基于时序关联规则挖掘的交通拥堵预测技术研究
| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题目的及意义 | 第11-13页 |
| 1.2 交通拥堵预测的发展历史及研究现状 | 第13-15页 |
| 1.3 智能交通系统 | 第15-16页 |
| 1.3.1 智能交通系统的研究领域 | 第15-16页 |
| 1.3.2 我国ITS研究现状 | 第16页 |
| 1.4 论文的主要内容和结构安排 | 第16-19页 |
| 1.4.1 论文的主要内容 | 第16-17页 |
| 1.4.2 论文的结构安排 | 第17-19页 |
| 第2章 交通拥堵的介绍及常见预测方法 | 第19-32页 |
| 2.1 交通拥堵的定义及特征 | 第19-20页 |
| 2.1.1 交通拥堵的定义 | 第19页 |
| 2.1.2 交通拥堵的特征 | 第19-20页 |
| 2.2 交通拥堵的判别 | 第20-22页 |
| 2.3 常见的预测算法概述 | 第22-30页 |
| 2.3.1 回归预测法 | 第23-26页 |
| 2.3.2 移动平均法 | 第26-27页 |
| 2.3.3 指数平滑法 | 第27-29页 |
| 2.3.4 自回归预测法 | 第29-30页 |
| 2.3.5 自回归综合移动平均法 | 第30页 |
| 2.3.6 自回归条件异方差模型 | 第30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 时序关联规则及其在交通系统中的应用 | 第32-44页 |
| 3.1 数据挖掘技术 | 第32-33页 |
| 3.1.1 数据挖掘的定义 | 第32页 |
| 3.1.2 数据挖掘的流程 | 第32-33页 |
| 3.2 关联规则 | 第33-36页 |
| 3.2.1 关联规则的基本概念 | 第33-34页 |
| 3.2.2 事务数据库的特点 | 第34-35页 |
| 3.2.3 关联规则挖掘 | 第35-36页 |
| 3.3 时序关联规则的定义 | 第36-40页 |
| 3.3.1 时序关联规则初始定义 | 第37-38页 |
| 3.3.2 度量方式的缺陷 | 第38页 |
| 3.3.3 时序关联规则新定义 | 第38-40页 |
| 3.4 基于拥堵程度的时序关联规则 | 第40-43页 |
| 3.4.1 利用时序关联规则的目的 | 第40页 |
| 3.4.2 基于车辆密度的拥堵程度划分 | 第40-41页 |
| 3.4.3 基于拥堵程度的时序关联规则介绍 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 基于遗传算法的时序关联规则挖掘技术 | 第44-60页 |
| 4.1 进化算法概述 | 第44-45页 |
| 4.2 遗传算法 | 第45-54页 |
| 4.2.1 遗传算法产生及其发展 | 第45-46页 |
| 4.2.2 遗传算法的思想和特征 | 第46-48页 |
| 4.2.3 遗传算法的组成 | 第48-52页 |
| 4.2.4 遗传算法的流程 | 第52-54页 |
| 4.3 基于遗传算法的时序关联规则挖掘 | 第54-58页 |
| 4.3.1 编码 | 第54-55页 |
| 4.3.2 解码 | 第55-56页 |
| 4.3.3 交叉 | 第56-57页 |
| 4.3.4 变异 | 第57页 |
| 4.3.5 选择 | 第57-58页 |
| 4.4 本章小节 | 第58-60页 |
| 第5章 基于时序关联规则的交通拥堵预测技术 | 第60-69页 |
| 5.1 交通拥堵的预测 | 第60-61页 |
| 5.2 实验过程及结果分析 | 第61-68页 |
| 5.2.1 获取拥堵程度 | 第61-63页 |
| 5.2.2 挖掘时序关联规则 | 第63-65页 |
| 5.2.3 实验结果及分析 | 第65-68页 |
| 5.3 本章小结 | 第68-69页 |
| 结论 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第75-76页 |
| 致谢 | 第76-77页 |
