基于模糊规则与机器学习的车联网数据传输机制研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-23页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 传统路由协议 | 第12-15页 |
| 1.2.2 新型路由协议 | 第15-16页 |
| 1.3 机器学习在车联网中的应用 | 第16-19页 |
| 1.4 论文的主要内容及组织结构 | 第19-23页 |
| 2 车联网数据传输系统建模 | 第23-29页 |
| 2.1 车联网数据传输整体架构 | 第23-26页 |
| 2.1.1 车联网数据传输问题分析 | 第23-24页 |
| 2.1.2 车联网数据传输架构设计 | 第24-26页 |
| 2.2 车联网数据传输方法设计 | 第26-28页 |
| 2.2.1 车联网数据传输关键技术 | 第26页 |
| 2.2.2 车联网数据传输设计实现 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 3 基于模糊规则的数据传输路径选择 | 第29-39页 |
| 3.1 无线传输路径架构 | 第29-31页 |
| 3.1.1 寻找潜在路径 | 第29-30页 |
| 3.1.2 评价潜在路径 | 第30-31页 |
| 3.1.3 选择传输路径 | 第31页 |
| 3.2 转发节点选择 | 第31-37页 |
| 3.2.1 确定指标集 | 第32页 |
| 3.2.2 确定评价集 | 第32页 |
| 3.2.3 确定权重向量 | 第32-34页 |
| 3.2.4 构造模糊关系矩阵 | 第34-36页 |
| 3.2.5 确定综合评价等级 | 第36-37页 |
| 3.3 本章小结 | 第37-39页 |
| 4 基于加权KNN的短时车速预测 | 第39-49页 |
| 4.1 基于路段的车速预测方法 | 第39-40页 |
| 4.2 基于单车的车速预测方法 | 第40-45页 |
| 4.2.1 特征选择 | 第40-41页 |
| 4.2.2 数据处理 | 第41-42页 |
| 4.2.3 加权KNN短时车速预测模型 | 第42-45页 |
| 4.3 仿真实验与结果分析 | 第45-47页 |
| 4.3.1 移动平均数模型 | 第45页 |
| 4.3.2 KNN模型 | 第45-46页 |
| 4.3.3 预测结果与分析 | 第46-47页 |
| 4.4 本章小结 | 第47-49页 |
| 5 基于辅助决策的路边单元机器学习系统 | 第49-57页 |
| 5.1 算法分析与比较 | 第49-51页 |
| 5.1.1 基于GPS的动态车辆定位 | 第49-50页 |
| 5.1.2 GPS-free动态车辆位置预测 | 第50页 |
| 5.1.3 基于机器学习系统的动态车辆位置预测 | 第50-51页 |
| 5.2 数据收集与处理 | 第51-53页 |
| 5.2.1 训练过程 | 第51-52页 |
| 5.2.2 测试过程 | 第52页 |
| 5.2.3 数据处理 | 第52-53页 |
| 5.3 路边单元机器学习系统构成 | 第53-56页 |
| 5.3.1 车辆转向预测 | 第54页 |
| 5.3.2 目的路边单元预测 | 第54-55页 |
| 5.3.3 车辆行驶路径预测 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 6 仿真验证与结果分析 | 第57-63页 |
| 6.1 车联网数据传输仿真验证平台 | 第57-58页 |
| 6.1.1 仿真平台搭建 | 第57-58页 |
| 6.1.2 仿真参数设置 | 第58页 |
| 6.2 仿真实验与结果分析 | 第58-62页 |
| 6.2.1 对比实验与性能指标选择 | 第58-60页 |
| 6.2.2 仿真结果与分析 | 第60-62页 |
| 6.3 本章小结 | 第62-63页 |
| 7 总结与展望 | 第63-65页 |
| 7.1 论文工作总结 | 第63-64页 |
| 7.2 研究展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第71-72页 |
