| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 课题研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 查询语言可视化 | 第13-14页 |
| 1.2.2 道路交通可视分析 | 第14-16页 |
| 1.2.3 神经网络可视分析 | 第16-17页 |
| 1.3 本文的研究内容 | 第17-18页 |
| 1.4 章节安排 | 第18-20页 |
| 第2章 数据可视分析相关技术 | 第20-32页 |
| 2.1 交通卡口数据存储相关技术 | 第20-24页 |
| 2.1.1 MongoDB 数据库介绍 | 第20-23页 |
| 2.1.2 时空数据索引技术介绍 | 第23-24页 |
| 2.2 交通可视分析相关技术 | 第24-28页 |
| 2.2.1 时间变量可视化 | 第24-25页 |
| 2.2.2 空间变量可视化 | 第25-28页 |
| 2.2.3 多维属性可视化 | 第28页 |
| 2.3 BP神经网络 | 第28-31页 |
| 2.3.1 人工神经元 | 第28-30页 |
| 2.3.2 BP神经网络结构 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于原子交互的可视分析工具设计 | 第32-41页 |
| 3.1 任务分析 | 第32-34页 |
| 3.2 原子交互可视分析设计 | 第34-37页 |
| 3.3 空间可视分析组件介绍 | 第37-39页 |
| 3.4 时间可视分析组件介绍 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于神经网络的交通流量预测可视分析模块设计 | 第41-47页 |
| 4.1 交通流量预测原理 | 第41页 |
| 4.2 交通流量预测神经网络模型 | 第41-42页 |
| 4.3 神经网络可视分析介绍 | 第42-46页 |
| 4.3.1 神经网络可视分析流程 | 第42-43页 |
| 4.3.2 神经网络可视分析工具介绍 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 系统实现与结果分析 | 第47-57页 |
| 5.1 系统总体架构 | 第47-48页 |
| 5.2 数据描述及预处理 | 第48页 |
| 5.3 系统平台实现技术 | 第48-51页 |
| 5.4 系统界面设计及使用案例分析 | 第51-56页 |
| 5.4.1 系统总体界面设计 | 第51-52页 |
| 5.4.2 套牌车案例分析 | 第52-53页 |
| 5.4.3 交通日常规律探索案例分析 | 第53-55页 |
| 5.4.4 交通流量预测案例 | 第55-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间参加的科研项目和成果 | 第64页 |