基于信息汇聚的交通流检测方法研究
目录 | 第1-5页 |
中文摘要 | 第5-6页 |
英文摘要 | 第6-7页 |
第一章 绪论 | 第7-14页 |
·背景意义 | 第7-8页 |
·课题研究现状 | 第8-9页 |
·国外研究现况 | 第8-9页 |
·国内研究现状 | 第9页 |
·基于信息汇聚的交通流检测方法概述 | 第9-11页 |
·论文内容与结构安排 | 第11-14页 |
第二章 交通流信息采集技术 | 第14-25页 |
·交通流信息采集 | 第14-17页 |
·环形线圈检测器 | 第14-16页 |
·视频车辆检测器 | 第16页 |
·微波检测器 | 第16-17页 |
·交通流参数 | 第17-18页 |
·交通流量 | 第17页 |
·车速 | 第17-18页 |
·车流密度 | 第18页 |
·交通流量、车速、车流密度之间关系 | 第18-24页 |
·速度与密度 | 第18-21页 |
·交通流量和密度 | 第21-22页 |
·交通流量和速度 | 第22-23页 |
·交通流量、速度和密度的三者关系 | 第23-24页 |
·本章小结 | 第24-25页 |
第三章 路网的信息汇聚 | 第25-32页 |
·信息汇聚技术的基本理论 | 第25-29页 |
·信息汇聚的概念 | 第25页 |
·信息汇聚的分层描述 | 第25-28页 |
·信息汇聚系统的主要模型 | 第28-29页 |
·信息汇聚的应用 | 第29-31页 |
·信息汇聚在各个领域中的应用 | 第29-30页 |
·信息汇聚在交通领域的应用 | 第30-31页 |
·本章小结 | 第31-32页 |
第四章 信息汇聚的算法与车速检测 | 第32-38页 |
·信息汇聚的基本算法 | 第32-33页 |
·加权平均法 | 第32页 |
·贝叶斯估计法 | 第32页 |
·卡尔曼滤波 | 第32-33页 |
·D-S证据推理方法 | 第33页 |
·神经网络法 | 第33页 |
·车速信息采集与处理 | 第33-37页 |
·车速信息采集 | 第34页 |
·异常数据处理 | 第34-36页 |
·Matlab仿真 | 第36-37页 |
·本章小结 | 第37-38页 |
第五章 基于最小方差加权平均的车速检测 | 第38-50页 |
·柯西不等式法 | 第39-40页 |
·多属性决策法 | 第40-41页 |
·仿真结果 | 第41-48页 |
·柯西不等式法的仿真结果 | 第41-44页 |
·多属性决策法的仿真结果 | 第44-48页 |
·本章小结 | 第48-50页 |
第六章 基于最小均值的加权平均车速检测 | 第50-55页 |
·已知优良检测器的情况 | 第50-52页 |
·未知优良检测器的情况 | 第52-53页 |
·本章小结 | 第53-55页 |
第七章 总结与展望 | 第55-57页 |
·论文工作总结 | 第55-56页 |
·论文的有待工作与展望 | 第56-57页 |
参考文献 | 第57-60页 |
致谢 | 第60-61页 |
附录 攻读硕士期间申请的专利及参与项目 | 第61-62页 |