● 章 緒論
1.1 智能運輸繫統概述
1.1.1 智能運輸繫統基本概念
1.1.2 典型的智能運輸信息繫統
1.1.3 存在的問題
1.2 智能運輸信息處理
1.2.1 數據與信息
1.2.2 智能運輸信息處理技術與模式
1.2.3 智能時代的信息—大數據的重要性與必要性
小結
習題
第2章 數據預處理方法
2.1 概述
2.2 數據預處理的方法
2.2.1 數據描述
2.2.2 數據清洗
2.2.3 數據變換
2.2.4 數據離散化
2.2.5 數據集成
2.2.6 數據歸約
小結
習題
第3章 智能運輸信息分類技術
3.1 決策樹分類器
3.1.1 決策樹的基本原理與特點
3.1.2 決策樹分類基本步驟
3.1.3 ID3算法
3.1.4 C4.5算法
3.1.5 決策樹分類器在智能運輸信息處理中的MATLAB應用實例
3.2 SVM分類器
3.2.1 線性核近似線性可分SVM
3.2.2 非線性SVM
3.2.3 SVM分類器在智能運輸信息處理中的MATLAB應用實例
3.3 人工神經網絡分類器
3.3.1 人工神經網絡的基本構成和原理
3.3.2 BP神經網絡分類器
3.3.3 徑向基函數神經網絡(RBF)
3.3.4 神經網絡分類器在智能運輸信息處理中的MATLAB應用實例
小結
習題
第4章 智能運輸信息預測技術
4.1 .概述
4.2 時間序列預測法
4.2.1 基本步驟
4.2.2 基本特征
4.2.3 時間序列預測模型
4.2.4 模型檢驗
4.2.5 時間序列預測在智能運輸信息處理中的MATLAB應用實例
4.3 回歸分析預測法
4.3.1 基本步驟和應注意的問題
4.3.2 線性回歸分析預測模型
4.3.3 非線性回歸分析預測模型
4.3.4 回歸分析預測在智能運輸信息處理中的MATLAB應用實例
4.4 灰色預測法
4.4.1 灰色預測模型的特點及分類
4.4.2 灰色預測模型
4.4.3 灰色預測在智能運輸信息處理中的MATLAB應用實例
小結
習題4
第5章 智能運輸信息聚類技術
5.1 概述
5.2 k-means 聚類算法
5.2.1 k-means 聚類算法原理
5.2.2 k-means聚類算法步驟
5.2.3 k-means在智能運輸信息處理中的MATLAB應用實例
5.3 層次聚類算法
5.3.1 層次聚類算法原理
5.3.2 層次聚類算法步驟
5.3.3 層次聚類在智能運輸信息處理中的MATLAB應用實例
5.4 SOM聚類算法
5.4.1 SOM聚類算法原理
5.4.2 SOM聚類算法步驟
5.4.3 SOM聚類在智能運輸信息處理中的MATLAB應用實例
小結
習題5
第6章 智能運輸信息關聯分析技術
6.1 概述
6.1.1 關聯分析的概念和應用
6.1.2 關聯分析的相關定義
6.2 一般關聯規則算法—Apriori算法
6.2.1 Apriori算法原理
6.2.2 Apriori算法步驟
6.2.3 Apriori算法在MATLAB中的實例應用
6.3 序列模式挖掘算法—PrefixSpan算法
6.3.1 PrefixSpan 算法原理
6.3.2 PrefixSpan算法步驟
6.3.3 PrefixSpan算法在MATLAB中的實例應用
小結
習題
第7章 信息可視化技術
7.1 概述
7.2 信息可視化常用方法
7.2.1 柱狀圖
7.2.2 直方圖
7.2.3 折線圖
7.2.4 餅圖
7.2.5 散點圖
7.2.6 雷達圖
7.2.7 帕累托圖
7.3 信息表達技巧
7.3.1 面積尺寸可視化
7.3.2 顏色可視化
7.3.3 地域空間可視化
7.3.4 概念可視化
小結
習題
第8章 道路交通違法事故信息處理案例
8.1 數據的獲取與預處理
8.1.1 數據的來源
8.1.2 數據的預處理
8.2 信息的集成
8.2.1 信息集成處理的意義
8.2.2 信息集成基本框架及過程
8.3 基於神經網絡融合方法的交通事故多發原因分析
8.3.1 整體思路
8.3.2 輸入向量構造
8.3.3 輸出向量構造
8.3.4 神經網絡的構建
8.3.5 訓練結果
8.4 交通事故數據挖掘
8.4.1 概述
8.4.2 聚類分析
8.4.3 關聯分析
小結
第9章 動車組牽引繫統故障信息處理案例
9.1 數據的獲取
9.1.1 數據來源
9.1.2 處理需求
9.2 數據預處理
9.2.1 故障數據剔除
9.2.2 故障數據字段歸並處理
9.3 .數據特征分析與展示
9.3.1 單變量統計分析
9.3.2 多變量統計分析
9.3.3 部件故障屬性計算
9.4 故障數據關聯規則分析
9.4.1 故障信息特征詞提取方法
9.4.2 關聯規則構建方法
9.4.3 關聯規則分析
小結
0章 智能運輸信息處理技術前沿熱點
10.1 信息處理技術發展趨勢
10.2 人工智能、深度學習技術
10.2.1 人工智能技術
10.2.2 深度學習技術
10.2.3 國內外人工智能與深度學習發展
10.3 雲計算、霧計算與邊緣計算
10.3.1 雲計算
10.3.2 霧計算
10.3.3 邊緣計算
……
內容簡介
本書涵蓋了智能運輸信息處理的全過程,包括信息的獲取、預處理、集成、挖掘及表達,並用道路交通違法事故信息處理案例、動車組牽引繫統故障信息處理案例兩個案例說明和演示了智能運輸信息處理的過程和方法。在編寫過程中結合了算法原理與實際應用經驗,全面而又不失重點地展現了現代智能信息處理技術應用,較為全面地表述了智能運輸信息處理知識體繫。本書內容豐富,取材新穎,是一本針對智能運輸工程及相關專業的信息處理教材,是為了適應將交通運輸類學生培養成“寬口徑、高素質”專業人纔的目標而編寫的。