| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景与意义 | 第14-16页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 研究目标与内容 | 第16-18页 |
| 1.2.1 研究目标 | 第16页 |
| 1.2.2 研究内容 | 第16-18页 |
| 1.2.2.1 高速公路多类型交通信息检测技术与多源异质数据特性分析 | 第16-17页 |
| 1.2.2.2 基于神经网络的高速公路多源交通数据融合方法研究 | 第17页 |
| 1.2.2.3 基于递进式扩展卡尔曼滤波的高速公路交通状态估计方法研究 | 第17页 |
| 1.2.2.4 多类型交通信息检测技术在高速公路上组合优化布设方法研究 | 第17-18页 |
| 1.3 研究方法与技术路线 | 第18-20页 |
| 1.3.1 研究方法 | 第18-19页 |
| 1.3.2 技术路线 | 第19-20页 |
| 1.4 本章小结 | 第20-22页 |
| 第二章 国内外研究和应用现状评述 | 第22-40页 |
| 2.1 多类型交通信息采集技术 | 第22-28页 |
| 2.1.1 交通状态检测技术分类 | 第22-23页 |
| 2.1.2 地点检测技术 | 第23页 |
| 2.1.3 轨迹检测技术 | 第23-25页 |
| 2.1.4 匹配检测技术 | 第25-28页 |
| 2.2 交通信息融合与状态估计技术 | 第28-36页 |
| 2.2.1 多源数据融合技术 | 第28-29页 |
| 2.2.2 基于模型的交通状态融合与估计方法 | 第29-35页 |
| 2.2.2.1 高速公路路段交通流模型 | 第30-31页 |
| 2.2.2.2 数据同化技术 | 第31-35页 |
| 2.2.3 数据驱动的交通状态融合与估计方法 | 第35-36页 |
| 2.3 多类型检测技术组合布设方法 | 第36-37页 |
| 2.4 对本论文研究的启发 | 第37-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第三章 多源异质数据分析方法研究及数据特性分析 | 第40-80页 |
| 3.1 研究契机与思路 | 第40页 |
| 3.2 手机切换提取技术的交通信息特性分析 | 第40-57页 |
| 3.2.1 基于手机切换的交通信息提取技术基本原理 | 第40-46页 |
| 3.2.1.1 提取切换数据 | 第40-43页 |
| 3.2.1.2 标定切换网络 | 第43-45页 |
| 3.2.1.3 匹配行驶道路 | 第45页 |
| 3.2.1.4 计算行程车速 | 第45-46页 |
| 3.2.2 分析与测试的数据 | 第46-47页 |
| 3.2.3 数据特性分析 | 第47-57页 |
| 3.2.3.1 切换扰动对路段车速采集的影响分析 | 第47-48页 |
| 3.2.3.2 影响有效样本量的因素分析 | 第48-52页 |
| 3.2.3.3 样本量在不同长度的切换路段上的分布特征 | 第52-54页 |
| 3.2.3.4 样本量对基于手机切换的交通信息提取技术精度影响 | 第54-57页 |
| 3.2.3.5 确定合理样本量的方法 | 第57页 |
| 3.3 手机活动数据提取技术的交通信息特性分析 | 第57-76页 |
| 3.3.1 基于手机活动数据的交通信息提取技术基本原理 | 第57-59页 |
| 3.3.2 基于动态时间规整(DTW)的数据特性分析方法 | 第59-64页 |
| 3.3.2.1 动态时间规整算法概述 | 第60-63页 |
| 3.3.2.2 基于DTW的数据特性分析方法 | 第63-64页 |
| 3.3.3 分析与测试的数据 | 第64-66页 |
| 3.3.3.1 测试环境 | 第64-65页 |
| 3.3.3.2 测试数据 | 第65-66页 |
| 3.3.4 数据特性分析 | 第66-76页 |
| 3.3.4.1 基于DTW的数据特性分析方法的应用 | 第66-70页 |
| 3.3.4.2 DTW的分类结果对进一步交通状态参数提取的影响分析 | 第70-75页 |
| 3.2.4.3 PS数据特性分析 | 第75-76页 |
| 3.4 微波交通检测器的数据特性分析 | 第76-79页 |
| 3.4.1 微波交通检测器的基本原理 | 第76-77页 |
| 3.4.2 分析与测试数据 | 第77页 |
| 3.4.3 数据特性分析 | 第77-79页 |
| 3.5 本章小结 | 第79-80页 |
| 第四章 基于神经网络的高速公路多源数据融合方法研究 | 第80-100页 |
| 4.1 研究契机与思路 | 第80页 |
| 4.2 多源数据融合流程 | 第80-82页 |
| 4.3 融合模块与算法 | 第82-88页 |
| 4.3.1 数据一致化模块 | 第82-84页 |
| 4.3.1.1 基于手机切换的交通信息提取技术的数据转化方法 | 第82-83页 |
| 4.3.1.2 微波交通检测器的数据转化方法 | 第83-84页 |
| 4.3.2 基于神经网络的融合模块 | 第84-87页 |
| 4.3.2.1 神经网络算法 | 第84-86页 |
