城市车辆行驶路径动态优化方法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.2 路径动态优化方法研究现状 | 第12-16页 |
| 1.2.1 路径动态优化方法概述 | 第12-13页 |
| 1.2.2 国外研究现状 | 第13-15页 |
| 1.2.3 国内研究现状 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16-19页 |
| 第2章 基于视频图像的实时交通信息检测方法 | 第19-37页 |
| 2.1 道路交通信息检测方法概述 | 第19-20页 |
| 2.2 基于视频的交通信息检测方法 | 第20-27页 |
| 2.2.1 交通信息检测设计思路 | 第20页 |
| 2.2.2 基于视频图像的运动车辆检测方法研究 | 第20-23页 |
| 2.2.3 Matlab仿真实验对比 | 第23-27页 |
| 2.3 背景模型的建立 | 第27-32页 |
| 2.3.1 背景模型构建方法 | 第28-31页 |
| 2.3.2 Matlab仿真验证 | 第31-32页 |
| 2.4 交通信息检测方法硬件平台验证 | 第32-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第3章 时间路网模型的建立 | 第37-51页 |
| 3.1 路网模型的概述 | 第37-39页 |
| 3.2 静态路网模型的建立 | 第39-41页 |
| 3.3 基于时间的动态路网模型 | 第41-49页 |
| 3.3.1 时间路网模型方案 | 第42-44页 |
| 3.3.2 路段行程时间的计算 | 第44-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第4章 动态路径优化算法设计 | 第51-65页 |
| 4.1 传统路径优化算法介绍 | 第51-54页 |
| 4.2 改进蚁群算法的路径优化算法 | 第54-59页 |
| 4.2.1 蚁群算法(ACO) | 第54-56页 |
| 4.2.2 改进的蚁群算法 | 第56-59页 |
| 4.2.3 改进的AC的算法流程 | 第59页 |
| 4.3 Matlab仿真对比实验 | 第59-64页 |
| 4.3.1 蚁群算法仿真实验 | 第60-61页 |
| 4.3.2 最大最小蚁群算法（MMAS）仿真实验 | 第61-62页 |
| 4.3.3 改进的蚁群算法仿真实验 | 第62-63页 |
| 4.3.4 实验结果分析 | 第63-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第5章 车载导航终端设计 | 第65-89页 |
| 5.1 车载导航终端机相关理论 | 第65-72页 |
| 5.1.1 车载导航终端机概述 | 第65-66页 |
| 5.1.2 车载导航终端机相关技术 | 第66-72页 |
| 5.2 车载导航终端机电路图设计 | 第72-85页 |
| 5.2.1 车载导航终端机硬件结构 | 第72-73页 |
| 5.2.2 S5PV210处理器设计 | 第73-77页 |
| 5.2.3 通信及定位模块设计 | 第77-82页 |
| 5.2.4 其他外围模块设计 | 第82-85页 |
| 5.3 车载终端PCB板图设计 | 第85-87页 |
| 5.4 本章小结 | 第87-89页 |
| 第6章 总结与展望 | 第89-91页 |
| 6.1 本文总结 | 第89-90页 |
| 6.2 本文不足与展望 | 第90-91页 |
| 参考文献 | 第91-95页 |
| 在学期间研究成果 | 第95-96页 |
| 致谢 | 第96-97页 |
