基于多传感器数据融合的高速公路事件检测方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 本文依托课题 | 第9页 |
| 1.2 研究背景与意义 | 第9-11页 |
| 1.3 国内外研究现状与分析 | 第11-16页 |
| 1.3.1 交通事件检测算法国内外研究现状 | 第11-14页 |
| 1.3.2 多传感器数据融合国内外研究现状 | 第14-16页 |
| 1.4 主要研究内容与章节安排 | 第16-17页 |
| 第二章 交通事件检测方法基础 | 第17-30页 |
| 2.1 交通事件 | 第17页 |
| 2.2 交通检测技术 | 第17-19页 |
| 2.3 交通事件检测方法 | 第19-28页 |
| 2.3.1 交通状态参数 | 第19-20页 |
| 2.3.2 交通事件检测算法简介 | 第20-24页 |
| 2.3.3 数据融合方法理论研究 | 第24-28页 |
| 2.4 事件检测算法评价 | 第28-29页 |
| 2.4.1 评价指标及方法 | 第28-29页 |
| 2.4.2 经典算法性能比较 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于二值检测器的交通状态参数获取方法 | 第30-37页 |
| 3.1 系统设计的总体目标 | 第30页 |
| 3.2 系统总体架构 | 第30-32页 |
| 3.3 交通状态参数获取流程 | 第32-35页 |
| 3.4 方法可行性分析与验证 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于二值检测器的事件检测算法 | 第37-43页 |
| 4.1 存在的问题 | 第37页 |
| 4.2 研究路段检测器设置 | 第37-39页 |
| 4.3 改进检测算法 | 第39-41页 |
| 4.3.1 构造雨雾浓度曲线 | 第39-40页 |
| 4.3.2 修正区间及修正值确定 | 第40-41页 |
| 4.3.3 算法流程 | 第41页 |
| 4.4 仿真验证与比较 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 基于多传感器数据融合的事件检测方法 | 第43-59页 |
| 5.1 基于单一数据源算法存在的问题 | 第43页 |
| 5.2 基于多传感器数据融合的事件检测方法的提出 | 第43-46页 |
| 5.2.1 数据融合 | 第43-44页 |
| 5.2.2 数据融合理论框架 | 第44-45页 |
| 5.2.3 算法实现 | 第45-46页 |
| 5.3 实例仿真 | 第46-58页 |
| 5.3.1 仿真目的 | 第46-47页 |
| 5.3.2 仿真模型设置 | 第47-49页 |
| 5.3.3 数据准备 | 第49-54页 |
| 5.3.4 结果分析 | 第54-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 结论和展望 | 第59-61页 |
| 6.1 结论 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 在学期间发表的论文及取得的科研成果 | 第65-66页 |
| 附录 | 第66-73页 |
