| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状综述 | 第10-11页 |
| 1.2.1 国外研究状况 | 第10页 |
| 1.2.2 国内研究状况 | 第10-11页 |
| 1.3 本文研究内容及结构 | 第11-13页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 本文结构 | 第12页 |
| 1.3.3 论文的主要创新点 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第2章 道路交通预测模型简介 | 第14-24页 |
| 2.1 道路交通事故预测方法 | 第14-15页 |
| 2.2 时间序列模型 | 第15-17页 |
| 2.2.1 SARIMA模型简介 | 第15-16页 |
| 2.2.2 算法描述 | 第16-17页 |
| 2.3 灰色模型 | 第17-20页 |
| 2.3.1 模型简介 | 第17-18页 |
| 2.3.2 算法描述 | 第18-20页 |
| 2.4 最优加权组合模型 | 第20-22页 |
| 2.4.1 模型简介 | 第20页 |
| 2.4.2 算法描述 | 第20-22页 |
| 2.5 组合模型评价标准 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 数据特征提取及预测模型设计 | 第24-30页 |
| 3.1 全国事故数据特征分析 | 第24-26页 |
| 3.2 各省事故数据特征分析 | 第26-27页 |
| 3.3 预测模型设计 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 全国道路交通事故死亡人数预测 | 第30-41页 |
| 4.1 单一模型预测 | 第30-34页 |
| 4.1.1 SARIMA模型预测 | 第30-31页 |
| 4.1.2 GM(1,1)模型预测 | 第31-33页 |
| 4.1.3 Verhulst模型预测 | 第33-34页 |
| 4.2 单一模型预测结果分析及评价 | 第34-35页 |
| 4.3 加权组合模型在道路交通事故预测中的应用 | 第35-38页 |
| 4.3.1 SG(SARIMA模型、GM(1,1)模型)加权组合模型 | 第35-36页 |
| 4.3.2 SV(SARIMA模型、Verhulst模型)加权组合模型 | 第36-37页 |
| 4.3.3 SGV(SARIMA模型、GM(1,1)、Verhulst模型)加权组合模型 | 第37-38页 |
| 4.3.4 GV(GM(1,1)模型、Verhulst模型)加权组合模型 | 第38页 |
| 4.4 组合模型结果分析及评价 | 第38-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 各省道路交通事故数据趋势预测 | 第41-47页 |
| 5.1 模型评价指标 | 第41-42页 |
| 5.2 各省道路交通事故死亡人数趋势预测 | 第42-43页 |
| 5.3 各省道路交通事故受伤人数趋势预测 | 第43-45页 |
| 5.4 各省道路交通事故发生起数趋势预测 | 第45-46页 |
| 5.5 本章小结 | 第46-47页 |
| 第6章 道路交通事故可视化实现 | 第47-56页 |
| 6.1 可视化技术介绍 | 第47-48页 |
| 6.2 道路交通事故可视化设计 | 第48-49页 |
| 6.3 全国道路交通事故数据可视化 | 第49-50页 |
| 6.3.1 全国事故死亡人数月度数据动态展示 | 第49-50页 |
| 6.3.2 全国事故死亡人数年度数据静态展示 | 第50页 |
| 6.4 各省道路交通事故数据可视化 | 第50-55页 |
| 6.4.1 各省交通事故数据在地图上的动态显示 | 第50-53页 |
| 6.4.2 各省交通事故数据的静态显示 | 第53-55页 |
| 6.5 本章小结 | 第55-56页 |
| 第7章 总结与展望 | 第56-58页 |
| 7.1 总结 | 第56页 |
| 7.2 展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-62页 |
| 致谢 | 第62-63页 |
| 作者简介 | 第63页 |
