| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-19页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-16页 |
| ·国外研究现状 | 第13-15页 |
| ·国内研究现状 | 第15-16页 |
| ·主要研究内容 | 第16-18页 |
| ·本章小结 | 第18-19页 |
| 第二章 基于移动互联网的车联网体系架构 | 第19-24页 |
| ·架构原理 | 第19-20页 |
| ·工作流程 | 第20-21页 |
| ·架构设计 | 第21-22页 |
| ·关键技术 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 车联网下实时交通感知技术 | 第24-45页 |
| ·基于 GPS 定位的车载终端识别 | 第24-30页 |
| ·手机定位技术的介绍 | 第24-26页 |
| ·GPS 定位数据预处理 | 第26-27页 |
| ·车载终端判别算法研究 | 第27-30页 |
| ·基于智能手机的地图匹配算法研究 | 第30-37页 |
| ·电子地图功能介绍 | 第30-31页 |
| ·地图匹配算法设计 | 第31-33页 |
| ·算法相关参数 | 第33-36页 |
| ·权值的定义和计算 | 第36-37页 |
| ·实例分析 | 第37页 |
| ·基于车载终端识别和地图匹配算法的简单交通状态判别 | 第37-42页 |
| ·车联网下的交通状态判别 | 第37-38页 |
| ·基于决策树学习 ID3 算法的简单交通状态判别 | 第38-40页 |
| ·算例分析 | 第40-42页 |
| ·基于交通状态判别和路段历史平均速度的行程时间预测 | 第42-44页 |
| ·行程时间预测的必要性分析 | 第42页 |
| ·常用的行程时间预测方法 | 第42-43页 |
| ·车联网下的行程时间预测技术 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 车联网下交通信息服务模式与诱导算法 | 第45-61页 |
| ·交通信息服务模式的内涵 | 第45-47页 |
| ·交通信息服务模式的概念 | 第45页 |
| ·交通信息服务的必要性 | 第45-46页 |
| ·车联网下交通信息服务的需求分析 | 第46-47页 |
| ·交通信息服务的发布 | 第47页 |
| ·车联网下动态实时交通诱导模型 | 第47-56页 |
| ·车联网下动态实时最优路径算法研究 | 第48-50页 |
| ·基本蚁群算法模型 | 第50-53页 |
| ·蚁群算法的改进策略 | 第53-55页 |
| ·实例分析 | 第55-56页 |
| ·车联网下大规模路网动态诱导的并行计算方法研究 | 第56-60页 |
| ·并行计算 | 第56-57页 |
| ·蚁群算法的并行策略 | 第57-58页 |
| ·并行蚁群算法的设计 | 第58-60页 |
| ·实例分析 | 第60页 |
| ·本章小结 | 第60-61页 |
| 第五章 系统设计与实现 | 第61-70页 |
| ·系统开发平台 | 第61页 |
| ·车联网下的地图拓扑数据设计 | 第61-65页 |
| ·网络数据集 | 第61-64页 |
| ·邻接表存储 | 第64-65页 |
| ·系统框架设计 | 第65-66页 |
| ·系统实现 | 第66-69页 |
| ·服务器端实现 | 第66-68页 |
| ·客户端实现 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 结论与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间取得的研究成果 | 第76-77页 |
| 致谢 | 第77-78页 |
| 附录 | 第78页 |