致谢 | 第4-5页 |
摘要 | 第5-6页 |
Abstract | 第6-7页 |
1 绪论 | 第13-27页 |
1.1 课题来源 | 第13页 |
1.2 研究背景 | 第13-18页 |
1.2.1 机动车出行路径的相关定义 | 第14-16页 |
1.2.2 各类交通传感器及其特点 | 第16-18页 |
1.3 研究内容及意义 | 第18-19页 |
1.3.1 研究内容 | 第18-19页 |
1.3.2 研究意义 | 第19页 |
1.4 研究现状 | 第19-25页 |
1.4.1 车牌识别数据相关研究 | 第19-20页 |
1.4.2 行程时间估计的相关研究 | 第20-22页 |
1.4.3 出行路径提取算法相关研究 | 第22-25页 |
1.5 技术路线及章节安排 | 第25-27页 |
1.5.1 技术路线 | 第25-26页 |
1.5.2 章节安排 | 第26-27页 |
2 数据预处理 | 第27-39页 |
2.1 车牌识别数据 | 第28-30页 |
2.1.1 维归约 | 第28页 |
2.1.2 最大-最小规范 | 第28-30页 |
2.1.3 数值规约 | 第30页 |
2.2 交叉口点位数据 | 第30-32页 |
2.2.1 设备点位数据修正 | 第31页 |
2.2.2 交叉口实际点位聚类 | 第31-32页 |
2.2.3 交叉口虚拟点位设置 | 第32页 |
2.3 路网时空数据 | 第32-37页 |
2.3.1 路网拓扑数据 | 第32-33页 |
2.3.2 路段行程时间滤波 | 第33-37页 |
2.4 本章小结 | 第37-39页 |
3 基于路径子串组合最优化的行程时间估计算法 | 第39-55页 |
3.1 路径子串行程时间数据采集 | 第39-42页 |
3.1.1 建立路径子串数据集 | 第40-41页 |
3.1.2 路径子串的分布式采集 | 第41-42页 |
3.2 路段行程时间重构 | 第42-50页 |
3.2.1 路段行程时间张量 | 第43-45页 |
3.2.2 张量分解原理 | 第45-47页 |
3.2.3 路段行程时间重构 | 第47-50页 |
3.3 基于路径子串组合最优化的行程时间估计算法 | 第50-53页 |
3.3.1 理论基础 | 第50-51页 |
3.3.2 算法步骤 | 第51-53页 |
3.4 本章小结 | 第53-55页 |
4 基于车牌识别数据的出行路径提取算法 | 第55-67页 |
4.1 出行链获取及分离 | 第55-57页 |
4.1.1 出行链获取 | 第55页 |
4.1.2 出行链分离 | 第55-56页 |
4.1.3 速度阈值的确定 | 第56-57页 |
4.2 基于A~*算法的最短行驶路径搜索 | 第57-58页 |
4.3 基于KSP算法及GRA算法的出行路径补全算法 | 第58-66页 |
4.3.1 构建出行路径可行解集合 | 第59-60页 |
4.3.2 KSP(K则最短路径)算法 | 第60-62页 |
4.3.3 出行路径决策指标 | 第62-64页 |
4.3.4 基于GRA的出行路径补全决策算法 | 第64-66页 |
4.4 本章小结 | 第66-67页 |
5 实验结果及分析 | 第67-81页 |
5.1 数据集 | 第67-68页 |
5.2 路径行程时间估计算法验证 | 第68-74页 |
5.2.1 评价指标及基线算法 | 第68-70页 |
5.2.2 路段行程时间重构算法验证 | 第70-74页 |
5.2.3 路径行程时间估计算法验证 | 第74页 |
5.3 出行路径提取算法验证 | 第74-81页 |
5.3.1 算法有效性分析 | 第74-76页 |
5.3.2 漏检情况分析 | 第76-78页 |
5.3.3 出行路径的时空分布情况 | 第78-81页 |
6 结论及展望 | 第81-85页 |
6.1 结论 | 第81-82页 |
6.2 展望 | 第82-85页 |
参考文献 | 第85-89页 |
附录A | 第89-99页 |
A.1 路段行程时间提取及滤波 | 第89-91页 |
A.2 POI点检索程序 | 第91-93页 |
A.3 张量分解程序 | 第93-95页 |
A.4 KSP算法程序 | 第95-97页 |
A.5 其他 | 第97-99页 |
附录B | 第99页 |
作者简介 | 第99页 |
攻读硕士学位期间发表的文章 | 第99页 |
专利名称 | 第99页 |
参与项目 | 第99页 |