服务于城市交通控制系统的交通数据处理技术研究
摘要 | 第1-5页 |
ABSTRACT | 第5-8页 |
第一章 绪论 | 第8-14页 |
·研究背景 | 第8-10页 |
·国内外研究现状 | 第10-12页 |
·城市交通控制系统方面 | 第10-11页 |
·交通信息采集与处理方面 | 第11-12页 |
·研究目的及意义 | 第12页 |
·研究内容与思路 | 第12-14页 |
第二章 城市交通控制系统的数据需求 | 第14-31页 |
·城市交通信号控制系统简介 | 第14-19页 |
·交通信号控制的分类 | 第15-16页 |
·现有城市交通控制系统简介 | 第16-18页 |
·城市交通控制系统的研究展望 | 第18-19页 |
·交通信息采集技术简介 | 第19-24页 |
·概述 | 第19-20页 |
·动态交通信息采集技术 | 第20-22页 |
·固定型动态交通数据采集技术性能比较 | 第22-24页 |
·交通信息处理技术简介 | 第24-26页 |
·数据挖掘技术 | 第24-25页 |
·信息融合技术 | 第25页 |
·统计分析技术 | 第25-26页 |
·人工智能技术 | 第26页 |
·信息预测技术 | 第26页 |
·数据存在的问题 | 第26-28页 |
·交通检测器布设 | 第27页 |
·数据故障 | 第27-28页 |
·实时控制系统的数据需求 | 第28-30页 |
·交通参数数据类型的选择原则 | 第28-29页 |
·交通参数数据类型的确定 | 第29-30页 |
·小结 | 第30-31页 |
第三章 基于环型线圈检测器交通数据的采集与处理 | 第31-47页 |
·环型线圈检测器原理及应用 | 第31-34页 |
·环型线圈检测器检测原理 | 第31-33页 |
·环型线圈检测器的应用 | 第33-34页 |
·单线圈检测器速度估计的基本方法简介 | 第34-39页 |
·g 因子算法 | 第35-36页 |
·统计滤波方法 | 第36-37页 |
·识别错误源方法 | 第37-38页 |
·模式识别方法 | 第38-39页 |
·速度的最大似然估计方法 | 第39-46页 |
·传统算法 | 第39-40页 |
·单车速度变化区间的确定 | 第40-41页 |
·最大似然估计模型 | 第41-42页 |
·模型数据验证 | 第42-46页 |
·小结 | 第46-47页 |
第四章 缺失检测信息交叉口数据的预测 | 第47-60页 |
·缺失检测信息交叉口交通流量预测方法概述 | 第47-48页 |
·交叉口交通流的时空相关性分析 | 第48-56页 |
·相似交叉口的相关性分析 | 第48-49页 |
·时间相关性分析 | 第49-53页 |
·空间相关性分析 | 第53-56页 |
·基于时空相关性的缺失信息交叉口数据预测 | 第56-59页 |
·交叉口检测器数据的相关性分析 | 第56页 |
·交通数据预测方法 | 第56-57页 |
·数据验证 | 第57-59页 |
·小结 | 第59-60页 |
第五章 城市道路交通状态判别 | 第60-74页 |
·交通状态相关概念 | 第60-62页 |
·道路通行能力 | 第60页 |
·道路服务水平 | 第60-61页 |
·交通拥挤 | 第61-62页 |
·交通状态的指标分析 | 第62-64页 |
·道路交通状态指标体系的设计原则 | 第62页 |
·道路交通状态指标体系的构成 | 第62-64页 |
·基于线性判别函数法的路段交通状态分析 | 第64-69页 |
·路段交通状态分析 | 第64页 |
·线性判别函数法 | 第64-67页 |
·算法验证 | 第67-69页 |
·基于聚类分析的交叉口交通状态分析 | 第69-73页 |
·参数选择 | 第69-70页 |
·聚类分析 | 第70-71页 |
·算法验证 | 第71-73页 |
·路网交通状态的判别 | 第73页 |
·小结 | 第73-74页 |
结论与展望 | 第74-76页 |
结论 | 第74页 |
展望 | 第74-76页 |
参考文献 | 第76-79页 |
致谢 | 第79页 |