首页--交通运输论文--公路运输论文--交通工程与公路运输技术管理论文--交通工程与交通管理论文

基于交通数据融合的行程速度预测研究

摘要第5-6页
Abstract第6页
第一章 绪论第10-18页
    1.1 研究背景与意义第10-12页
    1.2 课题相关领域研究现状第12-14页
        1.2.1 交通数据融合的行程速度现状研究第12-13页
        1.2.2 融合方法的评价第13-14页
    1.3 论文主要工作第14-15页
    1.4 本文的组织结构第15-18页
第二章 交通数据的采集技术与修正第18-33页
    2.1 动态交通数据采集技术第18-19页
        2.1.1 固定检测器技术第18-19页
        2.1.2 移动检测器技术第19页
    2.2 交通仿真环境设计第19-24页
        2.2.1 道路交通仿真环境设计第20-24页
    2.3 故障数据出现失真的原因判别第24-26页
        2.3.1 固定检测器的交通参数的合理范围第24-26页
        2.3.2 GPS浮动车检测器的交通参数的合理范围第26页
    2.4 故障数据的修正第26-31页
        2.4.1 线圈检测器的交通参数修正实验第28-30页
        2.4.2 浮动车检测器的交通数据修正实验第30-31页
    2.5 本章小结第31-33页
第三章 交通数据融合的基础理论和方法第33-41页
    3.1 数据融合的概念与层次第33-36页
    3.2 数据融合在交通中的应用第36-39页
        3.2.1 数据融合的流程第36-37页
        3.2.2 交通数据融合模型第37-39页
        3.2.3 交通数据融合质量的评价第39页
    3.3 交通数据融合的方法第39-40页
    3.4 本章小结第40-41页
第四章 单类型检测器数据的行程速度预测第41-52页
    4.1 线圈检测数据的行程速度预测第41-43页
    4.2 单辆GPS浮动车的行程速度预测第43页
    4.3 多辆GPS浮动车的行程速度预测第43-48页
        4.3.1 关键融合参数的计算第44-46页
        4.3.2 FC样本过滤第46-47页
        4.3.3 FC有效样本数判断第47页
        4.3.4 多辆FC速度融合算法第47-48页
    4.4 算法仿真实验分析第48-50页
    4.5 评价指标对比第50页
    4.6 本章小结第50-52页
第五章 基于多源交通数据融合的行程速度预测第52-63页
    5.1 BP神经网络第52-57页
        5.1.1 BP神经网络的结构与算法第53-56页
        5.1.2 自适应学习速率法第56-57页
    5.2 改进BP算法的行程速度预测模型第57-59页
    5.3 仿真实验验证与结果分析第59-62页
    5.4 本章小结第62-63页
第六章 总结与展望第63-65页
    6.1 研究结论第63页
    6.2 研究展望第63-65页
致谢第65-66页
参考文献第66-70页
附录第70-71页
详细摘要第71-73页

论文共73页,点击 下载论文
上一篇:基于贝叶斯网络的计算机联锁系统故障诊断算法的研究
下一篇:大型客车停车设备存取策略和控制系统研究