| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-11页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景及意义 | 第11-16页 |
| 1.1.1 交通拥堵问题 | 第11-12页 |
| 1.1.2 智能交通系统简介 | 第12-14页 |
| 1.1.3 车联网简介 | 第14-16页 |
| 1.2 研究现状 | 第16-18页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.3 本文主要研究内容 | 第18-20页 |
| 第二章 基于车联网大数据分析的实时路况信息系统架构 | 第20-37页 |
| 2.1 系统总体架构 | 第20-23页 |
| 2.2 基于车联网的实时交通信息感知与采集技术 | 第23-27页 |
| 2.2.1 浮动车概念 | 第23-24页 |
| 2.2.2 GPS定位技术 | 第24-25页 |
| 2.2.3 RFID技术 | 第25-26页 |
| 2.2.4 传感器技术 | 第26-27页 |
| 2.3 实时交通信息的预处理 | 第27-32页 |
| 2.3.1 数据的清洗 | 第28-31页 |
| 2.3.2 数据的修复 | 第31-32页 |
| 2.4 基于云平台的数据挖掘技术 | 第32-36页 |
| 2.4.1 云平台 | 第33-34页 |
| 2.4.2 数据挖掘技术概述 | 第34-35页 |
| 2.4.3 数据挖掘技术在云平台中的应用 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 基于浮动车的实时交通信息采集与处理技术研究 | 第37-49页 |
| 3.1 概述 | 第37-38页 |
| 3.2 基于浮动车的实时交通信息的采集 | 第38-40页 |
| 3.2.1 实时交通信息的采集 | 第38-39页 |
| 3.2.2 原始实时交通信息的特点 | 第39-40页 |
| 3.3 实时交通信息的预处理 | 第40-45页 |
| 3.3.1 原始交通数据的清洗规则 | 第40-41页 |
| 3.3.2 基于时空相关模型的自适应速度修复方法 | 第41-45页 |
| 3.4 仿真结果及分析 | 第45-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 基于改进模糊c均值聚类算法的交通状态识别 | 第49-60页 |
| 4.1 概述 | 第49页 |
| 4.2 基于速度变化特性的FCM算法 | 第49-54页 |
| 4.2.1 速度变化特性 | 第49-50页 |
| 4.2.2 改进的FCM算法 | 第50-54页 |
| 4.3 交通状态分类规则及交通模式识别算法 | 第54-56页 |
| 4.3.1 道路交通状态分类及评价标准 | 第54-55页 |
| 4.3.2 交通模式识别算法 | 第55-56页 |
| 4.4 仿真结果及分析 | 第56-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 研究工作总结 | 第60-61页 |
| 5.2 研究工作展望 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第65-66页 |
| 附录2 攻读硕士学位期间申请的专利 | 第66-67页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第67-68页 |
| 致谢 | 第68页 |