路口交通数据的分析与挖掘研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-11页 |
| 1.1.1 关于交通拥堵 | 第9页 |
| 1.1.2 交通拥堵国内现状 | 第9-10页 |
| 1.1.3 交通拥堵国外现状 | 第10-11页 |
| 1.2 智能交通系统的研究内容及现状 | 第11-14页 |
| 1.2.1 ITS研究的内容 | 第11-12页 |
| 1.2.2 ITS国内发展现状 | 第12-13页 |
| 1.2.3 ITS国外发展现状 | 第13-14页 |
| 1.3 研究目的和意义 | 第14页 |
| 1.4 本章小结 | 第14-15页 |
| 第二章 交通流分析预测相关理论概述 | 第15-22页 |
| 2.1 交通流与交通流预测 | 第15-17页 |
| 2.1.1 交通流基础介绍 | 第15-16页 |
| 2.1.2 交通流预测介绍 | 第16-17页 |
| 2.2 机器学习与预测模型介绍 | 第17-19页 |
| 2.2.1 机器学习概述 | 第17-18页 |
| 2.2.2 预测模型概述 | 第18-19页 |
| 2.3 交通流预测常用模型 | 第19-20页 |
| 2.3.1 传统多元线性回归模型 | 第19页 |
| 2.3.2 灰色多元线性回归模型 | 第19-20页 |
| 2.4 数据可视化理论 | 第20-21页 |
| 2.4.1 可视化介绍 | 第20页 |
| 2.4.2 数据可视化方法 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 路口交通数据分析系统 | 第22-29页 |
| 3.1 系统功能 | 第22-23页 |
| 3.1.1 系统功能设计 | 第22页 |
| 3.1.2 功能实现 | 第22-23页 |
| 3.2 程序架构 | 第23-26页 |
| 3.2.1 系统开发环境 | 第23页 |
| 3.2.2 数据来源 | 第23-25页 |
| 3.2.3 数据库设计 | 第25-26页 |
| 3.3 数据预处理 | 第26-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第四章 基于多元线性回归模型的短时交通流预测 | 第29-41页 |
| 4.1 建立模型 | 第29-32页 |
| 4.2 模型检测标准 | 第32页 |
| 4.3 实验结果分析 | 第32-40页 |
| 4.3.1 结果标准分析 | 第32-38页 |
| 4.3.2 分段分析验证 | 第38-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 基于灰色多元线性回归的路口短时交通流预测 | 第41-46页 |
| 5.1 灰色多元线性回归模型建立步骤 | 第41页 |
| 5.2 模型建立与结果分析 | 第41-45页 |
| 5.2.1 模型建立 | 第41-43页 |
| 5.2.2 结果分析 | 第43-45页 |
| 5.3 本章小结 | 第45-46页 |
| 第六章 路口流量分析与可视化 | 第46-57页 |
| 6.1 数据基础分析 | 第46-48页 |
| 6.2 数据对比分析 | 第48-50页 |
| 6.3 单路口车流量分布可视化 | 第50-54页 |
| 6.3.1 单方向车流量展示 | 第50-52页 |
| 6.3.2 多方向车流量展示 | 第52-54页 |
| 6.4 单路口多方向车流量可视化 | 第54-56页 |
| 6.4.1 多方向基础车流量可视化 | 第54-55页 |
| 6.4.2 多方向固定车流量可视化 | 第55-56页 |
| 6.5 本章总结 | 第56-57页 |
| 第七章 研究总结与展望 | 第57-59页 |
| 7.1 研究总结 | 第57页 |
| 7.2 研究展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 在校期间的研究成果 | 第62-63页 |
| 致谢 | 第63页 |
