数据挖掘技术在智慧交通中的应用
摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-16页 |
1.1 研究背景 | 第11-12页 |
1.2 研究目的及意义 | 第12页 |
1.3 国内外研究现状 | 第12-14页 |
1.4 主要研究内容 | 第14页 |
1.5 论文组织结构 | 第14-16页 |
第二章 相关理论基础 | 第16-29页 |
2.1 智慧交通及相关理论 | 第16-20页 |
2.1.1 智慧城市与智慧交通 | 第16-17页 |
2.1.2 智慧交通相关技术 | 第17-20页 |
2.1.2.1 GPS定位技术 | 第18-19页 |
2.1.2.2 无线通信技术 | 第19页 |
2.1.2.3 GIS-PT公交地理信息技术 | 第19-20页 |
2.2 常用的数据挖掘及其相关技术 | 第20-26页 |
2.2.1 传统统计分析 | 第20-21页 |
2.2.1.1 大数据分析 | 第21页 |
2.2.1.2 最短路径算法 | 第21页 |
2.2.1.3 轨迹数据挖掘 | 第21页 |
2.2.2 BP神经网络模型理论 | 第21-26页 |
2.2.2.1 人工神经网络的基本理论 | 第22页 |
2.2.2.2 神经元模型 | 第22-23页 |
2.2.2.3 人工神经元的传递函数 | 第23-25页 |
2.2.2.4 BP人工神经网络模型结构 | 第25-26页 |
2.3 现有交通流预测方法 | 第26-28页 |
2.3.1 基于线性系统理论预测方法 | 第26-27页 |
2.3.2 基于知识发现的智能模型预测方法 | 第27-28页 |
2.4 本章小结 | 第28-29页 |
第三章 公交流运行状态的预测需求分析 | 第29-38页 |
3.1 总体分析 | 第29页 |
3.2 交通流特征分析 | 第29-31页 |
3.3 城市交通流预测的限制和要求 | 第31-32页 |
3.4 公交流预测的可行性验证 | 第32-37页 |
3.4.1 不同路段交通流相关性分析 | 第32页 |
3.4.2 神经网络预测的可行性分析 | 第32-36页 |
3.4.3 公交流和交通流预测方法的异同 | 第36-37页 |
3.5 本章小结 | 第37-38页 |
第四章 基于公交流运行状态神经网络的预测方法 | 第38-47页 |
4.1 信息采集方法 | 第38-40页 |
4.1.1 公交流及运行区域确定 | 第38-39页 |
4.1.2 信息采集内容 | 第39-40页 |
4.2 基于BP网络模型设计 | 第40-45页 |
4.2.1 模型建立及参数设置 | 第41-42页 |
4.2.2 算法设计 | 第42-43页 |
4.2.3 数据归一化 | 第43-44页 |
4.2.4 参数分析 | 第44页 |
4.2.4.1 网络层数 | 第44页 |
4.2.4.2 隐含层节点数 | 第44页 |
4.2.4.3 初始权值和阀值 | 第44页 |
4.2.5 学习速率 | 第44-45页 |
4.2.6 训练与测试 | 第45页 |
4.3 预测流程设计 | 第45-46页 |
4.4 本章小结 | 第46-47页 |
第五章 应用案例实验结果与分析 | 第47-71页 |
5.1 应用案例概况 | 第47页 |
5.2 案例数据准备 | 第47-55页 |
5.3 模型建立及参数设置 | 第55-64页 |
5.3.1 模型预测的具体算法 | 第55-56页 |
5.3.2 数据归一化 | 第56-60页 |
5.3.3 网络结构设计 | 第60-62页 |
5.3.3.1 神经元转移函数的设计 | 第60-61页 |
5.3.3.2 输入层和输出层的设计 | 第61页 |
5.3.3.3 隐含层的设计 | 第61-62页 |
5.3.4 权值和阀值初始化 | 第62页 |
5.3.5 网络模型训练 | 第62页 |
5.3.6 网络模型的确定 | 第62-63页 |
5.3.7 网络模型测试 | 第63-64页 |
5.4 预测结果及分析 | 第64-70页 |
5.4.1 分析指标 | 第64页 |
5.4.2 评价结果分析 | 第64-70页 |
5.5 本章小结 | 第70-71页 |
第六章 总结与展望 | 第71-73页 |
6.1 主要结论 | 第71-72页 |
6.2 研究展望 | 第72-73页 |
致谢 | 第73-74页 |
参考文献 | 第74-77页 |