 数据挖掘的功能 | 第28-29页 |
| 3.4.4 数据挖掘的过程 | 第29页 |
| 3.5 SQL Server 2008 数据挖掘模型及相关算法 | 第29-33页 |
| 3.5.1 决策树模型 | 第29-30页 |
| 3.5.2 贝叶斯模型 | 第30页 |
| 3.5.3 关联规则模型 | 第30页 |
| 3.5.4 聚类分析模型 | 第30页 |
| 3.5.5 顺序分析和聚类分析模型 | 第30-31页 |
| 3.5.6 线性回归模型 | 第31页 |
| 3.5.7 逻辑回归模型 | 第31页 |
| 3.5.8 神经网络模型 | 第31-32页 |
| 3.5.9 时序模型 | 第32-33页 |
| 第四章 需求分析和总体设计 | 第33-41页 |
| 4.1 需求分析 | 第33-35页 |
| 4.1.1 概述 | 第33页 |
| 4.1.2 问题的提出和实际研究基础 | 第33-34页 |
| 4.1.3 具体需求 | 第34页 |
| 4.1.4 挖掘分析主题 | 第34-35页 |
| 4.2 系统总体设计 | 第35-41页 |
| 4.2.1 系统整体结构 | 第35-36页 |
| 4.2.2 数据流程图 | 第36-37页 |
| 4.2.3 数据字典 | 第37-39页 |
| 4.2.4 体系功能设计 | 第39-41页 |
| 第五章 数据仓库设计和多维数据分析 | 第41-51页 |
| 5.1 数据预处理 | 第41-42页 |
| 5.1.1 高速公路收费数据特性 | 第41页 |
| 5.1.2 数据 ETL 过程 | 第41-42页 |
| 5.2 数据仓库的设计与建立 | 第42-48页 |
| 5.2.1 事实表和维度表结构的设计 | 第42-44页 |
| 5.2.2 维度的分层设计 | 第44页 |
| 5.2.3 多维度建模的实现 | 第44-48页 |
| 5.3 相关多维数据分析实现 | 第48-51页 |
| 5.3.1 入口收费站属性分析 | 第48页 |
| 5.3.2 车型属性分析 | 第48-49页 |
| 5.3.3 车种属性分析 | 第49页 |
| 5.3.4 路段属性分析 | 第49页 |
| 5.3.5 时间属性分析 | 第49-51页 |
| 第六章 收费数据挖掘设计与实现 | 第51-67页 |
| 6.1 出\入站关联规则挖掘的设计与实现 | 第51-54页 |
| 6.1.1 挖掘目标 | 第51页 |
| 6.1.2 选择属性 | 第51页 |
| 6.1.3 关联规则挖掘 | 第51-54页 |
| 6.2 数据挖掘防逃费模型设计与实现 | 第54-67页 |
| 6.2.1 利用时序算法对交通流量预测算法解释 | 第54-56页 |
| 6.2.2 时序算法对交通流量预测的实现 | 第56-61页 |
| 6.2.3 利用线性回归预测算法对通行费的预测 | 第61-64页 |
| 6.2.4 基于欧式距离孤立点的数据挖掘异常收费数据 | 第64-67页 |
| 第七章 数据挖掘结果展现 | 第67-72页 |
| 7.1 数据挖掘结果展现 | 第67-68页 |
| 7.2 逃费行为按路段、逃费类型整体展示 | 第68-69页 |
| 7.3 逃费行为按倒卡类型展示 | 第69-72页 |
| 第八章 总结和展望 | 第72-74页 |
| 8.1 本文的主要工作总结 | 第72-73页 |
| 8.2 未来研究的展望 | 第73-74页 |
| 参考文献 | 第74-76页 |
| 致谢 | 第76-77页 |
| 附件 | 第77页 |
