| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-26页 |
| 1.1 研究背景 | 第12-18页 |
| 1.1.1 高速公路发展概况 | 第12-14页 |
| 1.1.2 ETC 发展概况 | 第14-18页 |
| 1.2 国内外研究现状 | 第18-21页 |
| 1.3 研究目的和意义 | 第21-22页 |
| 1.4 技术路线与主要研究内容 | 第22-24页 |
| 1.5 论文结构和章节安排 | 第24-26页 |
| 第2章 数据挖掘理论及其在智能交通中的应用 | 第26-47页 |
| 2.1 数据挖掘概述 | 第26-33页 |
| 2.1.1 数据挖掘的概念 | 第26-27页 |
| 2.1.2 数据挖掘的功能 | 第27-29页 |
| 2.1.3 数据挖掘的步骤 | 第29-31页 |
| 2.1.4 数据挖掘的发展 | 第31-33页 |
| 2.2 数据预处理过程与方法 | 第33-36页 |
| 2.2.1 数据清洗 | 第34页 |
| 2.2.2 数据集成 | 第34-35页 |
| 2.2.3 数据变换 | 第35-36页 |
| 2.2.4 数据规约 | 第36页 |
| 2.3 智能交通中的数据挖掘问题 | 第36-46页 |
| 2.3.1 交通量预测 | 第37-39页 |
| 2.3.2 聚类分析 | 第39-41页 |
| 2.3.3 关联规则 | 第41-43页 |
| 2.3.4 异常检测 | 第43-46页 |
| 2.4 本章小结 | 第46-47页 |
| 第3章 ETC 车辆路径预测与异常检测研究 | 第47-62页 |
| 3.1 引言 | 第47-49页 |
| 3.2 Markov 路径序列预测模型 | 第49-55页 |
| 3.2.1 Markov 通行行为模型 | 第50页 |
| 3.2.2 基本 Markov 路径序列预测模型 | 第50-51页 |
| 3.2.3 混合 Markov 路径序列预测模型 | 第51-52页 |
| 3.2.4 车辆类别聚类算法 | 第52-55页 |
| 3.3 混合 Markov 路径序列预测模型分析 | 第55-56页 |
| 3.3.1 混合 Markov 路径序列预测模型层次结构 | 第55-56页 |
| 3.3.2 Markov 路径序列预测模型性能指标 | 第56页 |
| 3.4 数据源与模型构建 | 第56-58页 |
| 3.4.1 数据源的选取 | 第56-57页 |
| 3.4.2 数据的预处理 | 第57-58页 |
| 3.5 实验结果分析 | 第58-61页 |
| 3.5.1 Markov 路径预测模型对比分析 | 第58-59页 |
| 3.5.2 路径序列预测与异常检测 | 第59-61页 |
| 3.6 本章小结 | 第61-62页 |
| 第4章 ETC 交通量多维预测模型研究 | 第62-86页 |
| 4.1 引言 | 第62-64页 |
| 4.2 OLAM 技术概述 | 第64-72页 |
| 4.2.1 数据仓库 | 第64页 |
| 4.2.2 多维数据模型 | 第64-66页 |
| 4.2.3 联机分析处理 | 第66-69页 |
| 4.2.4 联机分析挖掘 | 第69-72页 |
| 4.3 交通量季节 ARIMA 预测模型 | 第72-75页 |
| 4.3.1 ARIMA 模型 | 第72-73页 |
| 4.3.2 季节 ARIMA 模型 | 第73页 |
| 4.3.3 多维季节 ARIMA 模型建模流程 | 第73-75页 |
| 4.4 实例应用 | 第75-85页 |
| 4.4.1 交通量多维模型 | 第75-77页 |
| 4.4.2 序列平稳化 | 第77-80页 |
| 4.4.3 模型识别 | 第80-81页 |
| 4.4.4 异常值检验 | 第81-82页 |
| 4.4.5 参数估计 | 第82页 |
| 4.4.6 模型诊断 | 第82-83页 |
| 4.4.7 模型预测 | 第83-85页 |
| 4.5 本章小结 | 第85-86页 |
| 第5章 ETC 交通量组合预测模型研究 | 第86-98页 |
| 5.1 引言 | 第86-87页 |
| 5.2 交通量预测模型 | 第87-92页 |
| 5.2.1 BP 神经网络 | 第87-89页 |
| 5.2.2 支持向量回归机 | 第89-90页 |
| 5.2.3 最优线性组合预测模型 | 第90-92页 |
| 5.3 算例分析 | 第92-97页 |
| 5.3.1 数据选取与归一化 | 第92-93页 |
| 5.3.2 季节 ARIMA 模型训练 | 第93页 |
| 5.3.3 BP 神经网络训练 | 第93-94页 |
| 5.3.4 ε-SVR 模型训练 | 第94页 |
| 5.3.5 组合模型预测结果 | 第94-96页 |
| 5.3.6 预测效果评价指标 | 第96-97页 |
| 5.4 本章小结 | 第97-98页 |
| 总结与展望 | 第98-101页 |
| 内容总结 | 第98-99页 |
| 工作展望 | 第99-101页 |
| 参考文献 | 第101-112页 |
| 攻读学位期间取得的研究成果 | 第112-114页 |
| 致谢 | 第114页 |