致谢 | 第5-6页 |
中文摘要 | 第6-7页 |
ABSTRACT | 第7-8页 |
1 绪论 | 第12-24页 |
1.1 课题来源与研究对象 | 第12-13页 |
1.1.1 课题来源 | 第12页 |
1.1.2 研究对象 | 第12-13页 |
1.2 研究背景及意义 | 第13-14页 |
1.2.1 研究背景 | 第13-14页 |
1.2.2 研究意义 | 第14页 |
1.3 国内外研究现状 | 第14-22页 |
1.3.1 交通拥挤检测研究现状 | 第14-16页 |
1.3.2 旅行时间预测研究现状 | 第16-19页 |
1.3.3 国内外系统应用现状 | 第19-22页 |
1.4 研究内容及技术路线 | 第22-24页 |
2 交通数据采集与处理 | 第24-36页 |
2.1 交通数据采集及特性分析 | 第24-30页 |
2.2 数据处理方法设计 | 第30-32页 |
2.2.1 基于阈值法和交通流理论的错误数据识别 | 第30-32页 |
2.2.2 分车道数据整合 | 第32页 |
2.3 验证分析 | 第32-34页 |
2.3.1 数据来源 | 第32-33页 |
2.3.2 试验结果与效果分析 | 第33-34页 |
2.4 小结 | 第34-36页 |
3 基于微波数据的高速公路交通拥挤检测 | 第36-45页 |
3.1 概述 | 第36-37页 |
3.2 交通拥挤检测基本原理 | 第37-38页 |
3.3 基于模式匹配和多节点相关性分析的交通拥挤检测算法设计 | 第38-42页 |
3.3.1 历史模式库的建立 | 第38-40页 |
3.3.2 单节点模式匹配 | 第40-41页 |
3.3.3 多节点相关性分析 | 第41-42页 |
3.4 验证分析 | 第42-44页 |
3.5 小结 | 第44-45页 |
4 基于微波数据的高速公路旅行时间预测 | 第45-60页 |
4.1 概述 | 第45-46页 |
4.2 历史模式库建立 | 第46-52页 |
4.2.1 基于二维线性插值和分段法的旅行时间计算 | 第46-48页 |
4.2.2 状态向量的构成 | 第48-52页 |
4.3 K近邻搜索策略 | 第52页 |
4.4 加权平均预测函数 | 第52页 |
4.5 验证分析 | 第52-59页 |
4.5.1 对比数据 | 第53页 |
4.5.2 标定K值 | 第53-54页 |
4.5.3 预测结果与误差分析 | 第54-59页 |
4.6 小结 | 第59-60页 |
5 交通拥挤检测与旅行时间预测系统软件开发 | 第60-70页 |
5.1 系统总体架构设计 | 第60-62页 |
5.1.1 系统需求分析 | 第60页 |
5.1.2 系统功能定位 | 第60-61页 |
5.1.3 系统逻辑框架设计 | 第61-62页 |
5.2 系统设计与开发 | 第62-69页 |
5.2.1 系统数据库设计 | 第62-65页 |
5.2.2 交通拥挤检测与旅行时间预测核心子系统 | 第65-67页 |
5.2.3 结果展示 | 第67-69页 |
5.3 小结 | 第69-70页 |
6 结论与展望 | 第70-72页 |
6.1 论文主要工作 | 第70-71页 |
6.2 论文创新点 | 第71页 |
6.3 研究展望 | 第71-72页 |
参考文献 | 第72-76页 |
附录A | 第76-78页 |
附录B | 第78-80页 |
作者简历 | 第80-84页 |
学位论文数据集 | 第84页 |