粗糙集关联挖掘的路网交通流预测
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 引言 | 第8-9页 |
| ·研究的必要性及研究背景 | 第8页 |
| ·本文所做的工作 | 第8-9页 |
| 2 数据挖掘技术概述 | 第9-12页 |
| ·数据挖掘的定义 | 第9页 |
| ·数据挖掘过程 | 第9-10页 |
| ·数据挖掘技术分类 | 第10-11页 |
| ·数据挖掘的特点 | 第11页 |
| ·数据挖掘的任务 | 第11-12页 |
| 3 数据挖掘在交通方面的运用情况综述 | 第12-17页 |
| ·短时交通参数预测综述 | 第12-15页 |
| ·回归模型 | 第13-14页 |
| ·自适应指数平滑动态预测模型 | 第14页 |
| ·Kalman滤波模型 | 第14页 |
| ·非参数回归模型 | 第14-15页 |
| ·交通状态判别方法综述 | 第15页 |
| ·交通状态度量指标概述 | 第15-17页 |
| 4 数据采集 | 第17页 |
| 5 数据预处理 | 第17-20页 |
| ·错误数据剔除算法 | 第18-19页 |
| ·缺失数据的估计算法 | 第19-20页 |
| 6 交通辅助管理模型 | 第20-51页 |
| ·单点交通流预测模型 | 第20-23页 |
| ·路网交通流预测模型 | 第23-46页 |
| ·划分子路网 | 第24页 |
| ·确定关键路段 | 第24页 |
| ·挖掘关联规则 | 第24-40页 |
| ·关键路段交通流预测 | 第40页 |
| ·非关键路段交通流预测 | 第40页 |
| ·路网交通流预测模型的应用实例 | 第40-46页 |
| ·交通事件辅助对策模型 | 第46-51页 |
| ·此模型的应用意义 | 第46页 |
| ·交通事件决策支持系统研究综述 | 第46-48页 |
| ·此模型的可行性 | 第48页 |
| ·模型说明 | 第48-51页 |
| ·小结 | 第51页 |
| 7 结论与展望 | 第51-53页 |
| ·本文总结 | 第51-53页 |
| ·主要工作 | 第51-52页 |
| ·创新点 | 第52-53页 |
| ·展望 | 第53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 在学期间发表的学术论文和研究成果 | 第57-58页 |
| 详细摘要 | 第58-63页 |
