基于时空关系协同作用的交通数据预处理方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 主要研究内容及方法 | 第13-15页 |
| 1.4 技术路线 | 第15-16页 |
| 第二章 数据问题成因及常用处理方法 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 道路交通流检测 | 第16-17页 |
| 2.2.1 检测系统的组成 | 第16-17页 |
| 2.2.2 交通流检测设备 | 第17页 |
| 2.3 检测数据质量问题产生原因 | 第17-18页 |
| 2.4 问题数据的不良影响 | 第18-21页 |
| 2.5 常见异常数据识别方法 | 第21-24页 |
| 2.5.1 基于统计的方法 | 第21-22页 |
| 2.5.2 基于距离的方法 | 第22页 |
| 2.5.3 基于密度的方法 | 第22-23页 |
| 2.5.4 基于偏差的方法 | 第23-24页 |
| 2.6 常见数据检测方法不足之处 | 第24页 |
| 2.7 本章小结 | 第24-26页 |
| 第三章 基于小波变换的时间序列交通数据预处理 | 第26-47页 |
| 3.1 引言 | 第26页 |
| 3.2 交通数据的时间特性 | 第26-27页 |
| 3.2.1 交通量时间特性 | 第26页 |
| 3.2.2 速度时间特性 | 第26-27页 |
| 3.3 小波变换定义及理论基础 | 第27-28页 |
| 3.3.1 小波变换的定义 | 第27-28页 |
| 3.3.2 小波变换用于异常识别的理论基础 | 第28页 |
| 3.4 基于小波变换的检测算法修正与数据修复 | 第28-46页 |
| 3.4.1 算法修正 | 第28-31页 |
| 3.4.2 异常识别方法 | 第31-33页 |
| 3.4.3 交通量异常样本检测 | 第33-41页 |
| 3.4.4 异常样本修复 | 第41-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于时空相关性的交通数据预处理 | 第47-60页 |
| 4.1 引言 | 第47页 |
| 4.2 交通流数据的空间特性 | 第47-51页 |
| 4.2.1 双直行车道交通流分布规律 | 第47-49页 |
| 4.2.2 三直行车道交通流分布规律 | 第49-50页 |
| 4.2.3 双左转车道交通流分布规律 | 第50-51页 |
| 4.3 基于相邻车道空间关系的数据处理 | 第51-57页 |
| 4.3.1 数据识别 | 第51-55页 |
| 4.3.2 数据修复 | 第55-57页 |
| 4.4 基于时空关联性的数据协同处理 | 第57-59页 |
| 4.4.1 信息熵的适用性分析 | 第57-58页 |
| 4.4.2 基于熵权的数据协同处理方法 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 实例分析 | 第60-64页 |
| 5.1 引言 | 第60页 |
| 5.2 数据处理 | 第60-62页 |
| 5.3 修正评价指标 | 第62-63页 |
| 5.4 结果验证 | 第63-64页 |
| 结论与展望 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 攻读硕士学位期间取得的成果 | 第68-69页 |
| 致谢 | 第69页 |
