| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 缩略语表 | 第8-11页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 多源数据融合的背景及意义 | 第11-12页 |
| 1.2 多源数据融合的发展现状 | 第12-13页 |
| 1.3 多源数据融合存在的问题 | 第13-14页 |
| 1.4 本文主要内容和结构安排 | 第14-17页 |
| 第2章 地图匹配算法 | 第17-25页 |
| 2.1 地图匹配算法概述 | 第17-18页 |
| 2.2 基于隐马尔科夫模型的地图匹配算法 | 第18-19页 |
| 2.3 ST-Matching地图匹配算法 | 第19-24页 |
| 2.3.1 ST-Matching地图匹配算法概念定义 | 第20-21页 |
| 2.3.2 ST-Matching地图匹配算法流程 | 第21-22页 |
| 2.3.3 ST-Matching地图匹配算法时空分析 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于ST-Matching算法的异构车辆数据匹配算法 | 第25-35页 |
| 3.1 基于ST-Matching算法的异构汽车数据匹配算法基本概述 | 第25-26页 |
| 3.2 基于ST-Matching算法的异构车辆数据匹配算法流程 | 第26-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 异构车辆数据匹配算法研究在实际中的应用 | 第35-63页 |
| 4.1 研究汽车油耗与城市路段之间的关系 | 第35-46页 |
| 4.1.1 汽车油耗与城市路段的关系的研究中定义的数据 | 第35-36页 |
| 4.1.2 汽车油耗与城市路段关系的研究中参数的设计 | 第36-40页 |
| 4.1.3 计算路段百公里油耗 | 第40-42页 |
| 4.1.4 识别并检验特殊路段 | 第42-43页 |
| 4.1.5 特殊路段与普通路段的属性对比 | 第43-44页 |
| 4.1.6 汽车油耗与城市路段关系的具体案例分析 | 第44-46页 |
| 4.2 预测居民出行规律 | 第46-50页 |
| 4.2.1 聚类载客热点区域并预测居民出行规律 | 第46-48页 |
| 4.2.2 实验结果与精度对比 | 第48-50页 |
| 4.3 车载驾驶辅助系统ACC自动巡航系统的性能研究 | 第50-61页 |
| 4.3.1 ACC开始结束及工况的定义 | 第50-52页 |
| 4.3.2 ACC各工况匹配算法流程 | 第52-54页 |
| 4.3.3 各种工况下ACC与自然驾驶数据对比 | 第54-59页 |
| 4.3.4 驾驶员行为分析 | 第59-61页 |
| 4.3.5 实验结论 | 第61页 |
| 4.3.6 实验发现问题 | 第61页 |
| 4.4 本章小结 | 第61-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 论文工作总结 | 第63页 |
| 5.2 未来展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者简介及在学期间取得的科研成果 | 第69-70页 |
| 致谢 | 第70页 |
