摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 绪论 | 第8-14页 |
1.1 研究背景和意义 | 第9页 |
1.2 国内外研究现状 | 第9-12页 |
1.2.1 多源异构交通数据研究综述 | 第9-10页 |
1.2.2 文本信息抽取研究现状 | 第10-11页 |
1.2.3 交通流预测研究现状 | 第11-12页 |
1.3 论文研究内容 | 第12页 |
1.4 论文组织结构 | 第12-14页 |
第二章 交通文本信息抽取 | 第14-31页 |
2.1 条件随机场 | 第14-18页 |
2.1.1 条件随机场简介 | 第14-16页 |
2.1.2 条件随机场参数估计 | 第16-17页 |
2.1.3 条件随机场模型预测 | 第17-18页 |
2.2 交通文本信息抽取的具体实现 | 第18-30页 |
2.2.1 交通文本分词 | 第19页 |
2.2.2 CRFs模型实现 | 第19-24页 |
2.2.3 信息抽取实现 | 第24-26页 |
2.2.4 模型优化 | 第26-30页 |
2.3 本章小结 | 第30-31页 |
第三章 交通数据时间序列建模 | 第31-62页 |
3.1 一元时间序列交通数据分析 | 第31-39页 |
3.1.1 信息准则 | 第31-32页 |
3.1.2 一元时间序列的参数估计 | 第32-36页 |
3.1.3 一元时间序列中的干预分析 | 第36-39页 |
3.2 多元时间序列交通数据分析 | 第39-52页 |
3.2.1 多元时间序列的相关性 | 第39-40页 |
3.2.2 VAR模型 | 第40-47页 |
3.2.3 VMA模型 | 第47-50页 |
3.2.4 VARMA模型 | 第50-52页 |
3.3 交通数据实证分析 | 第52-61页 |
3.3.1 贵阳市小型载客汽车新注册数据的一元时间序列建模 | 第52-55页 |
3.3.2 贵阳市新注册车辆数据的多元时间序列建模 | 第55-57页 |
3.3.3 贵阳市高峰期交通流数据多元时间序列建模 | 第57-61页 |
3.4 本章小结 | 第61-62页 |
第四章 多源交通数据可视化 | 第62-66页 |
4.1 交通状况文本分类 | 第62-63页 |
4.2 交通文本地理可视化 | 第63-64页 |
4.3 交通流可视化 | 第64-65页 |
4.4 本章小结 | 第65-66页 |
第五章 结论与展望 | 第66-67页 |
5.1 当前进行的工作总结 | 第66页 |
5.2 进一步研究方向 | 第66-67页 |
致谢 | 第67-68页 |
参考文献 | 第68-70页 |
附录 | 第70-72页 |
1、项目参与经历 | 第70页 |
2、科研论文 | 第70-71页 |
3、竞赛获奖 | 第71-72页 |