车辆诱导系统及关键技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-20页 |
| ·研究背景及意义 | 第11-13页 |
| ·城市交通所存在的问题 | 第11页 |
| ·改善城市交通的方法 | 第11-13页 |
| ·车辆诱导系统研究现状 | 第13-19页 |
| ·发达国家车辆诱导系统研究现状 | 第13-16页 |
| ·我国车辆诱导系统研究现状 | 第16-19页 |
| ·论文主要研究内容 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第二章 车辆诱导系统框架研究 | 第20-33页 |
| ·车辆诱导系统定义 | 第20页 |
| ·车辆诱导系统的组成和分类 | 第20-22页 |
| ·车辆诱导系统组成 | 第20-21页 |
| ·车辆诱导系统分类 | 第21-22页 |
| ·中国车辆诱导系统结构框架 | 第22-29页 |
| ·交通信息采集与处理子系统 | 第23-26页 |
| ·车辆定位子系统 | 第26-28页 |
| ·交通信息服务子系统 | 第28-29页 |
| ·行车路线优化子系统 | 第29页 |
| ·车辆诱导系统实施框架 | 第29-32页 |
| ·交通数据采集系统 | 第30-31页 |
| ·交通信息中心 | 第31页 |
| ·交通信息传送系统 | 第31-32页 |
| ·车载导航系统 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第三章 行程时间预测模型研究 | 第33-50页 |
| ·当前行程时间预测方法 | 第33-37页 |
| ·历史趋势方法 | 第33-34页 |
| ·时间序列方法 | 第34-35页 |
| ·卡尔曼滤波模型 | 第35页 |
| ·非参数回归模型 | 第35-36页 |
| ·仿真模型 | 第36页 |
| ·神经网络方法 | 第36-37页 |
| ·其它方法 | 第37页 |
| ·基于车牌自动识别系统的行程时间预测方法 | 第37-48页 |
| ·路段行程时间数据采集和预处理 | 第37-39页 |
| ·指数平滑预测模型简介 | 第39-41页 |
| ·基于指数平滑的行程时间等参数预测模型 | 第41-42页 |
| ·基于指数平滑的行程时间等参数比例预测模型 | 第42页 |
| ·预测模型实验验证 | 第42-47页 |
| ·误差分析 | 第47-48页 |
| ·路径行程时间预测 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 路径优化方法研究 | 第50-65页 |
| ·道路权值的标定 | 第50-51页 |
| ·最短路径经典算法 | 第51-54页 |
| ·Dijkstra算法 | 第51-52页 |
| ·Floyd算法 | 第52-54页 |
| ·Bellman-Ford-Moore算法 | 第54页 |
| ·启发式搜索算法 | 第54页 |
| ·基于时间依赖网络的最短路径算法 | 第54-64页 |
| ·时间依赖网络的网络模型 | 第55-56页 |
| ·时间依赖网络的理论基础 | 第56-57页 |
| ·最小时间路径算法 | 第57-62页 |
| ·算法在实例网络中的应用 | 第62页 |
| ·算法效率的讨论与改进 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| ·总结 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 在读期间所发表的论文 | 第71页 |
