| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 依托项目 | 第9页 |
| 1.2 研究背景及意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-14页 |
| 1.3.1 交通流故障数据修复方法研究现状 | 第11-12页 |
| 1.3.2 时空插值方法研究现状 | 第12-13页 |
| 1.3.3 研究现状总结 | 第13-14页 |
| 1.4 研究思路和研究内容 | 第14-16页 |
| 1.4.1 研究思路 | 第14页 |
| 1.4.2 研究内容 | 第14-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 交通流数据特性分析 | 第17-31页 |
| 2.1 交通流数据时间相关性分析 | 第17-20页 |
| 2.1.1 相关性分析理论 | 第17-18页 |
| 2.1.2 交通流时间相关性分析 | 第18-20页 |
| 2.2 交通流数据空间相关性分析 | 第20-24页 |
| 2.2.1 交通流数据横向空间相关性 | 第20-23页 |
| 2.2.2 交通流数据纵向空间相关性 | 第23-24页 |
| 2.3 交通流数据时序平稳性分析 | 第24-29页 |
| 2.3.1 时序数据平稳性相关原理 | 第25-27页 |
| 2.3.2 时间序列数据平稳性检验 | 第27-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 交通流数据空间相关度估计 | 第31-49页 |
| 3.1 交通流空间传播时滞性分析 | 第31-36页 |
| 3.1.1 交通流空间传播特性 | 第31-33页 |
| 3.1.2 基于空间互相关的交通流时滞参数标定 | 第33-36页 |
| 3.2 交通流时间序列时段分割 | 第36-41页 |
| 3.2.1 基于向量相似性的特征点识别 | 第36-40页 |
| 3.2.2 基于交通流数据分割点的时段分割 | 第40-41页 |
| 3.3 交通流数据空间相关度分析 | 第41-47页 |
| 3.3.1 空间相关度估计流程 | 第41-42页 |
| 3.3.2 实例分析 | 第42-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第4章 基于形函数的交通流故障数据时空修复方法研究 | 第49-67页 |
| 4.1 3D形函数的插值理论基础 | 第49-53页 |
| 4.1.1 形函数的定义 | 第49页 |
| 4.1.2 三维形函数表示方法 | 第49-52页 |
| 4.1.3 基于形函数的时空插值方法 | 第52-53页 |
| 4.2 基于形函数的时空插值模型构建 | 第53-57页 |
| 4.2.1 交通流数据时空量纲关系统一 | 第53-55页 |
| 4.2.2 基于 3D形函数的时空插值模型 | 第55-57页 |
| 4.3 实例验证 | 第57-66页 |
| 4.3.1 数据来源 | 第57页 |
| 4.3.2 验证流程 | 第57-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第5章 总结与展望 | 第67-69页 |
| 5.1 论文总结 | 第67-68页 |
| 5.2 研究展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 作者简介、科研及其他成果 | 第73-74页 |
| 致谢 | 第74页 |