基于多階數(shù)據(jù)張量感知的道路交通動態(tài)特征挖掘方法及應(yīng)用

第1章 緒論
1.1 研究背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 交通檢測數(shù)據(jù)的預(yù)處理方法研究現(xiàn)狀
1.2.2 交通數(shù)據(jù)的信息挖掘及網(wǎng)絡(luò)化方法研究現(xiàn)狀
1.2.3 道路交通網(wǎng)絡(luò)的運(yùn)行特征方法研究現(xiàn)狀
1.3 內(nèi)容的組織結(jié)構(gòu)
1.3.1 研究思路
1.3.2 內(nèi)容組織
第2章 基于交通數(shù)據(jù)張量的道路交通動態(tài)特征分析框架
2.1 概述
2.2 交通數(shù)據(jù)張量
2.2.1 數(shù)學(xué)意義下的張量定義
2.2.2 交通數(shù)據(jù)分析中張量引入
2.2.3 道路交通網(wǎng)絡(luò)拓?fù)?br /> 2.2.4 基于交通拓?fù)涞亩嚯A交通數(shù)據(jù)張量描述
2.3 道路交通動態(tài)特征分析框架
2.4 本章小結(jié)
第3章 面向零階數(shù)據(jù)張量的交通數(shù)據(jù)預(yù)處理
3.1 概述
3.2 交通檢測數(shù)據(jù)的多源特征
3.3 基于集成學(xué)習(xí)的多源交通檢測數(shù)據(jù)校驗
3.3.1 城市交通檢測數(shù)據(jù)中的離群數(shù)據(jù)
3.3.2 集成學(xué)習(xí)算法
3.3.3 多源交通檢測數(shù)據(jù)集描述
3.3.4 基于隨機(jī)森林優(yōu)化的多源交通檢測數(shù)據(jù)校驗方法
3.3.5 基于AdaBoost決策強(qiáng)化的多源交通檢測數(shù)據(jù)校驗方法
3.4 基于濾波估計的多源交通檢測數(shù)據(jù)融合
3.4.1 城市多源交通檢測器采樣特征
3.4.2 聯(lián)邦卡爾曼濾波估計理論
3.4.3 多尺度交通檢測數(shù)據(jù)融合方法
3.4.4 聯(lián)邦卡爾曼濾波融合估計的實證應(yīng)用分析
3.5 本章小結(jié)
第4章 面向一階數(shù)據(jù)張量的路段交通數(shù)據(jù)特征分析
4.1 概述
4.2 時序數(shù)據(jù)網(wǎng)絡(luò)化概述
4.3 基于相空間重構(gòu)的時序交通流網(wǎng)絡(luò)特征分析
4.3.1 時間序列相空間重構(gòu)理論
4.3.2 相空間重構(gòu)的參數(shù)估計方法
4.3.3 基于相空間重構(gòu)的交通流時間序列網(wǎng)絡(luò)模型
4.3.4 相空間重構(gòu)交通流時間序列的實例應(yīng)用分析
4.4 基于可視圖的多狀態(tài)下時序交通流網(wǎng)絡(luò)特征分析
4.4.1 基于聚類分析的交通狀態(tài)識別
4.4.2 基于可視圖的多狀態(tài)劃分交通流時間序列網(wǎng)絡(luò)模型
4.4.3 可視圖重構(gòu)交通流時間序列的實例應(yīng)用分析
4.5 基于預(yù)測強(qiáng)度聚類的行程時間預(yù)測
4.5.1 面向數(shù)據(jù)的高速公路行程時間提取
4.5.2 基于預(yù)測強(qiáng)度聚類的行程時間預(yù)測
4.5.3 預(yù)測強(qiáng)度聚類的的實例應(yīng)用分析
4.6 本章小結(jié)
第5章 面向二階數(shù)據(jù)張量的交通路網(wǎng)節(jié)點評估
5.1 概述
5.2 考慮交通數(shù)據(jù)空間關(guān)聯(lián)的二階交通數(shù)據(jù)張量
5.2.1 考慮檢測器布設(shè)的二階交通數(shù)據(jù)張量構(gòu)建
5.2.2 考慮路段特征的二階交通數(shù)據(jù)張量構(gòu)建
5.3 基于二分k-means的路網(wǎng)節(jié)點評估
5.3.1 k-means聚類思想
5.3.2 基于二分k-means的節(jié)點交通特征評估算方法
5.3.3 節(jié)點異質(zhì)性評估
5.3.4 聚類節(jié)點評估的實例應(yīng)用分析
5.4 本章小結(jié)
第6章 面向三階數(shù)據(jù)張量的路網(wǎng)時空交通擁堵態(tài)勢預(yù)測
6.1 概述
6.2 深度學(xué)習(xí)基本思想
6.3 城市道路網(wǎng)的交通擁堵評價
6.4 基于GRU-CNN的交通網(wǎng)絡(luò)時空擁堵態(tài)勢預(yù)測
6.4.1 基于GRU的交通網(wǎng)絡(luò)的時間特征提取
6.4.2 基于CNN的交通網(wǎng)絡(luò)擁堵的空間狀態(tài)特征提取
6.4.3 基于GRU-CNN的時空擁堵狀態(tài)預(yù)測模型
6.5 時空擁堵預(yù)測方法的實例應(yīng)用分析
6.5.1 實例數(shù)據(jù)集
6.5.2 實驗方案設(shè)計
6.5.3 模型的參量
6.5.4 實驗結(jié)果分析
6.6 本章小結(jié)
第7章 總結(jié)與展望
7.1 總結(jié)
7.1.1 本書的研究工作
7.1.2 本書的創(chuàng)新點
7.2 研究展望
參考文獻(xiàn)