| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 主要研究内容及创新点 | 第10-11页 |
| 1.2.1 研究内容 | 第10-11页 |
| 1.2.2 创新点 | 第11页 |
| 1.3 研究生期间主要工作 | 第11-12页 |
| 1.4 论文组织结构 | 第12-15页 |
| 第二章 车联网环境下数据采集任务分配和数据融合概述 | 第15-23页 |
| 2.1 相关概念 | 第15-17页 |
| 2.1.1 车联网环境 | 第15-16页 |
| 2.1.2 群智感知技术 | 第16页 |
| 2.1.3 数据采集业务 | 第16-17页 |
| 2.1.4 多源数据融合 | 第17页 |
| 2.2 研究现状 | 第17-20页 |
| 2.2.1 数据采集任务分配研究现状 | 第17-18页 |
| 2.2.2 数据采集融合研究现状 | 第18-20页 |
| 2.3 挑战与关键技术 | 第20-22页 |
| 2.3.1 数据采集任务分配面临的挑战 | 第20-21页 |
| 2.3.2 数据采集任务分配中关键技术 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 地理位置相关的数据采集任务分配机制 | 第23-37页 |
| 3.1 地理位置相关的数据采集任务分配问题 | 第23-27页 |
| 3.1.1 问题描述 | 第23-24页 |
| 3.1.2 移动车辆感知效用最大化模型 | 第24-26页 |
| 3.1.3 复杂度分析 | 第26-27页 |
| 3.2 感知效益最大化的任务分配机制(LBTA) | 第27-32页 |
| 3.2.1 LBTA算法流程 | 第27页 |
| 3.2.2 OPS算法 | 第27-30页 |
| 3.2.3 案例求解 | 第30-32页 |
| 3.3 仿真实验 | 第32-35页 |
| 3.3.1 仿真环境 | 第32-33页 |
| 3.3.2 结果分析 | 第33-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 基于多源数据的融合机制 | 第37-47页 |
| 4.1 基于多源数据融合的交通状态评估系统 | 第37-39页 |
| 4.2 基于时空一致性的多源数据融合机制 | 第39-43页 |
| 4.2.1 空间融合算法 | 第39-40页 |
| 4.2.2 时间融合算法 | 第40-43页 |
| 4.3 仿真实验 | 第43-46页 |
| 4.3.1 仿真参数定义 | 第43-44页 |
| 4.3.2 仿真环境 | 第44页 |
| 4.3.3 结果分析 | 第44-45页 |
| 4.3.4 实验结论 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 论文工作总结 | 第47-48页 |
| 5.2 存在问题及展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-55页 |
| 攻读学位期间发表的学术论文目录 | 第55页 |