| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第10-18页 |
| 1.1 国内外交通数据融合与实时交通状态估计研究现状 | 第10-13页 |
| 1.1.1 交通状态估计研究现状 | 第10-11页 |
| 1.1.2 数据融合技术研究现状 | 第11-12页 |
| 1.1.3 交通数据融合研究现状 | 第12-13页 |
| 1.2 研究的目的和意义 | 第13-15页 |
| 1.2.1 研究目的 | 第13-14页 |
| 1.2.2 研究意义 | 第14-15页 |
| 1.3 研究内容和技术路线 | 第15-16页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 技术路线 | 第15-16页 |
| 1.4 论文结构安排 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 2 基于卡尔曼滤波器的交通数据预处理 | 第18-23页 |
| 2.1 智能交通传感器数据源 | 第18-19页 |
| 2.1.1 GPS | 第18页 |
| 2.1.2 微波车辆检测器 | 第18-19页 |
| 2.2 数据预处理 | 第19-22页 |
| 2.2.1 数据清洗 | 第19-20页 |
| 2.2.2 数据降噪 | 第20-22页 |
| 2.2.2.1 卡尔曼滤波器及其原理介绍 | 第20-21页 |
| 2.2.2.2 基于卡尔曼滤波器的GPS、微波数据滤波及补全 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 基于RGB-D的车辆跟踪与路段平均速度估计 | 第23-34页 |
| 3.1 车辆检测与跟踪 | 第23-30页 |
| 3.1.1 三帧差检测法 | 第25-27页 |
| 3.1.2 深度信息聚类 | 第27-28页 |
| 3.1.3 车辆分割与检测 | 第28-29页 |
| 3.1.4 车辆跟踪 | 第29-30页 |
| 3.1.4.1 SURF特征匹配算法概述 | 第29-30页 |
| 3.1.4.2 特征提取及匹配 | 第30页 |
| 3.2 路段平均速度估计 | 第30-31页 |
| 3.3 实验分析 | 第31-33页 |
| 3.3.1 车辆检测与分割结果分析 | 第31-32页 |
| 3.3.2 车辆跟踪结果分析 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 基于高斯混合模型的多源数据融合 | 第34-44页 |
| 4.1 道路交通状态定义及评价方法 | 第34-36页 |
| 4.2 GMM模型训练 | 第36-39页 |
| 4.3 交通状态估计 | 第39-40页 |
| 4.4 实验分析 | 第40-43页 |
| 4.4.1 交通状态人工标注 | 第41页 |
| 4.4.2 准确性分析实验 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 5 总结与展望 | 第44-46页 |
| 5.1 主要工作总结 | 第44-45页 |
| 5.2 未来研究的展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 作者简历 | 第50页 |
| 攻读学位期间发表或录用的学术论文 | 第50页 |