基于浮动车和WSN的交通数据处理方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-18页 |
| ·研究背景和意义 | 第9页 |
| ·研究现状 | 第9-15页 |
| ·WSN在交通上应用的现状 | 第10-11页 |
| ·浮动车在交通上应用的现状 | 第11-12页 |
| ·交通流数据融合技术在交通应用的研究现状 | 第12-15页 |
| ·本文主要研究内容 | 第15-16页 |
| ·本文组织结构 | 第16-18页 |
| 2 基于WSN和浮动车的交通数据获取模型设计 | 第18-26页 |
| ·基于WSN和浮动车综合检测优势 | 第18-19页 |
| ·基于WSN和浮动车检测的拓扑结构设计 | 第19-23页 |
| ·交通分区的概念 | 第19-20页 |
| ·交通数据采集物理拓扑结构设计 | 第20-21页 |
| ·交通数据采集网络拓扑结构设计 | 第21-23页 |
| ·基于WSN和浮动车的综合检测平台设计 | 第23-25页 |
| ·硬件结构设计 | 第23-25页 |
| ·软件选择 | 第25页 |
| ·总结 | 第25-26页 |
| 3 基于WSN和浮动车的数据采集处理方法研究 | 第26-40页 |
| ·WSN交通数据采集方法 | 第27-29页 |
| ·浮动车交通数据采集方法 | 第29-36页 |
| ·浮动车检测的主要内容 | 第29-30页 |
| ·浮动车检测的速度计算方法 | 第30-36页 |
| ·WSN和浮动车交通数据采集方法 | 第36-40页 |
| ·交通数据融合框架设计 | 第36-37页 |
| ·数据处理模块功能研究 | 第37-39页 |
| ·数据关联模块 | 第39-40页 |
| 4 基于Elman神经网络的车速融合模型设计分析 | 第40-45页 |
| ·ELMAN神经网络的优缺点 | 第40-41页 |
| ·基于ELMAN神经网络算法整体描述 | 第41-42页 |
| ·实验 | 第42页 |
| ·结论分析 | 第42-45页 |
| 5 基于神经网络交通状态特征提取模型研究 | 第45-51页 |
| ·交通拥堵评价指标 | 第45页 |
| ·交通状态特征提取模型设计 | 第45-47页 |
| ·实验 | 第47页 |
| ·结论分析 | 第47-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-56页 |
