摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第14-20页 |
1.1 研究背景综述 | 第14页 |
1.2 课题的研究现状 | 第14-17页 |
1.2.1 交通流检测技术国内外研究现状 | 第15页 |
1.2.2 交通事件检测算法研究现状 | 第15-17页 |
1.3 主要研究内容 | 第17页 |
1.4 章节安排 | 第17-20页 |
第2章 交通事件检测原理分析 | 第20-30页 |
2.1 交通事件的基本概念 | 第20-21页 |
2.2 交通流特性 | 第21-24页 |
2.2.1 交通流参数介绍 | 第21-22页 |
2.2.2 交通事件对交通流变化的影响 | 第22-24页 |
2.3 交通流检测技术类型 | 第24-25页 |
2.4 交通事件检测算法 | 第25-28页 |
2.4.1 常用交通事件检测算法 | 第25-27页 |
2.4.2 交通事件检测算法评价指标 | 第27-28页 |
2.5 本章小结 | 第28-30页 |
第3章 蓝牙交通流量检测系统设计 | 第30-42页 |
3.1 蓝牙交通流量检测系统整体框架设计 | 第30页 |
3.2 系统硬件设计 | 第30-34页 |
3.2.1 蓝牙模块与主控制器模块 | 第32-33页 |
3.2.2 北斗定位接收器与加速度计模块 | 第33-34页 |
3.3 系统软件设计 | 第34-38页 |
3.3.1 车内部分软件编程设计 | 第34-35页 |
3.3.2 公交站台显示牌部分软件编程设计 | 第35页 |
3.3.3 蓝牙通信软件设计 | 第35-36页 |
3.3.4 上位机软件设计 | 第36-38页 |
3.4 实车试验及基于北斗定位与加速度计信号的车速测定 | 第38-40页 |
3.4.1 实车试验系统工作流程 | 第38-39页 |
3.4.2 车速的精确测定 | 第39-40页 |
3.5 本章小结 | 第40-42页 |
第4章 基于SVM的交通事件自动检测算法 | 第42-52页 |
4.1 统计学相关知识 | 第42页 |
4.2 支持向量机基本原理 | 第42-46页 |
4.2.1 线性可分情形 | 第43-44页 |
4.2.2 非线性情况 | 第44-45页 |
4.2.3 核函数 | 第45-46页 |
4.3 遗传算法介绍 | 第46-47页 |
4.4 基于SVM的交通事件检测算法设计 | 第47-48页 |
4.4.1 SVM交通事件检测的适应性分析 | 第47页 |
4.4.2 基于SVM的交通事件检测算法设计 | 第47-48页 |
4.5 基于SVM的交通事件检测算法仿真 | 第48-51页 |
4.5.1 数据来源 | 第48-49页 |
4.5.2 预处理阶段 | 第49页 |
4.5.3 遗传算法的参数优化 | 第49-50页 |
4.5.4 利用SVM模型进行检测 | 第50-51页 |
4.6 本章小结 | 第51-52页 |
第5章 基于FCM-SVM的交通事件自动检测算法 | 第52-60页 |
5.1 模糊C均值聚类基本知识及改进方法 | 第52-55页 |
5.1.1 模糊C均值聚类基本知识 | 第52-53页 |
5.1.2 改进的模糊C均值聚类 | 第53-55页 |
5.2 基于改进 FCM-SVM 的交通事件检测试验 | 第55-58页 |
5.3 本章小结 | 第58-60页 |
第6章 语义与支持向量机相融合的交通事件检测新方法 | 第60-72页 |
6.1 本体及推理规则相关理论 | 第60-62页 |
6.1.1 本体的概念及定义 | 第60页 |
6.1.2 本体的构成 | 第60-61页 |
6.1.3 本体的形式化描述 | 第61页 |
6.1.4 SWRL规则 | 第61-62页 |
6.2 语义推理方案设计 | 第62-66页 |
6.2.1 本体的建模 | 第62-64页 |
6.2.2 SWRL推理规则的提取 | 第64-65页 |
6.2.3 JESS推理过程 | 第65-66页 |
6.3 基于语义与支持向量相融合的交通事件方法 | 第66-68页 |
6.4 推理查询系统 | 第68-69页 |
6.5 结论分析 | 第69-70页 |
6.6 本章小结 | 第70-72页 |
总结与展望 | 第72-74页 |
参考文献 | 第74-78页 |
硕士期间论文发表情况 | 第78-80页 |
致谢 | 第80页 |