智能交通系统中的时空数据分析关键技术研究
| 摘要 | 第1-9页 |
| Abstract | 第9-15页 |
| 第1章 绪论 | 第15-32页 |
| ·智能交通系统 | 第15-20页 |
| ·智能交通系统的概念 | 第15-16页 |
| ·智能交通系统的研究与应用现状 | 第16-18页 |
| ·智能交通系统中的重点研究内容 | 第18-20页 |
| ·时空数据管理与挖掘 | 第20-25页 |
| ·时空数据模型 | 第20-22页 |
| ·时空数据库 | 第22-23页 |
| ·流数据管理 | 第23-24页 |
| ·时空数据挖掘 | 第24-25页 |
| ·智能交通系统中的时空数据分析 | 第25-29页 |
| ·交通数据及其时空特征 | 第25-26页 |
| ·动态交通流和路网拥堵状态分析 | 第26-28页 |
| ·关键技术问题及研究路线 | 第28-29页 |
| ·本文的主要研究内容和成果 | 第29-31页 |
| ·本文的组织结构 | 第31-32页 |
| 第2章 多粒度时空数据组织与管理策略 | 第32-46页 |
| ·前言 | 第32-33页 |
| ·多粒度动态交通网络概念模型设计 | 第33-37页 |
| ·路网与移动对象的形式化定义 | 第37-39页 |
| ·多粒度时空数据逻辑组织模式 | 第39-41页 |
| ·分级时空数据存储方法 | 第41-42页 |
| ·时空数据集成与动态查询机制 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第3章 基于轨迹聚类的交通热点分析 | 第46-61页 |
| ·前言 | 第46页 |
| ·轨迹数据预处理过程 | 第46-47页 |
| ·轨迹数据重构 | 第47-49页 |
| ·时空相似性度量 | 第49-52页 |
| ·轨迹聚类算法 | 第52-54页 |
| ·仿真实验 | 第54-60页 |
| ·本章小结 | 第60-61页 |
| 第4章 基于时空相关性分析的短时交通流量预测 | 第61-73页 |
| ·前言 | 第61-62页 |
| ·交通流量序列间的时空特征描述 | 第62-63页 |
| ·交通流量序列间的时空相关系数 | 第63-64页 |
| ·流量序列的时空相关性分析算法 | 第64-66页 |
| ·基于支持向量机的短时交通流量预测方法 | 第66-67页 |
| ·仿真实验 | 第67-72页 |
| ·本章小结 | 第72-73页 |
| 第5章 时空关联规则挖掘与拥堵趋势分析 | 第73-82页 |
| ·前言 | 第73页 |
| ·关联规则的时空语义扩展 | 第73-75页 |
| ·时空关联规则挖掘算法 | 第75-77页 |
| ·仿真实验 | 第77-81页 |
| ·本章小结 | 第81-82页 |
| 第6章 基于序列距离的实时异常轨迹检测 | 第82-94页 |
| ·前言 | 第82-83页 |
| ·移动位置获取及更新策略 | 第83-84页 |
| ·基于滑动窗口的局部轨迹数据提取 | 第84-85页 |
| ·动态时空序列距离计算方法 | 第85-86页 |
| ·实时异常轨迹检测算法 | 第86-88页 |
| ·仿真实验 | 第88-92页 |
| ·本章小结 | 第92-94页 |
| 第7章 总结与展望 | 第94-98页 |
| ·本文工作总结及创新点 | 第94-96页 |
| ·进一步研究工作与展望 | 第96-98页 |
| 致谢 | 第98-99页 |
| 参考文献 | 第99-113页 |
| 攻读博士学位期间发表的论文及科研成果 | 第113-114页 |
| 读博期间论文发表情况 | 第113-114页 |
| 读博期间所获的科研奖励 | 第114页 |
| 读博期间参与的科研项目 | 第114页 |
