LDM~3平台的路网态势关键算法及系统研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-25页 |
| 1.1 背景意义 | 第11-12页 |
| 1.2 路网态势系统概述 | 第12-13页 |
| 1.3 国内外态势系统研究现状 | 第13-15页 |
| 1.4 态势系统相关算法研究现状 | 第15-20页 |
| 1.4.1 基于视觉传感交通信息检测 | 第15-16页 |
| 1.4.2 交通状态估计与路网指数评估 | 第16-18页 |
| 1.4.3 路网短时交通流预测模型 | 第18-20页 |
| 1.4.4 交通事件间接检测与限速控制 | 第20页 |
| 1.5 研究目标、内容与科研项目关系 | 第20-21页 |
| 1.6 论文主要工作 | 第21-23页 |
| 1.7 论文组织结构 | 第23-25页 |
| 第二章 LDM~3平台的态势系统设计与难点 | 第25-31页 |
| 2.1 LDM~3立体网络体系架构 | 第25-27页 |
| 2.2 态势系统的层间关系 | 第27-28页 |
| 2.3 态势关键算法 | 第28页 |
| 2.4 研究难点 | 第28-31页 |
| 第三章 基于PTZ视频的车型分类 | 第31-55页 |
| 3.1 基于视频不变特征的车型聚类 | 第31-41页 |
| 3.1.1 车型聚类算法流程 | 第31-32页 |
| 3.1.2 车辆投影伪形状分析 | 第32-35页 |
| 3.1.3 车型聚类与贡献率算法 | 第35-38页 |
| 3.1.4 测试结果分析 | 第38-41页 |
| 3.2 基于稀疏学习的车型分类 | 第41-53页 |
| 3.2.1 车型分类算法流程 | 第41-42页 |
| 3.2.2 摄像不变特征提取 | 第42-45页 |
| 3.2.3 稀疏学习分类方法 | 第45-46页 |
| 3.2.4 通用近端梯度算法 | 第46页 |
| 3.2.5 稀疏子空间车型分类 | 第46-48页 |
| 3.2.6 算法比较与实验验证 | 第48-53页 |
| 3.3 小结 | 第53-55页 |
| 第四章 交通状态估计与路网指数评估 | 第55-77页 |
| 4.1 PeMS系统及交通状态估计 | 第55-62页 |
| 4.1.1 PeMS系统概述 | 第55-56页 |
| 4.1.2 PeMS系统结构 | 第56-57页 |
| 4.1.3 PeMS交通状态估计 | 第57-62页 |
| 4.2 聚类分析的交通状态估计 | 第62-71页 |
| 4.2.1 交通状态聚类分析方法 | 第62-63页 |
| 4.2.2 聚类分析算法 | 第63-64页 |
| 4.2.3 方法实现与测试结果 | 第64-71页 |
| 4.3 路网指数评估 | 第71-76页 |
| 4.3.1 评估体系结构 | 第71-72页 |
| 4.3.2 评估指标选择 | 第72-73页 |
| 4.3.3 “断面-路段-路网”评估 | 第73-76页 |
| 4.4 小结 | 第76-77页 |
| 第五章 路网短时交通流预测方法 | 第77-101页 |
| 5.1 常用预测方法比较 | 第77-82页 |
| 5.1.1 时间序列模型 | 第77-78页 |
| 5.1.2 卡尔曼滤波方法 | 第78-79页 |
| 5.1.3 神经网络方法 | 第79-80页 |
| 5.1.4 支持向量回归方法 | 第80-81页 |
| 5.1.5 贝叶斯网络方法 | 第81页 |
| 5.1.6 非参数回归方法 | 第81-82页 |
| 5.2 单断面短时交通流预测及优化 | 第82-89页 |
| 5.2.1 基于ARIMA的预测方法 | 第82-83页 |
| 5.2.2 基于卡尔曼滤波的预测方法 | 第83页 |
| 5.2.3 基于BP神经网络的预测方法 | 第83-84页 |
| 5.2.4 考虑近邻的NN预测方法改进 | 第84-85页 |
| 5.2.5 实验对比分析 | 第85-89页 |
| 5.3 路网短时交通流预测方法 | 第89-99页 |
| 5.3.1 路网空间相关性分析 | 第89-90页 |
| 5.3.2 基于Lasso的变量选择简介 | 第90-91页 |
| 5.3.3 路网约束的Lasso方法改进 | 第91-92页 |
| 5.3.4 路网约束Lasso的预测方法 | 第92-93页 |
| 5.3.5 不同方法与结果分析 | 第93-99页 |
| 5.4 小结 | 第99-101页 |
| 第六章 交通事件间接检测与限速控制 | 第101-117页 |
| 6.1 基于SVM的间接检测与优化 | 第101-112页 |
| 6.1.1 间接检测算法对比分析 | 第102-105页 |
| 6.1.2 基于SVM的间接检测算法 | 第105-107页 |
| 6.1.3 基于网格搜索的参数优化 | 第107-109页 |
| 6.1.4 仿真与数据分析 | 第109-112页 |
| 6.2 灾害天气下限速控制 | 第112-116页 |
| 6.2.1 现有限速控制策略不足 | 第112-113页 |
| 6.2.2 综合限速控制方法研究 | 第113-114页 |
| 6.2.3 行车安全可变限速控制 | 第114-116页 |
| 6.3 小结 | 第116-117页 |
| 第七章 LDM~3平台对态势系统的支撑 | 第117-127页 |
| 7.1 LDM~3网络体系 | 第117-120页 |
| 7.1.1 地图界面与关系数据库 | 第119页 |
| 7.1.2 多媒体信息调用与展现 | 第119页 |
| 7.1.3 高层信息管理支持 | 第119-120页 |
| 7.2 LDM~3结构分层 | 第120-122页 |
| 7.2.1 LDM~3对象模型 | 第120-121页 |
| 7.2.2 LDM~3分层效果 | 第121-122页 |
| 7.3 LDM~3层间关系与协同 | 第122-127页 |
| 7.3.1 LDM~3高层信息汇聚 | 第122-125页 |
| 7.3.2 LDM~3立体通信结构 | 第125-127页 |
| 第八章 路网态势系统技术实现 | 第127-141页 |
| 8.1 数据中心及数据流程 | 第127-128页 |
| 8.2 系统技术实现方案 | 第128-130页 |
| 8.3 系统应用功能模块 | 第130页 |
| 8.4 系统程序设计实现 | 第130-131页 |
| 8.5 系统界面设计 | 第131-132页 |
| 8.6 功能模块与效果展示 | 第132-139页 |
| 8.6.1 态势评估 | 第132-133页 |
| 8.6.2 异常检测 | 第133-135页 |
| 8.6.3 短时预测 | 第135-137页 |
| 8.6.4 统计分析 | 第137-138页 |
| 8.6.5 基础数据 | 第138页 |
| 8.6.6 移动终端再现 | 第138-139页 |
| 8.7 宁淮高速态势系统设计 | 第139-141页 |
| 第九章 总结与展望 | 第141-145页 |
| 9.1 特点和创新 | 第141-142页 |
| 9.2 后续工作展望 | 第142-145页 |
| 参考文献 | 第145-159页 |
| 致谢 | 第159-161页 |
| 攻博期间成果 | 第161-163页 |
