基于自动车牌识别数据的城市道路行程时间估计
| 序 | 第9-11页 |
| 摘要 | 第11-13页 |
| Abstract | 第13-15页 |
| 符号清单 | 第19-22页 |
| 1 绪论 | 第22-29页 |
| 1.1 课题来源 | 第22页 |
| 1.2 研究背景与意义 | 第22-24页 |
| 1.3 研究问题与目标 | 第24-25页 |
| 1.4 研究思路与内容 | 第25-27页 |
| 1.5 论文组织 | 第27-29页 |
| 2 文献综述 | 第29-43页 |
| 2.1 交通采集数据质量分析 | 第29-30页 |
| 2.2 路段行程时间估计方法 | 第30-37页 |
| 2.2.1 传统断面检测设备 | 第31-32页 |
| 2.2.2 浮动车 | 第32页 |
| 2.2.3 新型断面检测设备 | 第32-37页 |
| 2.3 路径行程时间估计方法 | 第37-40页 |
| 2.3.1 路径行程时间均值 | 第37-38页 |
| 2.3.2 路径行程时间分布 | 第38-40页 |
| 2.4 车辆行驶路线推断方法 | 第40-41页 |
| 2.5 本章小结 | 第41-43页 |
| 3 自动车牌识别数据质量分析 | 第43-59页 |
| 3.1 高清智能卡口系统 | 第43-46页 |
| 3.1.1 工作原理 | 第44-45页 |
| 3.1.2 布设位置及检测数据 | 第45-46页 |
| 3.1.3 系统性能指标 | 第46页 |
| 3.2 数据质量分析 | 第46-57页 |
| 3.2.1 断面数据质量分析 | 第46-49页 |
| 3.2.2 路段行程时间数据质量分析 | 第49-57页 |
| 3.3 本章小结 | 第57-59页 |
| 4 基于交通流方向的路段行程时间估计 | 第59-78页 |
| 4.1 问题描述 | 第59-62页 |
| 4.1.1 问题分析 | 第59页 |
| 4.1.2 不同方向交通流定义 | 第59-60页 |
| 4.1.3 不同方向交通流行程时间估计 | 第60-62页 |
| 4.2 不同方向交通流行程时间分析 | 第62-70页 |
| 4.2.1 实验路段 | 第63-66页 |
| 4.2.2 不同方向交通流行程时间显著性差异分析 | 第66-70页 |
| 4.3 行程时间回归模型 | 第70-73页 |
| 4.3.1 行程时间影响因素 | 第71页 |
| 4.3.2 回归模型建立 | 第71-72页 |
| 4.3.3 回归模型误差分析 | 第72-73页 |
| 4.4 路段行程时间估计方法改进及实例分析 | 第73-76页 |
| 4.5 本章小结 | 第76-78页 |
| 5 路径行程时间分布估计 | 第78-112页 |
| 5.1 研究问题及思路 | 第78-82页 |
| 5.1.1 问题描述 | 第78-81页 |
| 5.1.2 解决思路 | 第81-82页 |
| 5.2 准备工作 | 第82-88页 |
| 5.2.1 路径定义 | 第82-84页 |
| 5.2.2 观测数据提取 | 第84-85页 |
| 5.2.3 路线推断 | 第85-87页 |
| 5.2.4 部分路径行程时间扩大 | 第87-88页 |
| 5.2.5 行程时间数据分类 | 第88页 |
| 5.3 路径行程时间分布估计模型 | 第88-94页 |
| 5.3.1 TTPD的计算 | 第88-91页 |
| 5.3.2 TTD的计算 | 第91-94页 |
| 5.4 实例分析与模型评价 | 第94-110页 |
| 5.4.1 实验路径 | 第95-97页 |
| 5.4.2 基于实际数据的初步分析 | 第97-101页 |
| 5.4.3 不同算法估计结果误差分析 | 第101-104页 |
| 5.4.4 识别精度的影响 | 第104-106页 |
| 5.4.5 参数mr的影响 | 第106-107页 |
| 5.4.6 路径属性的影响 | 第107-108页 |
| 5.4.7 路径行程时间估计结果分析 | 第108-110页 |
| 5.5 小结 | 第110-112页 |
| 6 总结及展望 | 第112-115页 |
| 6.1 工作总结 | 第112-113页 |
| 6.2 创新成果 | 第113-114页 |
| 6.3 研究展望 | 第114-115页 |
| 参考文献 | 第115-126页 |
| 作者简介及科研成果 | 第126-128页 |
