| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 本文研究内容 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 短时交通流相关特性理论及数据预处理 | 第16-27页 |
| 2.1 短时交通流相关理论 | 第16-18页 |
| 2.1.1 短时交通流参数 | 第16-18页 |
| 2.1.2 交通流评价指标 | 第18页 |
| 2.2 短时交通流相关特性 | 第18-23页 |
| 2.2.1 特性分析 | 第19-21页 |
| 2.2.2 数据特点 | 第21-23页 |
| 2.3 实验数据预处理 | 第23-24页 |
| 2.3.1 数据项描述 | 第23页 |
| 2.3.2 数据预处理 | 第23-24页 |
| 2.4 路网数据 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 基于多重相空间的短时交通流预测 | 第27-41页 |
| 3.1 相关定义及混沌理论特性 | 第27-29页 |
| 3.1.1 相关定义 | 第27-28页 |
| 3.1.2 混沌理论特性分析 | 第28-29页 |
| 3.2 多重相空间重构及预测模型的构建 | 第29-36页 |
| 3.2.1 相空间重构原理 | 第29-30页 |
| 3.2.2 延迟时间集合的选取 | 第30-32页 |
| 3.2.3 嵌入维数集合的选取 | 第32-34页 |
| 3.2.4 基于KNN的预测模型构建 | 第34-36页 |
| 3.3 实验仿真 | 第36-39页 |
| 3.3.1 实验数据 | 第36页 |
| 3.3.2 评价指标 | 第36-37页 |
| 3.3.3 选择延迟时间集合 | 第37-38页 |
| 3.3.4 选择嵌入维数集合 | 第38页 |
| 3.3.5 实验结果对比分析 | 第38-39页 |
| 3.4 本章小节 | 第39-41页 |
| 第四章 基于多重相空间和路段相似度的短时交通流预测 | 第41-52页 |
| 4.1 SPARK平台框架 | 第41-46页 |
| 4.1.1 Spark技术生态系统 | 第41-43页 |
| 4.1.2 分布式文件系统 | 第43-45页 |
| 4.1.3 SparkStreaming原理 | 第45-46页 |
| 4.2 数据单位化及相关路段集合 | 第46-48页 |
| 4.2.1 数据单位化 | 第46-47页 |
| 4.2.2 相关路段集合 | 第47-48页 |
| 4.3 交通流预测 | 第48-51页 |
| 4.3.1 单个相关路段预测 | 第48-49页 |
| 4.3.2 综合预测 | 第49页 |
| 4.3.3 Spark环境下的多重相空间和路段相似度的短时交通流预测 | 第49-51页 |
| 4.4 本章小节 | 第51-52页 |
| 第五章 实验对比分析 | 第52-64页 |
| 5.1 基于多重相空间和路段相似度短时交通流预测实验 | 第52-59页 |
| 5.1.1 实验环境 | 第52页 |
| 5.1.2 算法评价指标 | 第52-53页 |
| 5.1.3 实验仿真与分析 | 第53-59页 |
| 5.2 SPARK环境下多重相空间和路段相似度短时交通流预测实验 | 第59-63页 |
| 5.2.1 实验环境 | 第59-60页 |
| 5.2.2 算法评价指标 | 第60-61页 |
| 5.2.3 实验仿真与分析 | 第61-63页 |
| 5.3 本章小节 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 本文工作总结 | 第64页 |
| 6.2 未来展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录 | 第71-72页 |
| 中文详细摘要 | 第72-74页 |
