基于聚类分析和决策树算法的交通流量挖掘
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 本文研究内容与组织结构 | 第14-17页 |
| 1.3.1 本文研究内容 | 第14-15页 |
| 1.3.2 本文组织结构 | 第15-17页 |
| 第2章 城市道路交通数据概述 | 第17-25页 |
| 2.1 交通流相关概念 | 第17-20页 |
| 2.1.1 交通流参数 | 第17-19页 |
| 2.1.2 道路交叉口通行能力 | 第19页 |
| 2.1.3 道路交通拥塞度量指标 | 第19-20页 |
| 2.2 智能交通数据采集与预处理 | 第20-24页 |
| 2.2.1 道路交通数据采集方式 | 第20-21页 |
| 2.2.2 交通数据预处理 | 第21-22页 |
| 2.2.3 道路交通数据离散化 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 城市道路交通流数据挖掘方法 | 第25-37页 |
| 3.1 数据挖掘概述 | 第25-27页 |
| 3.1.1 数据挖掘概念 | 第25-26页 |
| 3.1.2 数据挖掘的基本任务 | 第26-27页 |
| 3.2 聚类分析 | 第27-33页 |
| 3.2.1 聚类算法中的数据结构和数据类型 | 第27-30页 |
| 3.2.3 聚类分析中的算法描述 | 第30-33页 |
| 3.3 决策树分析 | 第33-36页 |
| 3.3.1 决策树分析机理 | 第33-34页 |
| 3.3.2 ID3算法 | 第34-35页 |
| 3.3.3 C4.5 算法 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 聚类分析在道路交通流量分析中的应用 | 第37-57页 |
| 4.1 交通流数据的特征分析 | 第37-45页 |
| 4.1.1 交通流数据特征 | 第37-39页 |
| 4.1.2 交叉路口交通流调查分析 | 第39-45页 |
| 4.2 交通流的空间聚类 | 第45-48页 |
| 4.2.1 交通流空间分布 | 第45-46页 |
| 4.2.2 交通流空间聚类标准 | 第46-48页 |
| 4.3 聚类分析方法在交通流时间序列中的应用 | 第48-52页 |
| 4.3.1 层次聚类方法 | 第49-51页 |
| 4.3.2 K-means聚类方法 | 第51-52页 |
| 4.3.3 两种聚类方法的比较 | 第52页 |
| 4.4 层次聚类算法的改进 | 第52-56页 |
| 4.4.1 层次聚类算法复杂度分析 | 第52-53页 |
| 4.4.2 基于层次聚类算法的改进设计 | 第53-55页 |
| 4.4.3 实验结果分析 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 基于决策树分析的交通运行状态预测 | 第57-71页 |
| 5.1 交通流数据属性的选取 | 第57-59页 |
| 5.2 分类器算法的设计与实现 | 第59-61页 |
| 5.2.1 C4.5 分类算法的优缺点 | 第59页 |
| 5.2.2 基于C4.5 分类算法的改进设计 | 第59-60页 |
| 5.2.3 算法分析测试 | 第60-61页 |
| 5.3 交通拥塞分类器的设计与实现 | 第61-70页 |
| 5.3.1 分类器思想 | 第61-62页 |
| 5.3.2 交通流分类器设计 | 第62页 |
| 5.3.3 交通流分类器实现 | 第62-69页 |
| 5.3.4 实验结果分析 | 第69-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士期间发表的学术论文 | 第77-79页 |
| 致谢 | 第79页 |
