| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的和意义 | 第10-11页 |
| 1.3 研究方法及研究内容 | 第11-12页 |
| 1.4 论文结构安排 | 第12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 交通事件检测算法发展评述 | 第13-21页 |
| 2.1 交通事件概述 | 第13-15页 |
| 2.1.1 交通事件解析 | 第13-14页 |
| 2.1.2 交通事件分类 | 第14-15页 |
| 2.2 国内外交通事件检测算法 | 第15-18页 |
| 2.3 交通事件检测各种算法比较 | 第18-19页 |
| 2.4 交通事件检测算法有效性评价指标与评价方法 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 交通事件检测算法的数据获取和优化处理 | 第21-38页 |
| 3.1 数据获取和优化处理概述 | 第21-22页 |
| 3.2 数据分类获取设计 | 第22页 |
| 3.3 非交通事件时的数据 | 第22-26页 |
| 3.3.1 交通参数数据选取 | 第23-25页 |
| 3.3.2 交通参数数据处理 | 第25-26页 |
| 3.4 交通事件时的数据 | 第26-37页 |
| 3.4.1 车辆产生部分 | 第27-29页 |
| 3.4.2 数据产生部分 | 第29-32页 |
| 3.4.3 交通仿真程序流程 | 第32-34页 |
| 3.4.4 交通仿真软件功能和操作介绍 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 神经网络概述 | 第38-45页 |
| 4.1 神经网络概述 | 第38-39页 |
| 4.2 神经网络的结构 | 第39-40页 |
| 4.3 神经网络引入交通事件检测算法的优势 | 第40-41页 |
| 4.4 神经网络引入交通事件检测算法的可行性 | 第41页 |
| 4.5 神经网络的学习方式 | 第41-43页 |
| 4.6 本章小结 | 第43-45页 |
| 第五章 神经网络在交通事件检测算法中的应用 | 第45-65页 |
| 5.1 概述 | 第45-46页 |
| 5.2 基于神经网络交通事件检测算法的交通参数选取 | 第46-48页 |
| 5.3 基于 BP 神经网络交通事件检测算法 | 第48-54页 |
| 5.3.1 基于 BP 神经网络交通事件检测算法原理 | 第48-50页 |
| 5.3.2 基于 BP 神经网络建立交通事件检测算法 | 第50-52页 |
| 5.3.3 基于 BP 神经网络交通事件检测算法的建模 | 第52-54页 |
| 5.4 基于 LVQ 神经网络交通事件检测算法 | 第54-57页 |
| 5.4.1 基于 LVQ 神经网络交通事件检测算法原理 | 第54页 |
| 5.4.2 基于 LVQ 神经网络建立交通事件检测算法 | 第54-55页 |
| 5.4.3 基于 LVQ 神经网络交通事件检测算法的建模 | 第55-57页 |
| 5.5 California 算法 | 第57-58页 |
| 5.6 基于神经网络的交通事件检测算法总结 | 第58-63页 |
| 5.6.1 基于神经网络的交通事件检测算法原理 | 第58页 |
| 5.6.2 基于神经网络交通事件检测算法的数据选取 | 第58-59页 |
| 5.6.3 基于神经网络交通事件检测算法的一般步骤 | 第59页 |
| 5.6.4 基于神经网络交通事件检测算法的有效性评价流程及结果 | 第59-63页 |
| 5.7 本章小结 | 第63-65页 |
| 第六章 结语与展望 | 第65-67页 |
| 6.1 本文所作的工作 | 第65页 |
| 6.2 本文存在的问题及进一步的研究设想 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70页 |
