时间序列挖掘在城市道路安全中的研究与应用
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-19页 |
| ·项目背景与研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-16页 |
| ·时间序列挖掘的研究现状 | 第11-14页 |
| ·基于数据挖掘技术的智能交通研究现状 | 第14-16页 |
| ·城市道路安全分析的研究现状 | 第16页 |
| ·论文的主要工作 | 第16-17页 |
| ·论文的组织结构 | 第17-19页 |
| 第2章 时间序列挖掘技术的研究与应用 | 第19-40页 |
| ·时间序列挖掘的基本过程 | 第19-20页 |
| ·时间序列挖掘的预处理过程 | 第20-21页 |
| ·时间序列挖掘技术 | 第21-38页 |
| ·时间序列的分类 | 第21-24页 |
| ·时间序列的聚类 | 第24-28页 |
| ·时间序列的相似性搜索 | 第28-32页 |
| ·时间序列的分割与模式发现 | 第32-35页 |
| ·时间序列的预测 | 第35-38页 |
| ·本章小结 | 第38-40页 |
| 第3章 交通数据预处理及相似性度量方法的选择 | 第40-65页 |
| ·相关数据来源 | 第40-41页 |
| ·数据特征分析及正态分布性验证 | 第41-47页 |
| ·直方图法 | 第43-44页 |
| ·箱图法 | 第44-45页 |
| ·CDF 图法 | 第45-46页 |
| ·Q-Q 图法 | 第46-47页 |
| ·数据的提取与处理过程 | 第47-49页 |
| ·异常数据处理 | 第47页 |
| ·交通流量数据的时变图生成 | 第47-49页 |
| ·相似性度量方法选择 | 第49-56页 |
| ·方法概述 | 第49-53页 |
| ·验证实验设计 | 第53-56页 |
| ·验证实验结果分析 | 第56-64页 |
| ·小型数据集验证 | 第56-58页 |
| ·中小型数据集验证 | 第58-60页 |
| ·中大型数据集验证 | 第60-62页 |
| ·大型数据集验证 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第4章 基于相似性的域内交通流量模式发现 | 第65-80页 |
| ·问题提出 | 第65-66页 |
| ·基于改进下界函数相似性搜索的发现方法 | 第66-72页 |
| ·序列归一化处理 | 第68-69页 |
| ·下界函数 | 第69-71页 |
| ·角色互换 | 第71页 |
| ·构建新的下界函数方法 | 第71-72页 |
| ·域内交通流量特定模式发现实验 | 第72-75页 |
| ·基于改进下界函数聚类技术的发现方法 | 第75-77页 |
| ·初始邻近性距离矩阵的计算 | 第76页 |
| ·簇合并邻近度更新函数的选择 | 第76-77页 |
| ·域内交通流量周期模式发现实验 | 第77-79页 |
| ·本章小结 | 第79-80页 |
| 第5章 特定车辆潜在群体的发现及行驶轨迹预测 | 第80-95页 |
| ·问题提出 | 第80-81页 |
| ·时序数据关联分析与预测方法的研究 | 第81-84页 |
| ·关联分析 | 第81-83页 |
| ·预测方法 | 第83-84页 |
| ·特定车辆潜在群体行驶轨迹预测方法设计 | 第84-90页 |
| ·特定车辆潜在群体搜索及名单更新 | 第86-88页 |
| ·预测实现 | 第88-90页 |
| ·特定车辆潜在群体行驶轨迹预测方法实现 | 第90-94页 |
| ·问题的形式化描述 | 第90-93页 |
| ·实验结果分析 | 第93-94页 |
| ·本章小结 | 第94-95页 |
| 第6章 城市道路安全分析系统的设计与实现 | 第95-104页 |
| ·系统设计 | 第95-99页 |
| ·系统的开发环境 | 第95-96页 |
| ·系统的功能模块设计 | 第96-97页 |
| ·系统的架构设计 | 第97-99页 |
| ·系统实现 | 第99-103页 |
| ·相关模块的功能实现 | 第99-101页 |
| ·界面的设计实现 | 第101页 |
| ·相关模块的展示 | 第101-103页 |
| ·本章小结 | 第103-104页 |
| 第7章 总结与展望 | 第104-106页 |
| ·总结 | 第104-105页 |
| ·展望 | 第105-106页 |
| 参考文献 | 第106-111页 |
| 在学期间发表的学术论文与研究成果 | 第111-112页 |
| 致谢 | 第112页 |
