| 摘要 | 第2-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 智能交通系统概述 | 第8-9页 |
| 1.2 研究背景 | 第9-11页 |
| 1.2.1 国内外研究现状 | 第9-10页 |
| 1.2.2 研究目的与意义 | 第10-11页 |
| 1.3 文章的主要工作内容 | 第11-12页 |
| 2 数据融合理论及算法 | 第12-21页 |
| 2.1 数据融合概念 | 第12页 |
| 2.2 数据融合算法 | 第12-16页 |
| 2.2.1 Bayes融合 | 第12-14页 |
| 2.2.2 经典Dempster-Shafer证据理论 | 第14-16页 |
| 2.2.3 Dempster-Shafer算法总结 | 第16页 |
| 2.3 Depmster-Shafer算法的改进 | 第16-20页 |
| 2.3.1 经典Dempster-Shafer算法的缺陷 | 第16-17页 |
| 2.3.2 基于数据源的可靠性融合算法 | 第17-18页 |
| 2.3.3 改进后的结果 | 第18-20页 |
| 2.4 融合算法总结 | 第20-21页 |
| 3 交通信息获取及融合技术框架 | 第21-38页 |
| 3.1 交通信息的视频检测方法 | 第21-30页 |
| 3.1.1 视频检测技术概述 | 第21页 |
| 3.1.2 虚拟线圈法检测流程 | 第21-29页 |
| 3.1.3 视频检测结果 | 第29-30页 |
| 3.2 交通信息的磁敏检测方法 | 第30-34页 |
| 3.2.1 磁敏检测原理 | 第30页 |
| 3.2.2 自适应窗口距离检测算法 | 第30-32页 |
| 3.2.3 磁敏检测结果 | 第32-34页 |
| 3.3 多源交通信息的融合框架 | 第34-35页 |
| 3.3.1 整体融合框架 | 第34页 |
| 3.3.2 融合中心结构 | 第34-35页 |
| 3.4 融合框架下视频与磁敏检测的改进 | 第35-37页 |
| 3.4.1 视频和磁敏检测结果的不足 | 第35页 |
| 3.4.2 检测结果改进 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 多源交通数据融合研究 | 第38-49页 |
| 4.1 多源交通信息融合平台设计 | 第38-39页 |
| 4.2 融合接口设计 | 第39-44页 |
| 4.2.1 磁敏信号特征提取 | 第39-40页 |
| 4.2.2 视频信号特征提取 | 第40-44页 |
| 4.3 多源交通信息融合 | 第44-47页 |
| 4.3.1 数据关联 | 第44-46页 |
| 4.3.2 基于数据源可靠性的融合计算 | 第46-47页 |
| 4.3.3 多源数据融合的决策 | 第47页 |
| 4.4 本章小结 | 第47-49页 |
| 5 实验验证 | 第49-51页 |
| 6 总结 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的论文 | 第55-56页 |
| 致谢 | 第56-58页 |
