基于RFID的动态OD数据获取方法及应用
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 附图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-21页 |
| ·课题研究背景和意义 | 第12-13页 |
| ·国内外研究现状 | 第13-19页 |
| ·动态OD数据获取的研究现状 | 第13-16页 |
| ·射频识别(RFID)技术在交通中的应用现状 | 第16-18页 |
| ·RFID技术获取OD数据的研究现状 | 第18-19页 |
| ·本文主要研究内容 | 第19-21页 |
| 第2章 RFID技术与线圈技术采集交通量融合方法 | 第21-31页 |
| ·RFID技术采集交通信息 | 第21-24页 |
| ·RFID技术简介 | 第21-22页 |
| ·RFID技术采集交通信息的种类与方法 | 第22-23页 |
| ·RFID技术采集交通信息的优越性 | 第23-24页 |
| ·RFID技术采集交通信息的模拟 | 第24-26页 |
| ·SQL Server数据库 | 第24-25页 |
| ·SQL Server数据库模拟信息采集的合理性 | 第25-26页 |
| ·RFID技术与线圈技术的联合卡尔曼滤波融合 | 第26-30页 |
| ·联合卡尔曼滤波器的融合原理以及优势 | 第26页 |
| ·两种技术采集交通信息的特点 | 第26-28页 |
| ·两种技术采集交通信息的融合与仿真 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 RFID技术获取动态OD数据的方法 | 第31-36页 |
| ·数据库的搭建 | 第31-33页 |
| ·数据库各属性设定 | 第31-32页 |
| ·研究对象区域与交通组织 | 第32-33页 |
| ·基于数据库获取动态OD数据的方法 | 第33页 |
| ·获取对象区域的动态OD数据原则 | 第33页 |
| ·获取OD数据方法的仿真研究 | 第33页 |
| ·本文获取动态OD数据的评价 | 第33-35页 |
| ·极大熵模型介绍 | 第34页 |
| ·基于极大熵模型反推技术获取OD数据 | 第34-35页 |
| ·RFID技术与极大熵模型获取OD数据的比较 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于RFID技术的短时交通流的预测 | 第36-45页 |
| ·短时交通流预测 | 第36-37页 |
| ·主要的短时交通流预测方法 | 第36页 |
| ·非参数回归模型预测短时交通流 | 第36-37页 |
| ·基于K近邻的非参数回归预测方法 | 第37-40页 |
| ·历史数据库的建立 | 第37-38页 |
| ·K近邻的非参数回归模型 | 第38-39页 |
| ·K近邻回归预测仿真及优缺点 | 第39-40页 |
| ·基于车牌匹配的非参数回归预测方法 | 第40-43页 |
| ·车牌匹配模式与预测算法 | 第40-42页 |
| ·预测方法仿真实验 | 第42页 |
| ·车牌匹配与K近邻方法的比较分析 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 结论与展望 | 第45-47页 |
| 1 结论 | 第45页 |
| 2 展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51-52页 |
| 附录A 攻读学位期间发表的学术论文和参与项目 | 第52-53页 |
| 附录B 研究区域内调查统计的折算交通流量数据 | 第53页 |
