基于深度卷积网络的交通方式识别
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 选题背景与研究意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-20页 |
| 1.2.1 轨迹特征提取研究现状 | 第14-15页 |
| 1.2.2 分类器使用研究现状 | 第15-16页 |
| 1.2.3 在线轨迹识别研究现状 | 第16页 |
| 1.2.4 研究现状评述 | 第16-20页 |
| 1.3 论文的主要内容 | 第20-21页 |
| 1.4 论文的结构安排 | 第21-23页 |
| 第2章 相关理论与研究方案 | 第23-30页 |
| 2.1 交通方式识别的相关理论和概念 | 第23-24页 |
| 2.2 卷积神经网络概述 | 第24-28页 |
| 2.2.1 卷积神经网络介绍 | 第25-26页 |
| 2.2.2 深度残差网络概述 | 第26-28页 |
| 2.3 交通方式识别整体设计 | 第28-30页 |
| 第3章 数据预处理与分析 | 第30-46页 |
| 3.1 GPS轨迹的选取与数据说明 | 第30-32页 |
| 3.2 数据预处理 | 第32-41页 |
| 3.2.1 GPS轨迹存在的问题 | 第32-33页 |
| 3.2.2 GPS轨迹预处理过程 | 第33-41页 |
| 3.3 GPS轨迹数据分析 | 第41-46页 |
| 3.3.1 轨迹数据的基本特征分析 | 第41页 |
| 3.3.2 各个交通方式轨迹的不同特征分析 | 第41-46页 |
| 第4章 基于深度卷积网络的方式段识别 | 第46-55页 |
| 4.1 分布特征向量的构建 | 第46-48页 |
| 4.2 方式段识别 | 第48-55页 |
| 4.2.1 训练集与测试的构建 | 第48-49页 |
| 4.2.2 网络结构设计 | 第49-50页 |
| 4.2.3 网络参数讨论 | 第50-52页 |
| 4.2.4 识别结果分析 | 第52-55页 |
| 第5章 基于滑动窗口的交通方式识别 | 第55-70页 |
| 5.1 基于滑动窗口的特征向量获取 | 第55-57页 |
| 5.2 出行方式段识别研究 | 第57-63页 |
| 5.2.1 网络结构设计 | 第57-59页 |
| 5.2.2 后处理过程 | 第59-61页 |
| 5.2.3 识别结果讨论 | 第61-63页 |
| 5.3 基于滑动窗口的在线轨迹识别 | 第63-70页 |
| 5.3.1 轨迹分段问题概述 | 第63-64页 |
| 5.3.2 在线识别框架 | 第64-67页 |
| 5.3.3 识别结果讨论 | 第67-70页 |
| 结论与展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的论文及参与的项目 | 第77页 |
