第1章 緒論

1．1 研究背景及意義

1．2 國(guó)內(nèi)外研究現(xiàn)狀

1．2．1 交通檢測(cè)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)的交通區(qū)域劃分方法研究現(xiàn)狀

1．2．4 時(shí)空結(jié)合的路網(wǎng)需求預(yù)測(cè)和路徑規(guī)劃方法研究現(xiàn)狀

第2章 基于交通數(shù)據(jù)張量的道路交通動(dòng)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)?

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(dòng)態(tài)特征分析框架

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(cè)數(shù)據(jù)的多源特征

3．3 基于集成學(xué)習(xí)的多源固定型交通檢測(cè)數(shù)據(jù)校驗(yàn)

3．3．1 城市固定型交通檢測(cè)數(shù)據(jù)中的離群數(shù)據(jù)

3．3．2 多源固定型交通檢測(cè)數(shù)據(jù)集描述

3．3．3 AdaBoost的分類方法

3．3．4 基于AdaBoost決策強(qiáng)化的多源交通檢測(cè)數(shù)據(jù)校驗(yàn)方法

3．4 基于網(wǎng)約車數(shù)據(jù)的移動(dòng)型交通數(shù)據(jù)預(yù)處理

3．4．1 網(wǎng)約車GPS數(shù)據(jù)描述

3．4．2 異常數(shù)據(jù)檢測(cè)

3．4．3 數(shù)據(jù)規(guī)范化處理

第4章 面向一階數(shù)據(jù)張量的交通時(shí)序數(shù)據(jù)特征分析

4．1 概述

4．2 基于可視圖的多狀態(tài)下時(shí)序交通流網(wǎng)絡(luò)特征分析

4．2．1 時(shí)序數(shù)據(jù)網(wǎng)絡(luò)化概述

4．2．2 基于聚類分析的交通狀態(tài)識(shí)別

4．2．3 基于可視圖的多狀態(tài)劃分交通流時(shí)間序列網(wǎng)絡(luò)模型

4．2．4 可視圖重構(gòu)交通流時(shí)間序列的實(shí)例應(yīng)用分析

4．3 考慮出行特征分析的網(wǎng)約車數(shù)據(jù)特征分析

4．3．1 基于聚類分析的交通狀態(tài)識(shí)別

4．3．2 基于斯皮爾曼相關(guān)性的出行影響因素分析

4．4 基于動(dòng)態(tài)圖卷積網(wǎng)絡(luò)的行程時(shí)間預(yù)測(cè)方法

4．4．1 道路車輛行程時(shí)間計(jì)算

4．4．2 基于動(dòng)態(tài)圖卷積網(wǎng)絡(luò)的行程時(shí)間預(yù)測(cè)方法

4．4．3 動(dòng)態(tài)拉普拉斯矩陣模塊

4．4．4 圖卷積網(wǎng)絡(luò)模塊

4．4．5 行程時(shí)間預(yù)測(cè)的實(shí)例應(yīng)用分析

……

第5章 面向二階數(shù)據(jù)張量的交通空間特征分析

第6章 面向三階數(shù)據(jù)張量的路網(wǎng)時(shí)空需求預(yù)測(cè)及路徑推薦算法

參考文獻(xiàn)