| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 国内外研究现状与趋势 | 第13-20页 |
| 1.2.1 智能交通系统研究现状与趋势 | 第13-16页 |
| 1.2.2 车载导航系统研究现状与趋势 | 第16-20页 |
| 1.3 本文研究内容 | 第20-21页 |
| 1.4 本文思路及章节安排 | 第21-23页 |
| 1.4.1 研究路线 | 第21-22页 |
| 1.4.2 章节安排 | 第22-23页 |
| 1.5 本章小结 | 第23-24页 |
| 第2章 动态车载导航系统架构 | 第24-44页 |
| 2.1 动态车载导航系统基本功能 | 第24-26页 |
| 2.2 动态车载导航系统基本架构 | 第26-28页 |
| 2.3 动态车载导航系统建模 | 第28-38页 |
| 2.3.1 精化策略 | 第28-29页 |
| 2.3.2 初始模型 | 第29-32页 |
| 2.3.3 第 1 次精化 | 第32-35页 |
| 2.3.4 第 2 次精化 | 第35-36页 |
| 2.3.5 第 3 次精化 | 第36页 |
| 2.3.6 第 4 次精化 | 第36-38页 |
| 2.4 基于模型的架构设计 | 第38-42页 |
| 2.4.1 逻辑视图 | 第38-40页 |
| 2.4.2 过程视图 | 第40-42页 |
| 2.5 本章小结 | 第42-44页 |
| 第3章 地图缓存 | 第44-68页 |
| 3.1 引言 | 第44-45页 |
| 3.2 缓存系统总体结构 | 第45-46页 |
| 3.3 地图分块 | 第46-49页 |
| 3.3.1 地图分块设计 | 第46-47页 |
| 3.3.2 服务器端地图数据的存储策略 | 第47-48页 |
| 3.3.3 二级地图分块设计 | 第48-49页 |
| 3.4 客户端缓存 | 第49-55页 |
| 3.4.1 缓存数据结构 | 第49-51页 |
| 3.4.2 稀疏矩阵的高速缓存策略 | 第51-52页 |
| 3.4.3 缓存淘汰策略 | 第52-53页 |
| 3.4.4 实验结果分析 | 第53-55页 |
| 3.5 缓存预取策略 | 第55-67页 |
| 3.5.1 相关研究 | 第57-58页 |
| 3.5.2 启发式预取策略 | 第58-60页 |
| 3.5.3 基于路网分析的启发式预取策略 | 第60-64页 |
| 3.5.4 实验结果分析 | 第64-67页 |
| 3.6 本章小结 | 第67-68页 |
| 第4章 地图匹配 | 第68-92页 |
| 4.1 引言 | 第68页 |
| 4.2 相关研究 | 第68-71页 |
| 4.3 基于 HMM 的匹配算法 | 第71-75页 |
| 4.3.1 相关定义 | 第71-72页 |
| 4.3.2 算法简述 | 第72-75页 |
| 4.4 基于路口决策域模型的匹配算法 | 第75-83页 |
| 4.4.1 路口问题 | 第75-77页 |
| 4.4.2 路口决策域模型 | 第77-80页 |
| 4.4.3 基于路口决策域模型的匹配算法 | 第80-83页 |
| 4.5 实验结果分析 | 第83-87页 |
| 4.5.1 实验方法 | 第83-84页 |
| 4.5.2 实验数据 | 第84页 |
| 4.5.3 参数确定 | 第84-85页 |
| 4.5.4 结果分析 | 第85-87页 |
| 4.6 算法改进 | 第87-89页 |
| 4.7 本章小结 | 第89-92页 |
| 第5章 车辆转向识别 | 第92-120页 |
| 5.1 引言 | 第92-93页 |
| 5.2 特征提取 | 第93-97页 |
| 5.2.1 转向特征分析 | 第93-95页 |
| 5.2.2 特征提取与降维 | 第95-97页 |
| 5.3 基于改进的 K-means 聚类算法的转向识别模型 | 第97-111页 |
| 5.3.1 K-means 聚类 | 第97-99页 |
| 5.3.2 模型建立 | 第99-100页 |
| 5.3.3 模型评价及选择 | 第100-101页 |
| 5.3.4 改进的 K-means 聚类算法 | 第101-107页 |
| 5.3.5 学习系统 | 第107-111页 |
| 5.4 基于异常检测的转向识别模型 | 第111-118页 |
| 5.4.1 数据分析 | 第111-113页 |
| 5.4.2 模型建立 | 第113-114页 |
| 5.4.3 模型评价及选择 | 第114-116页 |
| 5.4.4 学习系统 | 第116-118页 |
| 5.5 本章小结 | 第118-120页 |
| 第6章 总结与展望 | 第120-124页 |
| 6.1 全文总结 | 第120-121页 |
| 6.2 研究展望 | 第121-124页 |
| 参考文献 | 第124-134页 |
| 附录 A | 第134-144页 |
| A.1 初始模型 | 第134-135页 |
| A.1.1 上下文 | 第134页 |
| A.1.2 客户端事件 | 第134-135页 |
| A.1.3 服务端事件 | 第135页 |
| A.2 精化模型 1 | 第135-136页 |
| A.2.1 上下文 | 第135页 |
| A.2.2 事件 | 第135-136页 |
| A.3 精化模型 2 | 第136-139页 |
| A.3.1 上下文 | 第136-137页 |
| A.3.2 路网数据传输模型 | 第137-138页 |
| A.3.3 地图匹配模型 | 第138-139页 |
| A.4 精化模型 3 | 第139-140页 |
| A.4.1 事件 | 第139-140页 |
| A.5 精化模型 4 | 第140-144页 |
| A.5.1 上下文 | 第140页 |
| A.5.2 客户端事件 | 第140-142页 |
| A.5.3 服务端事件 | 第142-144页 |
| 作者简介及在学期间所取得的科研成果 | 第144-146页 |
| 致谢 | 第146页 |