交通状态云图计算方法研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-16页 |
| ·智能交通系统概述 | 第12页 |
| ·交通数据的来源 | 第12-14页 |
| ·本论文的主要内容 | 第14-16页 |
| 第二章 数字地图的结构与实现 | 第16-29页 |
| ·地理信息系统 | 第16-18页 |
| ·概述 | 第16-17页 |
| ·开发方式 | 第17-18页 |
| ·数字地图的设计 | 第18-21页 |
| ·数字地图的结构 | 第19-20页 |
| ·城市路网结构表示 | 第20-21页 |
| ·数字地图的实现 | 第21-26页 |
| ·Shapefile 文件 | 第21-23页 |
| ·提取路段节点 | 第23-24页 |
| ·生成路段拓扑结构 | 第24-26页 |
| ·交通状态分析平台 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 基于 GPS 数据的交通状态估计 | 第29-46页 |
| ·全球定位系统 | 第29-31页 |
| ·概述 | 第29-30页 |
| ·定位原理 | 第30-31页 |
| ·GPS 坐标转换 | 第31-35页 |
| ·高斯-克吕格投影法 | 第33-34页 |
| ·仿射变换法 | 第34-35页 |
| ·GPS 道路匹配 | 第35-39页 |
| ·最近邻匹配算法 | 第36-38页 |
| ·改进的最近邻算法 | 第38-39页 |
| ·地图分块 | 第39-41页 |
| ·基于曲面拟合的交通状态估计 | 第41-42页 |
| ·实验分析 | 第42-44页 |
| ·实验数据的采集 | 第42-43页 |
| ·曲面拟合的准确性 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第四章 基于 SCATS 数据的交通状态估计 | 第46-59页 |
| ·SCATS 系统概述 | 第46-47页 |
| ·SCATS 数据 | 第47-49页 |
| ·基于监督学习的交通状态估计 | 第49-51页 |
| ·多项式拟合 | 第49-50页 |
| ·BP 神经网络 | 第50页 |
| ·支持向量回归 | 第50-51页 |
| ·多核的支持向量回归 | 第51页 |
| ·实验分析 | 第51-57页 |
| ·实验步骤 | 第52-53页 |
| ·算法评价指标 | 第53-54页 |
| ·实验结果 | 第54-57页 |
| ·本章小结 | 第57-59页 |
| 第五章 交通云图的计算与交通指数的发布 | 第59-75页 |
| ·路网划分概述 | 第59-60页 |
| ·原始云图的生成 | 第60-63页 |
| ·基于聚类的动态路网区域的划分 | 第63-64页 |
| ·栅格的聚类 | 第63-64页 |
| ·状态参数的权重 | 第64页 |
| ·增加样本多样性 | 第64页 |
| ·根据置信度合并初始聚类 | 第64-65页 |
| ·交通云图的生成 | 第65-69页 |
| ·栅格化采样 | 第66页 |
| ·提取状态数据 | 第66页 |
| ·聚类有效数据 | 第66-67页 |
| ·合并低置信度区域 | 第67-68页 |
| ·显示地图划分 | 第68-69页 |
| ·区域交通指数的计算 | 第69-70页 |
| ·实验分析 | 第70-74页 |
| ·路网划分及指数的发布 | 第71-72页 |
| ·交通指数的时间响应 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-78页 |
| ·论文工作总结 | 第75-76页 |
| ·研究展望 | 第76-78页 |
| 参考文献 | 第78-81页 |
| 致谢 | 第81-82页 |
| 攻读硕士学位期间已发表或录用的论文 | 第82-83页 |
| 附件 | 第83页 |
