高速公路收费站服务水平和车辆计重算法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 数据挖掘的发展 | 第12-14页 |
| 1.2.2 高速公路收费站数据分析相关研究 | 第14-15页 |
| 1.2.3 车辆动态称重系统的发展 | 第15-17页 |
| 1.3 论文主要研究内容和组织结构 | 第17-19页 |
| 第二章 相关理论和技术分析 | 第19-29页 |
| 2.1 信息融合 | 第19页 |
| 2.2 卡尔曼滤波 | 第19-21页 |
| 2.3 Hadoop平台 | 第21-24页 |
| 2.4 HBase数据库 | 第24-27页 |
| 2.4.1 HBase架构 | 第24-26页 |
| 2.4.2 数据模型 | 第26-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 基于收费数据的收费站服务水平估计 | 第29-45页 |
| 3.1 收费站服务水平划分 | 第29-30页 |
| 3.2 算法设计总体思路 | 第30-31页 |
| 3.3 数据预处理 | 第31-32页 |
| 3.4 HBase存储设计 | 第32-34页 |
| 3.5 排队规则设计 | 第34-36页 |
| 3.6 车辆排队数据提取 | 第36-40页 |
| 3.6.1 基于动力学的离开时间模型 | 第36-38页 |
| 3.6.2 基于负指数分布的服务时间模型 | 第38-39页 |
| 3.6.3 排队数据提取 | 第39-40页 |
| 3.6.4 基于泊松分布的车辆到达模型 | 第40页 |
| 3.7 基于排队论的服务水平计算 | 第40-43页 |
| 3.8 计算实例 | 第43页 |
| 3.9 本章小结 | 第43-45页 |
| 第四章 基于多石英传感器的车辆计重算法研究 | 第45-58页 |
| 4.1 实际背景描述 | 第45-46页 |
| 4.2 石英传感器测量影响因素及布置方案 | 第46-50页 |
| 4.2.1 车辆内部因素 | 第46-47页 |
| 4.2.2 车辆外部因素 | 第47-48页 |
| 4.2.3 布置方案 | 第48-50页 |
| 4.3 算法设计 | 第50-55页 |
| 4.3.1 现有算法分析 | 第50-52页 |
| 4.3.2 信号特点分析 | 第52页 |
| 4.3.3 多石英传感器数据融合方法研究 | 第52-54页 |
| 4.3.4 车重计算算法 | 第54-55页 |
| 4.3.5 算法流程 | 第55页 |
| 4.4 计算实例 | 第55-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 算法原型软件实现 | 第58-70页 |
| 5.1 架构平台 | 第58-62页 |
| 5.1.1 网络拓扑结构搭建 | 第58-59页 |
| 5.1.2 Hadoop集群部署 | 第59-62页 |
| 5.2 算法实现 | 第62-69页 |
| 5.2.1 收费站服务水平算法实现 | 第62-66页 |
| 5.2.2 称重算法实现 | 第66-69页 |
| 5.3 本章小结 | 第69-70页 |
| 总结与展望 | 第70-72页 |
| 总结 | 第70页 |
| 展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读学位期间取得的研究成果 | 第76-77页 |
| 致谢 | 第77页 |
