| 中文摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 城市公路隧道智能监控系统 | 第12-14页 |
| 1.2.1 智能监控系统现状 | 第12-13页 |
| 1.2.2 监控系统开发 | 第13页 |
| 1.2.3 监控数据管理 | 第13-14页 |
| 1.3 智能分析方法 | 第14-18页 |
| 1.3.1 分析方法概述 | 第14-16页 |
| 1.3.2 无监督学习 | 第16-17页 |
| 1.3.3 监督学习 | 第17页 |
| 1.3.4 本体技术 | 第17-18页 |
| 1.4 论文的组织结构 | 第18-20页 |
| 第2章 城市公路隧道智能监控系统架构及功能 | 第20-35页 |
| 2.1 城市公路隧道智能监控系统架构 | 第20-23页 |
| 2.2 城市公路隧道智能监控系统功能 | 第23-30页 |
| 2.2.1 智能监控系统集成功能 | 第23-24页 |
| 2.2.2 城市公路隧道照明控制子系统 | 第24-25页 |
| 2.2.3 城市公路隧道环境监测子系统 | 第25-26页 |
| 2.2.4 城市公路隧道水泵监控子系统 | 第26-27页 |
| 2.2.5 城市公路隧道交通控制子系统 | 第27-28页 |
| 2.2.6 城市公路隧道通风监控子系统 | 第28-30页 |
| 2.3 城市公路隧道智能监控系统实现 | 第30-34页 |
| 2.3.1 监控流程 | 第30-31页 |
| 2.3.2 数据中心存储实现 | 第31-32页 |
| 2.3.3 报表与趋势图输出 | 第32-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 城市公路隧道交通态势本体构建 | 第35-55页 |
| 3.1 城市公路隧道交通态势本体 | 第35-45页 |
| 3.1.1 监测本体 | 第35-40页 |
| 3.1.2 操控本体 | 第40-44页 |
| 3.1.3 交通本体 | 第44-45页 |
| 3.2 本体的实现及查询 | 第45-47页 |
| 3.2.1 本体建模 | 第45-46页 |
| 3.2.2 交通态势查询 | 第46-47页 |
| 3.3 本体集成 | 第47-54页 |
| 3.3.1 本体集成框架 | 第47-49页 |
| 3.3.2 全局中心方法 | 第49-52页 |
| 3.3.3 局部中心方法 | 第52-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第4章 城市公路隧道监控系统联动控制及预案管理 | 第55-75页 |
| 4.1 基于多源数据的联动控制机制 | 第55-57页 |
| 4.2 基于XML的多源数据融合存储 | 第57-60页 |
| 4.3 城市公路隧道紧急事件预案管理平台 | 第60-74页 |
| 4.3.1 预案管理平台总体流程体系 | 第60-63页 |
| 4.3.2 模拟事件模块设计 | 第63-64页 |
| 4.3.3 隧道实际运行时预案管理模块设计 | 第64-70页 |
| 4.3.4 规则库设计 | 第70-71页 |
| 4.3.5 关联规则挖掘 | 第71-74页 |
| 4.4 本章小结 | 第74-75页 |
| 第5章 城市公路隧道交通数据智能分析方法 | 第75-101页 |
| 5.1 KPCA的隧道监控数据降维分析方法 | 第75-88页 |
| 5.1.1 主成分分析与核主成分分析(PCA and KPCA) | 第75-79页 |
| 5.1.2 KPCA隧道数据降维模型 | 第79-84页 |
| 5.1.3 实验结果分析 | 第84-88页 |
| 5.2 KSVMR交通流分类的堵车预测 | 第88-99页 |
| 5.2.1 支持向量机原理及KSVMR算法 | 第88-91页 |
| 5.2.2 堵车预测实验及验证 | 第91-99页 |
| 5.3 本章小结 | 第99-101页 |
| 第6章 总结与展望 | 第101-105页 |
| 6.1 全文总结 | 第101-102页 |
| 6.2 展望 | 第102-105页 |
| 参考文献 | 第105-113页 |
| 参与科研项目及发表论文情况 | 第113-114页 |
| 致谢 | 第114页 |