基于交通大数据的KPI关联关系发现方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.3 研究内容与目的 | 第13-15页 |
| 1.4 文章组织结构 | 第15-16页 |
| 2 城市交通碳排放量预测 | 第16-31页 |
| 2.1 基本概念 | 第17-19页 |
| 2.2 城市网格区间特征提取 | 第19-24页 |
| 2.3 感知神经网络特征学习和推理 | 第24-27页 |
| 2.4 城市交通碳排放预测性能评估 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 3 公共汽车出行量预测 | 第31-47页 |
| 3.1 基本概念 | 第31-32页 |
| 3.2 城市道路特征提取 | 第32-37页 |
| 3.3 深度神经网络特征学习和推理 | 第37-41页 |
| 3.4 城市道路居民出行量预测性能评估 | 第41-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 城市电动公共汽车线路优化 | 第47-51页 |
| 4.1 联合预测训练和学习方法设计 | 第47-48页 |
| 4.2 线路推荐及方法评估 | 第48-49页 |
| 4.3 本章小结 | 第49-51页 |
| 5 总结 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 附录1 (攻读学位期间发表论文和专利) | 第59页 |
