| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景 | 第9页 |
| 1.2 研究的目的和意义 | 第9-11页 |
| 1.2.1 理论意义 | 第9-10页 |
| 1.2.2 实际意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-16页 |
| 1.3.1 国外研究现状 | 第11-15页 |
| 1.3.2 国内研究现状 | 第15页 |
| 1.3.3 研究述评 | 第15-16页 |
| 1.4 研究内容 | 第16-17页 |
| 第2章 车联网框架及其应用 | 第17-23页 |
| 2.1 车联网特点 | 第17-18页 |
| 2.2 车联网的系统构架 | 第18-20页 |
| 2.2.1 车联网的物理架构 | 第18-19页 |
| 2.2.2 车联网的网络架构 | 第19-20页 |
| 2.3 车联网关键技术及应用 | 第20-22页 |
| 2.3.1 射频识别技术概述 | 第20-21页 |
| 2.3.2 基于射频识别技术的交通状态参数提取方法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 射频识别检测数据异常值的筛选与恢复方法 | 第23-35页 |
| 3.1 概述 | 第23-24页 |
| 3.2 数据采样间隔特性 | 第24-27页 |
| 3.3 数据筛选方法 | 第27-30页 |
| 3.3.1 初步筛选 | 第27-28页 |
| 3.3.2 阈值筛选 | 第28页 |
| 3.3.3 交通流理论筛选 | 第28-29页 |
| 3.3.4 质量控制筛选 | 第29-30页 |
| 3.4 数据恢复方法 | 第30-32页 |
| 3.4.1 基于时间序列的数据恢复方法 | 第30-31页 |
| 3.4.2 基于历史数据的数据恢复方法 | 第31页 |
| 3.4.3 基于空间位置的数据恢复方法 | 第31页 |
| 3.4.4 基于时空相关性的数据恢复方法 | 第31-32页 |
| 3.5 实例验证 | 第32-34页 |
| 3.5.1 方法流程 | 第32页 |
| 3.5.2 数据验证 | 第32-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 基于车联网定位信息的路段行程时间估计 | 第35-51页 |
| 4.1 概述 | 第35-36页 |
| 4.2 路段影响范围动态划分 | 第36-38页 |
| 4.2.1 浮动车行程时间估计原理 | 第36-37页 |
| 4.2.2 路段影响范围划分 | 第37-38页 |
| 4.3 浮动车数据提取 | 第38页 |
| 4.4 浮动车路段行程时间估计 | 第38-41页 |
| 4.4.1 不同区域内浮动车数据特征分析 | 第39-40页 |
| 4.4.2 浮动车目标数据分类 | 第40-41页 |
| 4.5 路段断面通过时刻估计方法 | 第41-47页 |
| 4.5.1 数据类型1下的断面通过时刻估计 | 第41-43页 |
| 4.5.2 数据类型2下的断面通过时刻估计 | 第43-45页 |
| 4.5.3 数据类型3下的断面通过时刻估计 | 第45-47页 |
| 4.6 实例分析 | 第47-49页 |
| 4.7 本章小结 | 第49-51页 |
| 第5章 基于车联网状态信息的交通事故自动识别方法 | 第51-60页 |
| 5.1 事故自动识别概述 | 第51-52页 |
| 5.2 事故路段交通流特性 | 第52-53页 |
| 5.3 事故识别方法 | 第53-55页 |
| 5.4 算法性能分析 | 第55-59页 |
| 5.4.1 评价指标 | 第55-56页 |
| 5.4.2 实验验证 | 第56-59页 |
| 5.5 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65页 |