城市快速路交通流故障数据修复方法研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 目录 | 第8-13页 |
| 1 引言 | 第13-20页 |
| ·论文研究背景与意义 | 第13-14页 |
| ·国内外相关研究现状 | 第14-17页 |
| ·论文研究内容及框架 | 第17-19页 |
| ·论文研究内容 | 第17-18页 |
| ·论文研究框架 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 2 交通流数据时空特性分析 | 第20-35页 |
| ·交通流数据时间相关性分析 | 第20-27页 |
| ·相关性分析理论 | 第21-22页 |
| ·交通流数据自相关性分析 | 第22-23页 |
| ·交通流数据的周相似性 | 第23-27页 |
| ·交通流数据空间聚类分析 | 第27-34页 |
| ·层次聚类分析基本原理 | 第28页 |
| ·层次聚类分析的步骤 | 第28-29页 |
| ·层次聚类分析在交通流数据的应用 | 第29-34页 |
| ·小结 | 第34-35页 |
| 3 交通流故障数据分析 | 第35-60页 |
| ·交通流数据来源及故障数据产生原因 | 第35-38页 |
| ·交通流数据的来源 | 第35-37页 |
| ·故障数据产生原因 | 第37-38页 |
| ·基于平滑估计阈值的故障数据识别分析 | 第38-49页 |
| ·交通流故障数据识别方法 | 第38-41页 |
| ·故障数据识别模型 | 第41-43页 |
| ·实验分析 | 第43-49页 |
| ·基于统计相关分析的故障数据修复分析 | 第49-59页 |
| ·交通流故障数据修复方法 | 第49-53页 |
| ·故障数据修复模型 | 第53-56页 |
| ·实验分析 | 第56-59页 |
| ·小结 | 第59-60页 |
| 4 自适应权重的两阶段故障数据修复组合模型 | 第60-79页 |
| ·故障数据修复组合模型的基本思路 | 第60-62页 |
| ·基于最大熵的交通状态概率分布估计 | 第62-70页 |
| ·断面交通状态的识别 | 第63页 |
| ·最大熵原理 | 第63-66页 |
| ·基于最大熵的交通状态概率分布估计模型 | 第66-67页 |
| ·实验分析 | 第67-70页 |
| ·故障数据修复组合模型 | 第70-77页 |
| ·数据样本分类 | 第70-71页 |
| ·最小二乘支持向量机 | 第71-72页 |
| ·基于最小二乘支持向量机的故障数据修复局部模型 | 第72-73页 |
| ·权重的确定 | 第73-74页 |
| ·实验分析 | 第74-77页 |
| ·本章小结 | 第77-79页 |
| 5 总结与展望 | 第79-81页 |
| ·主要研究结论 | 第79-80页 |
| ·研究展望 | 第80-81页 |
| 参考文献 | 第81-85页 |
| 附录A | 第85-87页 |
| 附录B | 第87-89页 |
| 附录C | 第89-90页 |
| 附录D | 第90-92页 |
| 作者简历 | 第92-94页 |
| 学位论文数据集 | 第94页 |
