基于ER算法的公路交通事件检测研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第16-25页 |
| 1.1 研究背景和意义 | 第16-17页 |
| 1.1.1 研究背景 | 第16页 |
| 1.1.2 研究目的及意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-23页 |
| 1.2.1 国外交通事件检测算法研究现状 | 第17-18页 |
| 1.2.2 国内交通事件检测算法研究现状 | 第18-20页 |
| 1.2.3 数据融合方法在交通事件检测中应用现状 | 第20-21页 |
| 1.2.4 研究概况小结 | 第21-23页 |
| 1.3 研究内容及技术路线 | 第23-25页 |
| 1.3.1 研究内容 | 第23-24页 |
| 1.3.2 技术路线 | 第24-25页 |
| 第二章 交通事件检测原理及ER算法理论 | 第25-33页 |
| 2.1 交通事件基本概念 | 第25-26页 |
| 2.2 交通事件检测原理分析 | 第26-28页 |
| 2.2.1 交通参数 | 第26-27页 |
| 2.2.2 交通事件发生的影响 | 第27-28页 |
| 2.3 经典交通事件检测算法介绍 | 第28-29页 |
| 2.3.1 加州算法 | 第28页 |
| 2.3.2 指数平滑算法 | 第28-29页 |
| 2.3.3 SND算法 | 第29页 |
| 2.4 交通事件检测算法评价指标与评价方法 | 第29-30页 |
| 2.5 ER算法理论介绍 | 第30-32页 |
| 2.5.1 ER算法的提出 | 第30页 |
| 2.5.2 ER算法的基本评价框架 | 第30-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 多条件影响下的交通事件特征分析 | 第33-53页 |
| 3.1 车道数对交通事件特征影响分析 | 第33-38页 |
| 3.1.1 二车道交通事件特征 | 第33-35页 |
| 3.1.2 三车道交通事件特征 | 第35-36页 |
| 3.1.3 四车道交通事件特征 | 第36-37页 |
| 3.1.4 车道数对交通事件特征影响对比分析 | 第37-38页 |
| 3.2 天气条件对交通事件特征影响分析 | 第38-41页 |
| 3.2.1 晴天交通事件特征 | 第38-39页 |
| 3.2.2 雨天交通事件特征 | 第39-40页 |
| 3.2.3 天气条件对交通事件特征影响对比分析 | 第40-41页 |
| 3.3 温度对交通事件特征影响分析 | 第41-45页 |
| 3.3.1 低温条件下交通事件特征 | 第41-42页 |
| 3.3.2 常温条件下交通事件特征 | 第42-43页 |
| 3.3.3 高温条件下交通事件特征 | 第43-44页 |
| 3.3.4 温度对交通事件特征影响对比分析 | 第44-45页 |
| 3.4 能见度对交通事件特征影响分析 | 第45-49页 |
| 3.4.1 低能见度条件下交通事件特征 | 第46-47页 |
| 3.4.2 高能见度条件下交通事件特征 | 第47-48页 |
| 3.4.3 能见度对交通事件特征影响分析 | 第48-49页 |
| 3.5 基于ER算法的交通事件特征分析 | 第49-52页 |
| 3.5.1 交通事件特征评估指标体系 | 第49-50页 |
| 3.5.2 交通事件特征评估等级 | 第50-51页 |
| 3.5.3 基于ER算法的交通事件特征评估 | 第51-52页 |
| 3.6 本章小结 | 第52-53页 |
| 第四章 基于ER算法的交通事件检测算法设计 | 第53-65页 |
| 4.1 多条件影响的多参数判别算法 | 第53-55页 |
| 4.1.1 多条件下事件特征影响因子 | 第53页 |
| 4.1.2 基于ER算法的多参数判别算法构建 | 第53-55页 |
| 4.2 多条件影响的贝叶斯网事件检测算法 | 第55-58页 |
| 4.2.1 贝叶斯网的概念 | 第55页 |
| 4.2.2 基于ER算法的事件检测贝叶斯网的构建 | 第55-57页 |
| 4.2.3 贝叶斯网算法的推理方法 | 第57页 |
| 4.2.4 贝叶斯网算法的报警设置 | 第57-58页 |
| 4.3 多条件影响的SVM事件检测算法 | 第58-62页 |
| 4.3.1 SVM基本理论 | 第58-60页 |
| 4.3.2 基于SVM事件检测算法设计 | 第60-61页 |
| 4.3.3 基于ER算法的特征向量选取 | 第61-62页 |
| 4.4 基于ER算法的事件检测算法 | 第62-64页 |
| 4.4.1 算法的评估指标体系 | 第62页 |
| 4.4.2 算法的评估等级 | 第62-63页 |
| 4.4.3 基于ER算法的事件检测框架 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 基于ER算法的交通事件检测实证分析 | 第65-75页 |
| 5.1 实际数据的获取 | 第65-66页 |
| 5.1.1 交通参数数据集的获取 | 第65-66页 |
| 5.1.2 条件特征数据集 | 第66页 |
| 5.2 数据的预处理 | 第66-69页 |
| 5.2.1 数据的小波去噪 | 第67页 |
| 5.2.2 Matlab小波去噪方法 | 第67-69页 |
| 5.2.3 数据的归一化 | 第69页 |
| 5.3 算法试验结果及分析 | 第69-74页 |
| 5.3.1 仿真试验 | 第69-70页 |
| 5.3.2 仿真结果及分析 | 第70-73页 |
| 5.3.3 算法检测性能评价 | 第73-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 主要研究成果总结 | 第75-76页 |
| 6.2 研究展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第82页 |
