基于数据挖掘技术的交通拥堵判别与预测算法研究及应用
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-20页 |
| 1.1 选题目的及意义 | 第8-9页 |
| 1.2 国内外研究动态 | 第9-18页 |
| 1.2.1 国外研究概况 | 第9-15页 |
| 1.2.2 国内研究概况 | 第15-18页 |
| 1.3 课题的来源 | 第18-19页 |
| 1.4 课题主要研究内容 | 第19-20页 |
| 第二章 基本理论介绍 | 第20-32页 |
| 2.1 数据预处理 | 第20-22页 |
| 2.2 常用数据挖掘算法 | 第22-24页 |
| 2.3 深度学习 | 第24-26页 |
| 2.4 交通流检测设备 | 第26-28页 |
| 2.4.1 感应线圈检测器 | 第26-27页 |
| 2.4.2 微波检测器 | 第27-28页 |
| 2.4.3 视频检测器 | 第28页 |
| 2.5 交通流特征指标分析 | 第28-29页 |
| 2.6 常发拥堵 | 第29-30页 |
| 2.7 偶发拥堵 | 第30-31页 |
| 2.8 本章小结 | 第31-32页 |
| 第三章 交通拥堵判别及预测算法 | 第32-50页 |
| 3.1 数据预处理方法 | 第32-33页 |
| 3.2 交通状态判别方法 | 第33-37页 |
| 3.2.1 支持向量机算法判别交通状态 | 第33-35页 |
| 3.2.2 RBF核 | 第35-36页 |
| 3.2.3 交叉验证 | 第36页 |
| 3.2.4 支持向量机的多分类方法 | 第36-37页 |
| 3.3 交通拥堵判别方法 | 第37-39页 |
| 3.4 交通状态预测方法 | 第39-48页 |
| 3.4.1 隐马尔可夫模型 | 第39-40页 |
| 3.4.2 循环神经网络 | 第40-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第四章 基于数据挖掘技术的交通常态拥堵算法设计 | 第50-74页 |
| 4.1 数据预处理 | 第50-52页 |
| 4.2 交通拥堵判别 | 第52-56页 |
| 4.3 交通状态预测 | 第56-72页 |
| 4.4 本章小结 | 第72-74页 |
| 总结与展望 | 第74-76页 |
| 总结 | 第74-75页 |
| 展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 附录 | 第80-83页 |
| 致谢 | 第83-84页 |
| 攻读学位期间发表的学术论文 | 第84-85页 |
