| 目录 | 第1-7页 |
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-12页 |
| 第一章 绪论 | 第12-25页 |
| ·研究背景 | 第12-15页 |
| ·数据挖掘技术 | 第12-13页 |
| ·道路交通流数据分析 | 第13-14页 |
| ·本文的研究目标 | 第14-15页 |
| ·交通流分析相关研究 | 第15-21页 |
| ·交通流理论模型研究 | 第16-17页 |
| ·交通流传统时间序列分析方法 | 第17页 |
| ·交通流的时间序列挖掘方法 | 第17-21页 |
| ·现有分析方法的不足 | 第21-22页 |
| ·本文研究内容和成果 | 第22-23页 |
| ·本文的组织 | 第23-25页 |
| 第二章 交通流数据的异常检测 | 第25-34页 |
| ·异常检测相关研究 | 第25-26页 |
| ·交通流特性间关系模型 | 第26-28页 |
| ·基于曲线拟合的交通流异常检测 | 第28-32页 |
| ·曲线拟合的最小二乘法 | 第28-29页 |
| ·流量—占有率关系曲线拟合 | 第29-30页 |
| ·异常检测 | 第30-32页 |
| ·交通流异常数据的修正 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 路网交通流的空间聚类分析 | 第34-48页 |
| ·问题描述及研究意义 | 第34-36页 |
| ·交通流的空间聚类 | 第34-35页 |
| ·交通流空间聚类分析的研究意义 | 第35-36页 |
| ·交通流空间聚类分析的形式化描述 | 第36-38页 |
| ·基本定义 | 第36页 |
| ·聚类标准 | 第36-38页 |
| ·相关研究 | 第38-39页 |
| ·聚类算法ESCA-TF | 第39-43页 |
| ·算法基本思想 | 第39页 |
| ·类的内聚度约束 | 第39-40页 |
| ·类的合并和分裂 | 第40-41页 |
| ·具体算法 | 第41-43页 |
| ·实验及分析 | 第43-47页 |
| ·交通流数据对象的相似性 | 第43-44页 |
| ·算法的效率及分析 | 第44-46页 |
| ·算法的聚类结果分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 交通流状态识别和预测 | 第48-65页 |
| ·路口短时交通流量预测 | 第48-50页 |
| ·介绍 | 第48-49页 |
| ·相关研究 | 第49-50页 |
| ·BP神经网络预测模型 | 第50-52页 |
| ·BP神经网络 | 第50-52页 |
| ·网络结构定义 | 第52页 |
| ·基于相关性分析的交通流量预测 | 第52-56页 |
| ·流量序列的相关性与关联性 | 第52-53页 |
| ·相关序列选择 | 第53-55页 |
| ·利用相关性分析预测 | 第55-56页 |
| ·基于序列分割的交通流量预测 | 第56-59页 |
| ·基于流量聚类的时间段分割 | 第56-57页 |
| ·时间段分割实验 | 第57-58页 |
| ·基于BP神经网络及流量序列分割的交通流量预测 | 第58-59页 |
| ·基于聚类分析的交通流状态识别 | 第59-63页 |
| ·相关研究 | 第59-60页 |
| ·基于聚类分析的交通状态识别模型 | 第60-61页 |
| ·实验及分析 | 第61-63页 |
| ·本章小结 | 第63-65页 |
| 第五章 道路网络上移动对象的SKYLINE连续查询 | 第65-81页 |
| ·问题描述 | 第65-67页 |
| ·Skyline查询 | 第65-66页 |
| ·道路网络上的Skyline连续查询 | 第66-67页 |
| ·形式化定义 | 第67页 |
| ·相关研究 | 第67-69页 |
| ·基于网络结构的独立SKYLINE查询 | 第69-72页 |
| ·网络距离 | 第69-70页 |
| ·RNASQ算法 | 第70-72页 |
| ·SKYLINE连续查询 | 第72-78页 |
| ·算法基础 | 第73-74页 |
| ·连续分段的分割 | 第74-76页 |
| ·RNCSQ算法 | 第76-78页 |
| ·实验及分析 | 第78-80页 |
| ·RNASQ算法效率分析 | 第78-79页 |
| ·RNCSQ算法分析 | 第79-80页 |
| ·本章小结 | 第80-81页 |
| 第六章 ITS的数据挖掘原型系统 | 第81-94页 |
| ·数据挖掘系统 | 第81-83页 |
| ·相关研究 | 第81-83页 |
| ·数据挖掘系统的特点 | 第83页 |
| ·可扩展的数据挖掘应用平台体系结构 | 第83-87页 |
| ·数据层 | 第84-85页 |
| ·算法工具层 | 第85页 |
| ·分析逻辑层 | 第85-86页 |
| ·应用系统层 | 第86页 |
| ·多层体系结构的特点 | 第86-87页 |
| ·城市交通数据挖掘系统—UTDD | 第87-92页 |
| ·基于Web Service的体系结构 | 第88-89页 |
| ·流程建模语言DMAPML | 第89-90页 |
| ·交通任务数据挖掘模型库 | 第90-92页 |
| ·本章小结 | 第92-94页 |
| 第七章 总结与展望 | 第94-96页 |
| 参考文献 | 第96-104页 |
| 攻读学位期间作者的工作成果 | 第104-105页 |
| 致谢 | 第105-106页 |