面向车联网的实时交通流诱导系统研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 选题背景及研究意义 | 第10-11页 |
| 1.2 交通流诱导系统 | 第11-16页 |
| 1.2.1 交通流诱导系统概述 | 第11-12页 |
| 1.2.2 交通流诱导系统国内外发展现状 | 第12-16页 |
| 1.3 本文主要研究内容及章节安排 | 第16-18页 |
| 第二章 基于时空特性的短时交通流预测方法 | 第18-32页 |
| 2.1 交通流参数及其预测性能指标 | 第18-21页 |
| 2.1.1 交通流参数 | 第18-20页 |
| 2.1.2 交通流预测性能指标 | 第20-21页 |
| 2.2 短时交通流预测现有算法比较 | 第21-24页 |
| 2.2.1 短时交通流预测现有算法 | 第21-23页 |
| 2.2.2 短时交通流预测算法比较 | 第23-24页 |
| 2.3 基于Spark的KNN算法 | 第24-31页 |
| 2.3.1 基于Spark的KNN算法实现 | 第24-27页 |
| 2.3.2 算法仿真分析 | 第27-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于层次收缩算法的实时路径规划 | 第32-52页 |
| 3.1 地图数据库 | 第32-35页 |
| 3.2 现有路径规划算法比较 | 第35-41页 |
| 3.2.1 目标向导法 | 第38-39页 |
| 3.2.2 层次化方法 | 第39-40页 |
| 3.2.3 组合方法 | 第40-41页 |
| 3.3 基于层次收缩算法的路径规划 | 第41-51页 |
| 3.3.1 路网图的表示 | 第41-43页 |
| 3.3.2 路径规划起终点的匹配 | 第43-44页 |
| 3.3.3 CH算法预处理及搜索过程 | 第44-47页 |
| 3.3.4 算法仿真分析 | 第47-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 车联网中实时交通流诱导系统 | 第52-67页 |
| 4.1 车联网中实时交通数据 | 第52-54页 |
| 4.1.1 车辆在地图上的匹配 | 第52-53页 |
| 4.1.2 实时交通流数据 | 第53-54页 |
| 4.2 车联网中实时交通流诱导系统 | 第54-58页 |
| 4.3 系统仿真分析 | 第58-66页 |
| 4.3.1 仿真数据 | 第58-60页 |
| 4.3.2 仿真过程 | 第60-62页 |
| 4.3.3 仿真结果分析 | 第62-66页 |
| 4.4 本章小结 | 第66-67页 |
| 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 附件 | 第75页 |
