| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-19页 |
| 1.1 选题的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-16页 |
| 1.2.1 路侧停车发展现状 | 第9-15页 |
| 1.2.2 大数据分析研究现状 | 第15-16页 |
| 1.3 课题来源 | 第16-17页 |
| 1.4 论文组织结构安排 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 2 基于视频检测技术的路侧停车模式 | 第19-29页 |
| 2.1 视频检测路侧停车模式 | 第19-24页 |
| 2.1.1 基于TMS320DM8127的视频检测器 | 第19-21页 |
| 2.1.2 系统平台软件的设计 | 第21-24页 |
| 2.2 云平台部署拓扑架构 | 第24-25页 |
| 2.3 数据传输链路 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 机器学习技术及相关环境的搭建 | 第29-41页 |
| 3.1 机器学习概述 | 第29-36页 |
| 3.1.1 聚类分析 | 第31-34页 |
| 3.1.2 关联分析 | 第34-36页 |
| 3.2 数据分析与挖掘目标 | 第36-37页 |
| 3.3 环境的部署 | 第37-39页 |
| 3.3.1 数据库的安装与配置 | 第37-38页 |
| 3.3.2 数据分析环境的搭建 | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 4 泊车数据的准备与预处理 | 第41-53页 |
| 4.1 目标数据在数据库中的存储结构 | 第41页 |
| 4.2 数据的提取 | 第41-43页 |
| 4.2.1 SQL简介 | 第41-42页 |
| 4.2.2 泊车数据的提取 | 第42-43页 |
| 4.3 数据探索性分析 | 第43-50页 |
| 4.3.1 缺失值分析 | 第43页 |
| 4.3.2 异常值分析 | 第43-49页 |
| 4.3.3 其它因素 | 第49-50页 |
| 4.4 数据预处理 | 第50-52页 |
| 4.4.1 数据清洗 | 第50-51页 |
| 4.4.2 属性规约 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 5 泊车数据的分析与挖掘 | 第53-83页 |
| 5.1 基于聚类分析的用户价值分群 | 第53-62页 |
| 5.1.1 泊车数据的抽取与属性构造 | 第55-56页 |
| 5.1.2 泊车数据探索分析 | 第56-57页 |
| 5.1.3 泊车数据的清洗与变换 | 第57-59页 |
| 5.1.4 K-Means聚类在FLCPA模型中的应用 | 第59-60页 |
| 5.1.5 用户价值分析 | 第60-62页 |
| 5.2 用户活跃度分析 | 第62-69页 |
| 5.3 泊位周转率分析 | 第69-72页 |
| 5.4 基于关联规则的用户停车行为分析 | 第72-82页 |
| 5.4.1 Apriori算法原理 | 第72-77页 |
| 5.4.2 Apriori算法实现车牌号关联的过程 | 第77-82页 |
| 5.5 本章小结 | 第82-83页 |
| 总结与展望 | 第83-86页 |
| 总结 | 第83-84页 |
| 展望 | 第84-86页 |
| 参考文献 | 第86-90页 |
| 附录 | 第90-92页 |
| 致谢 | 第92-93页 |
| 攻读学位期间发表的学术论文 | 第93-94页 |
