隧联网结构及智能监控数据分析
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-12页 |
| 第1章 绪论 | 第12-24页 |
| ·选题背景及研究意义 | 第12-14页 |
| ·国内外研究现状和分析 | 第14-21页 |
| ·物联网及其应用分析 | 第14-17页 |
| ·交通信息系统及其应用分析 | 第17-19页 |
| ·数据挖掘与智能方法 | 第19-21页 |
| ·论文的主要研究内容 | 第21-24页 |
| 第2章 隧联网体系结构 | 第24-31页 |
| ·引言 | 第24页 |
| ·隧联网体系结构 | 第24-26页 |
| ·隧联网各功能层及其特性分析 | 第26-29页 |
| ·隧联网感知层 | 第26页 |
| ·隧联网传输转换层 | 第26-27页 |
| ·隧联网数据存储层 | 第27-28页 |
| ·隧联网智能数据分析层 | 第28-29页 |
| ·隧联网应用服务层 | 第29页 |
| ·隧联网体系结构的主要特点 | 第29-30页 |
| ·本章小节 | 第30-31页 |
| 第3章 隧联网数据特性分析与整合 | 第31-49页 |
| ·引言 | 第31页 |
| ·隧联网数据特征与分类 | 第31-33页 |
| ·隧联网数据的异构性 | 第33-35页 |
| ·数据可融合性 | 第35-37页 |
| ·数据的时间粒度特性 | 第37-39页 |
| ·时间粒度 | 第37-38页 |
| ·基本时间模式下的时间粒度 | 第38-39页 |
| ·基于特性分析模式下的时间粒度 | 第39页 |
| ·隧联网的数据集成 | 第39-48页 |
| ·隧联网数据库 | 第39-41页 |
| ·数据集成 | 第41-42页 |
| ·数据字典 | 第42-48页 |
| ·本章小结 | 第48-49页 |
| 第4章 隧联网交通状态规则挖掘算法 | 第49-65页 |
| ·引言 | 第49页 |
| ·隧道交通拥堵等级模型 | 第49-52页 |
| ·隧道交通拥堵分析 | 第49-50页 |
| ·交通拥堵等级分析 | 第50-52页 |
| ·TI-CAR挖掘模型 | 第52-64页 |
| ·隧联网拥堵关联性分析 | 第52-53页 |
| ·TI-CAR挖掘算法 | 第53-55页 |
| ·TI-CAR挖掘算法的实验分析 | 第55-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 隧联网交通数据流预测算法 | 第65-104页 |
| ·引言 | 第65页 |
| ·隧联网数据流 | 第65-71页 |
| ·隧联网的预测分析 | 第71-78页 |
| ·基于隧联网数据的预测 | 第71-74页 |
| ·基于隧联网的预测算法的基本思想 | 第74-75页 |
| ·隧联网的时间序列 | 第75-78页 |
| ·TI-GMDH预测算法 | 第78-87页 |
| ·TI-GMDH预测算法的基本思想 | 第79-80页 |
| ·TI-GMDH预测分析 | 第80-83页 |
| ·TI-GMDH预测算法的实验分析 | 第83-87页 |
| ·TI-LS-SVM预测算法 | 第87-99页 |
| ·TI-LS-SVM预测算法的基本思想 | 第87-88页 |
| ·TI-LS-SVM预测分析 | 第88-92页 |
| ·TI-LS-SVM预测算法的实验分析 | 第92-99页 |
| ·实验结果分析 | 第99-102页 |
| ·本章小结 | 第102-104页 |
| 第6章 总结与展望 | 第104-106页 |
| ·总结 | 第104-105页 |
| ·展望 | 第105-106页 |
| 参考文献 | 第106-113页 |
| 致谢 | 第113-114页 |
| 发表论文和参加科研情况 | 第114页 |
