智能停车管理与引导系统研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-19页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究的目的与意义 | 第13-14页 |
| 1.2.1 研究目的 | 第13页 |
| 1.2.2 研究意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-16页 |
| 1.3.1 国外研究现状 | 第14-15页 |
| 1.3.2 国内研究现状 | 第15-16页 |
| 1.3.3 综述 | 第16页 |
| 1.4 本文创新点 | 第16-17页 |
| 1.5 研究内容与技术路线 | 第17-19页 |
| 2 基础理论 | 第19-29页 |
| 2.1 概述 | 第19页 |
| 2.2 停车场动态信息感知与应用 | 第19-22页 |
| 2.2.1 停车场动态信息感知技术 | 第19-21页 |
| 2.2.2 传感器应用场景及网络 | 第21-22页 |
| 2.3 停车特征参数研究 | 第22-24页 |
| 2.3.1 停车调查方法 | 第22-23页 |
| 2.3.2 基于参数的管理策略调整 | 第23-24页 |
| 2.4 泊车流程分析 | 第24-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 停车场智能管理系统测量应用 | 第29-46页 |
| 3.1 地磁传感器及网络 | 第29-31页 |
| 3.1.1 地磁传感器原理 | 第29-30页 |
| 3.1.2 地磁传感器选用 | 第30-31页 |
| 3.2 地磁数据处理 | 第31-38页 |
| 3.2.1 缺失数据处理 | 第31-33页 |
| 3.2.2 噪声数据处理 | 第33-35页 |
| 3.2.3 案例分析 | 第35-38页 |
| 3.3 停车场管理应用 | 第38-45页 |
| 3.3.1 停车特征参数获取 | 第38-43页 |
| 3.3.2 参数计算实例 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 4 基于泊位属性的最优泊位选择 | 第46-65页 |
| 4.1 泊位选择主要影响因素分析 | 第47-52页 |
| 4.1.1 影响因素分析 | 第47-51页 |
| 4.1.2 量化表示 | 第51-52页 |
| 4.2 基于灰熵理论的最优泊位选择算法 | 第52-58页 |
| 4.2.1 熵的理论基础介绍 | 第52-54页 |
| 4.2.2 最优泊位选择算法 | 第54-55页 |
| 4.2.3 实例计算 | 第55-58页 |
| 4.3 基于连续入场的泊位选择优化 | 第58-64页 |
| 4.3.1 连续车辆影响因素 | 第59-60页 |
| 4.3.2 选择算法优化 | 第60-62页 |
| 4.3.3 实例验证 | 第62-64页 |
| 4.4 本章小结 | 第64-65页 |
| 5 系统开发 | 第65-87页 |
| 5.1 系统需求及业务流程分析 | 第65-70页 |
| 5.1.1 功能性需求分析 | 第66-67页 |
| 5.1.2 非功能性需求分析 | 第67-68页 |
| 5.1.3 业务流程分析 | 第68-70页 |
| 5.2 系统开发准备 | 第70-75页 |
| 5.2.1 系统网络结构 | 第71-72页 |
| 5.2.2 系统设计框架 | 第72-74页 |
| 5.2.3 系统开发环境 | 第74-75页 |
| 5.3 数据库相关设计 | 第75-79页 |
| 5.3.1 数据库安全设计 | 第75-76页 |
| 5.3.2 数据库概念结构设计 | 第76-77页 |
| 5.3.3 数据库表结构 | 第77-79页 |
| 5.4 系统功能实现 | 第79-86页 |
| 5.4.1 系统登录界面 | 第79-80页 |
| 5.4.2 操作主界面 | 第80-85页 |
| 5.4.3 预期功能 | 第85-86页 |
| 5.5 本章小结 | 第86-87页 |
| 6 结论与展望 | 第87-89页 |
| 6.1 研究结论 | 第87-88页 |
| 6.2 研究展望 | 第88-89页 |
| 参考文献 | 第89-92页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第92-96页 |
| 学位论文数据集 | 第96页 |
