公路隧道交通数据融合技术的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-17页 |
| ·研究背景及意义 | 第7-12页 |
| ·隧道监控系统存在的问题 | 第7-8页 |
| ·采用数据融合技术的必要性 | 第8-9页 |
| ·数据融合研究的主要内容 | 第9-10页 |
| ·数据融合在交通领域的研究 | 第10-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·数据融合理论国内外研究现状 | 第12-13页 |
| ·数据融合算法研究现状 | 第13页 |
| ·同一检测面上多检测器的数据融合技术 | 第13页 |
| ·短时交通流预测方法研究现状 | 第13-14页 |
| ·研究的主要内容与思路 | 第14-17页 |
| 第二章 数据融合基本理论 | 第17-31页 |
| ·数据融合的内涵及目的 | 第17-19页 |
| ·数据融合的内涵及系统模型 | 第17-18页 |
| ·数据融合的目的 | 第18-19页 |
| ·数据融合的分类 | 第19-27页 |
| ·按融合系统结构分类 | 第19-22页 |
| ·按融合技术分类 | 第22页 |
| ·按数据融合处理层次分类 | 第22-26页 |
| ·按融合判决方式分类 | 第26-27页 |
| ·数据融合算法 | 第27-29页 |
| ·基于物理模型的算法 | 第28页 |
| ·基于特征推理技术的算法 | 第28页 |
| ·基于感知模型的算法 | 第28-29页 |
| ·基于现代数学模型的算法 | 第29页 |
| ·数据融合的数据分类 | 第29-30页 |
| ·冗余数据 | 第29页 |
| ·互补数据 | 第29-30页 |
| ·协同数据 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于数据融合的隧道交通检测数据的修正 | 第31-56页 |
| ·融合数据的获取 | 第31-47页 |
| ·环形线圈检测器 | 第31-37页 |
| ·视频检测器 | 第37-45页 |
| ·检测器性能分析 | 第45-47页 |
| ·异类交通检测器数据融合 | 第47-51页 |
| ·系统构成 | 第47-50页 |
| ·数据融合系统 | 第50-51页 |
| ·基于神经模糊推理算法的置信度判别器设计 | 第51-55页 |
| ·置信度判别器设计 | 第51-53页 |
| ·置信度判别的算法 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 基于数据融合的隧道短时交通预测 | 第56-70页 |
| ·隧道短时交通流预测 | 第56-58页 |
| ·短时交通流预测的定义 | 第56页 |
| ·短时交通预测的基本原理 | 第56-57页 |
| ·隧道短时交通预测的方法对比分析 | 第57-58页 |
| ·传统预测模型 | 第58-66页 |
| ·基于BP 神经网络短时交通流量预测模型 | 第58-62页 |
| ·基于ARIMA 短时交通流量预测模型 | 第62-66页 |
| ·隧道交通短时融合预测的实现 | 第66-69页 |
| ·融合预测模型的建立 | 第66-67页 |
| ·融合预测模型实现步骤 | 第67-68页 |
| ·预测误差指标 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第五章 实例应用 | 第70-83页 |
| ·数据来源 | 第70-71页 |
| ·异类检测数据融合 | 第71-77页 |
| ·短时交通预测 | 第77-81页 |
| ·等步长融合预测模型 | 第77-79页 |
| ·动态调整步长融合预测模型 | 第79-81页 |
| ·本章小结 | 第81-83页 |
| 第六章 结论与展望 | 第83-85页 |
| ·主要研究结论 | 第83页 |
| ·需进一步研究的问题 | 第83-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-89页 |
| 在学期间发表的论著及取得的科研成果 | 第89页 |
