| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究的背景及意义 | 第10-13页 |
| 1.2 研究现状 | 第13-14页 |
| 1.3 本文工作及内容架构 | 第14-18页 |
| 第2章 轨迹恢复的相关知识和理论基础 | 第18-24页 |
| 2.1 概率分布 | 第18-20页 |
| 2.1.1 正态分布 | 第18-19页 |
| 2.1.2 对数正态分布 | 第19页 |
| 2.1.3 柯尔莫可洛夫-斯米洛夫检验 | 第19-20页 |
| 2.2 轨迹预处理方法 | 第20-21页 |
| 2.3 机器学习方法 | 第21-22页 |
| 2.3.1 模型融合 | 第22页 |
| 2.3.2 XGBoost | 第22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 系统建模 | 第24-30页 |
| 3.1 已有数据和基础设定 | 第24-25页 |
| 3.2 肇事逃逸车辆轨迹恢复系统的数学模型 | 第25-26页 |
| 3.3 肇事逃逸车辆轨迹恢复问题形式化描述 | 第26-27页 |
| 3.4 系统总体框架设计 | 第27-28页 |
| 3.5 本章小结 | 第28-30页 |
| 第4章 道路通行时间的分析与建模 | 第30-34页 |
| 4.1 路段通行时间建模 | 第30-32页 |
| 4.2 特定路径通行时间建模 | 第32-33页 |
| 4.3 本章小结 | 第33-34页 |
| 第5章 肇事逃逸车辆的轨迹恢复算法 | 第34-46页 |
| 5.1 最优查询策略分析 | 第35-40页 |
| 5.1.1 无监督的最优查询策略的分析 | 第35-36页 |
| 5.1.2 有监督学习的最优查询策略的分析 | 第36-40页 |
| 5.2 递归的肇事逃逸车辆轨迹恢复算法 | 第40-42页 |
| 5.3 低带宽交互式的肇事逃逸车辆轨迹恢复算法 | 第42-45页 |
| 5.3.1 查询点的概率值更新 | 第42-44页 |
| 5.3.2 全局损失函数的估计 | 第44-45页 |
| 5.4 本章小结 | 第45-46页 |
| 第6章 实验与仿真 | 第46-60页 |
| 6.1 实验方案设计 | 第46-48页 |
| 6.2 RVTR算法在不同场景下的准确率评估 | 第48-54页 |
| 6.2.1 工作日和双休日各种算法准确率 | 第48-49页 |
| 6.2.2 不同时间段各种算法准确率 | 第49-50页 |
| 6.2.3 不同交通卡口监控密度下各算法准确率 | 第50-52页 |
| 6.2.4 不同驾驶行为下各算法的准确率 | 第52-53页 |
| 6.2.5 不同数量出租车参加实验时各算法准确率 | 第53-54页 |
| 6.3 RVTR算法查询次数的评估 | 第54-55页 |
| 6.4 IRVTRLQ算法在不同α参数下和其他算法对照 | 第55-56页 |
| 6.5 各算法在不同实验条件下的全局损失函数的值 | 第56-58页 |
| 6.6 本章小结 | 第58-60页 |
| 第7章 总结与展望 | 第60-62页 |
| 7.1 全文总结 | 第60-61页 |
| 7.2 技术展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 在读期间发表的学术论文与取得的研究成果 | 第68页 |