| 4.3.2.2 面向多源数据融合的神经网络模型 | 第86-87页 |
| 4.3.3 基于神经网络的估计模块 | 第87-88页 |
| 4.4 仿真分析与评估 | 第88-99页 |
| 4.4.1 仿真模型搭建 | 第88-90页 |
| 4.4.1.1 仿真高速公路路段与检测技术布置 | 第88-90页 |
| 4.4.1.2 仿真参数设置 | 第90页 |
| 4.4.1.3 仿真数据获取 | 第90页 |
| 4.4.2 基于神经网络的高速公路多源数据融合方法评估 | 第90-99页 |
| 4.4.2.1 评估方法 | 第90-91页 |
| 4.4.2.2 敏感性分析 | 第91-94页 |
| 4.4.2.3 方法测试与评价 | 第94-97页 |
| 4.4.2.4 与其它融合方法的对比 | 第97-99页 |
| 4.5 本章小结 | 第99-100页 |
| 第五章 基于递进式扩展卡尔曼滤波的高速公路交通状态估计方法 | 第100-123页 |
| 5.1 研究契机与思路 | 第100页 |
| 5.2 高速公路路段宏观交通流建模 | 第100-102页 |
| 5.3 面向CA数据的交通状态估计方法 | 第102-106页 |
| 5.3.1 观测模型 | 第102-104页 |
| 5.3.1.1 测量值与状态变量关系分析 | 第102-103页 |
| 5.3.1.2 观测模型建立 | 第103-104页 |
| 5.3.2 状态-空间模型 | 第104页 |
| 5.3.3 EKF估计器设计 | 第104-106页 |
| 5.4 面向多源数据的PEKF估计方法 | 第106-111页 |
| 5.4.1 多源数据对比分析 | 第106-108页 |
| 5.4.2 观测模型 | 第108-109页 |
| 5.4.3 状态-空间模型 | 第109页 |
| 5.4.4 PEKF估计器结构和算法设计 | 第109-111页 |
| 5.5 实例分析 | 第111-121页 |
| 5.5.1 测试高速公路环境 | 第111-113页 |
| 5.5.1.1 测试高速公路路段 | 第111-112页 |
| 5.5.1.2 研究数据源 | 第112-113页 |
| 5.5.2 模型参数标定 | 第113-115页 |
| 5.5.2.1 时间参数 | 第113页 |
| 5.5.2.2 路段与边界设置 | 第113-114页 |
| 5.5.2.3 自由流速度vf和临界密度ρcr | 第114-115页 |
| 5.5.2.4 宏观交通流模型参数 | 第115页 |
| 5.5.2.5 观测模型参数 | 第115页 |
| 5.5.2.6 噪声 | 第115页 |
| 5.5.3 单源数据交通状态估计结果与分析 | 第115-120页 |
| 5.5.3.1 估计结果 | 第115-116页 |
| 5.5.3.2 估计精度分析 | 第116-119页 |
| 5.5.3.3 检测偏差对估计结果的影响分析 | 第119-120页 |
| 5.5.4 多源数据交通状态估计结果与分析 | 第120-121页 |
| 5.6 本章小结 | 第121-123页 |
| 第六章 多类型检测技术组合布设方法研究 | 第123-146页 |
| 6.1 研究契机与思路 | 第123页 |
| 6.2 面向手机切换提取技术的多类型检测器布设方法 | 第123-142页 |
| 6.2.1 研究假设与布设规则 | 第124-125页 |
| 6.2.2 数据融合方法 | 第125-126页 |
| 6.2.3 仿真方案 | 第126-130页 |
| 6.2.3.1 仿真假设 | 第126-127页 |
| 6.2.3.2 高速公路路段仿真模型搭建 | 第127-128页 |
| 6.2.3.3 仿真输入设置 | 第128-129页 |
| 6.2.3.4 仿真输出设置 | 第129-130页 |
| 6.2.4 仿真结果 | 第130-134页 |
| 6.2.5 仿真评估 | 第134-142页 |
| 6.2.5.1 精度计算 | 第134-140页 |
| 6.2.5.2 切换路段长度的影响分析 | 第140-141页 |
| 6.2.5.3 交通条件的影响分析 | 第141-142页 |
| 6.2.5.4 固定式检测器布设数量的影响分析 | 第142页 |
| 6.3 面向手机活动数据提取技术的多类型检测器布设方法 | 第142-145页 |
| 6.3.1 组合布设方法 | 第142-144页 |
| 6.3.2 方法分析 | 第144-145页 |
| 6.4 本章小结 | 第145-146页 |
| 第七章 研究结论与展望 | 第146-151页 |
| 7.1 主要工作总结和研究结论 | 第146-147页 |
| 7.2 主要创新点 | 第147-149页 |
| 7.3 研究展望 | 第149-151页 |
| 致谢 | 第151-153页 |
| 参考文献 | 第153-164页 |
| 攻读博士学位期间发表论文及参与科研情况 | 第164-167页 |
| 一、论文与书稿 | 第164-166页 |
| 主要论文 | 第164-166页 |
| 主要参与编写的书稿 | 第166页 |
| 二、主要发明专利 | 第166页 |
| 三、科研及工程项目参与情况 | 第166-167页 |
