基于多阶数据张量感知的道路交通动态特征挖掘方法及应用

第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 交通检测数据的预处理方法研究现状
1.2.2 交通数据的信息挖掘及网络化方法研究现状
1.2.3 道路交通网络的运行特征方法研究现状
1.3 内容的组织结构
1.3.1 研究思路
1.3.2 内容组织
第2章 基于交通数据张量的道路交通动态特征分析框架
2.1 概述
2.2 交通数据张量
2.2.1 数学意义下的张量定义
2.2.2 交通数据分析中张量引入
2.2.3 道路交通网络拓扑
2.2.4 基于交通拓扑的多阶交通数据张量描述
2.3 道路交通动态特征分析框架
2.4 本章小结
第3章 面向零阶数据张量的交通数据预处理
3.1 概述
3.2 交通检测数据的多源特征
3.3 基于集成学习的多源交通检测数据校验
3.3.1 城市交通检测数据中的离群数据
3.3.2 集成学习算法
3.3.3 多源交通检测数据集描述
3.3.4 基于随机森林优化的多源交通检测数据校验方法
3.3.5 基于AdaBoost决策强化的多源交通检测数据校验方法
3.4 基于滤波估计的多源交通检测数据融合
3.4.1 城市多源交通检测器采样特征
3.4.2 联邦卡尔曼滤波估计理论
3.4.3 多尺度交通检测数据融合方法
3.4.4 联邦卡尔曼滤波融合估计的实证应用分析
3.5 本章小结
第4章 面向一阶数据张量的路段交通数据特征分析
4.1 概述
4.2 时序数据网络化概述
4.3 基于相空间重构的时序交通流网络特征分析
4.3.1 时间序列相空间重构理论
4.3.2 相空间重构的参数估计方法
4.3.3 基于相空间重构的交通流时间序列网络模型
4.3.4 相空间重构交通流时间序列的实例应用分析
4.4 基于可视图的多状态下时序交通流网络特征分析
4.4.1 基于聚类分析的交通状态识别
4.4.2 基于可视图的多状态划分交通流时间序列网络模型
4.4.3 可视图重构交通流时间序列的实例应用分析
4.5 基于预测强度聚类的行程时间预测
4.5.1 面向数据的高速公路行程时间提取
4.5.2 基于预测强度聚类的行程时间预测
4.5.3 预测强度聚类的的实例应用分析
4.6 本章小结
第5章 面向二阶数据张量的交通路网节点评估
5.1 概述
5.2 考虑交通数据空间关联的二阶交通数据张量
5.2.1 考虑检测器布设的二阶交通数据张量构建
5.2.2 考虑路段特征的二阶交通数据张量构建
5.3 基于二分k-means的路网节点评估
5.3.1 k-means聚类思想
5.3.2 基于二分k-means的节点交通特征评估算方法
5.3.3 节点异质性评估
5.3.4 聚类节点评估的实例应用分析
5.4 本章小结
第6章 面向三阶数据张量的路网时空交通拥堵态势预测
6.1 概述
6.2 深度学习基本思想
6.3 城市道路网的交通拥堵评价
6.4 基于GRU-CNN的交通网络时空拥堵态势预测
6.4.1 基于GRU的交通网络的时间特征提取
6.4.2 基于CNN的交通网络拥堵的空间状态特征提取
6.4.3 基于GRU-CNN的时空拥堵状态预测模型
6.5 时空拥堵预测方法的实例应用分析
6.5.1 实例数据集
6.5.2 实验方案设计
6.5.3 模型的参量
6.5.4 实验结果分析
6.6 本章小结
第7章 总结与展望
7.1 总结
7.1.1 本书的研究工作
7.1.2 本书的创新点
7.2 研究展望
参考文献