基于多维多尺度数据的交通速度预测模型研究
| 致谢 | 第4-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第14-24页 |
| 1.1 研究背景及意义 | 第14-18页 |
| 1.1.1 交通拥堵问题的现状及智能交通发展趋势 | 第14-15页 |
| 1.1.2 多维多尺度数据挖掘 | 第15-18页 |
| 1.2 相关研究及研究现状 | 第18-22页 |
| 1.2.1 时间序列数据相关性建模 | 第18-19页 |
| 1.2.2 交通预测相关研究 | 第19-22页 |
| 1.3 本文工作和章节安排 | 第22-23页 |
| 1.4 本章小结 | 第23-24页 |
| 2 出租车GPS数据分析平台的搭建 | 第24-36页 |
| 2.1 多维数据介绍 | 第24-26页 |
| 2.1.1 交通数据集 | 第24-25页 |
| 2.1.2 天气数据集 | 第25页 |
| 2.1.3 特殊时间数据集 | 第25-26页 |
| 2.2 大数据分布式处理集群的搭建 | 第26-28页 |
| 2.3 数据预处理 | 第28-35页 |
| 2.3.1 交通数据预处理 | 第28-32页 |
| 2.3.2 其他数据预处理 | 第32-35页 |
| 2.4 本章小结 | 第35-36页 |
| 3 数据相关性分析 | 第36-44页 |
| 3.1 交通速度历史数据相关性分析 | 第36-41页 |
| 3.1.1 以小时为周期的交通数据相关性分析 | 第36-38页 |
| 3.1.2 以天为周期的交通数据相关性分析 | 第38-41页 |
| 3.2 其他数据集与交通速度的相关性分析 | 第41-43页 |
| 3.2.1 天气与交通速度的相关性分析 | 第42页 |
| 3.2.2 特殊时间与交通速度的相关性分析 | 第42-43页 |
| 3.3 本章小结 | 第43-44页 |
| 4 基于多维多尺度数据的交通速度动态预测模型 | 第44-64页 |
| 4.1 问题描述 | 第44-45页 |
| 4.2 系统辨识简介 | 第45-47页 |
| 4.3 基于系统辨识的交通速度预测模型 | 第47-50页 |
| 4.3.1 模型的基本结构 | 第47-48页 |
| 4.3.2 模型的阶次和参数 | 第48-49页 |
| 4.3.3 模型的在线辨识 | 第49-50页 |
| 4.4 模型性能评估 | 第50-59页 |
| 4.4.1 数据集设置 | 第50-51页 |
| 4.4.2 评价标准 | 第51页 |
| 4.4.3 模型参数分析 | 第51-53页 |
| 4.4.4 交通速度预测结果 | 第53-54页 |
| 4.4.5 多时间尺度对模型精度的影响 | 第54-56页 |
| 4.4.6 随机因素对模型精度的影响 | 第56-59页 |
| 4.5 用支持向量回归做交通速度预测 | 第59-61页 |
| 4.5.1 支持向量回归方法介绍 | 第59-61页 |
| 4.6 本章小结 | 第61-64页 |
| 5 总结与展望 | 第64-68页 |
| 5.1 本文工作总结 | 第64-65页 |
| 5.2 研究工作展望 | 第65-68页 |
| 参考文献 | 第68-72页 |
| 发表文章目录 | 第72页 |
