| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 国内外研究综述 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 研究生期间的工作 | 第12-13页 |
| 1.5 论文组织结构 | 第13-15页 |
| 第二章 车流量采集与预测的相关技术 | 第15-21页 |
| 2.1 图像处理技术 | 第15-18页 |
| 2.1.1 图像平滑技术 | 第15-17页 |
| 2.1.2 数学形态学 | 第17-18页 |
| 2.2 人工神经网络 | 第18-19页 |
| 2.2.1 概述 | 第18-19页 |
| 2.2.2 网络结构 | 第19页 |
| 2.3 本章小结 | 第19-21页 |
| 第三章 基于视频图像分析的车流量信息采集技术 | 第21-31页 |
| 3.1 问题描述 | 第21-22页 |
| 3.2 虚拟检测线圈位置确定 | 第22页 |
| 3.3 平均背景模型 | 第22-24页 |
| 3.4 基于背景差分的车流量检测算法 | 第24-25页 |
| 3.4.1 背景差分法 | 第24页 |
| 3.4.2 算法详述 | 第24-25页 |
| 3.5 车流量数据采集流程 | 第25-26页 |
| 3.6 仿真实验 | 第26-30页 |
| 3.7 本章小结 | 第30-31页 |
| 第四章 基于组合模型的车流量预测算法 | 第31-43页 |
| 4.1 问题分析 | 第31-32页 |
| 4.2 基于序列分割和ELM组合模型的车流量预测算法 | 第32-36页 |
| 4.2.1 算法设计 | 第33-34页 |
| 4.2.2 算法详述 | 第34-36页 |
| 4.3 车流量数据预测流程 | 第36-37页 |
| 4.4 仿真实验 | 第37-41页 |
| 4.5 本章小结 | 第41-43页 |
| 第五章 车流量采集与预测系统的设计与实现 | 第43-59页 |
| 5.1 功能需求 | 第43-45页 |
| 5.1.1 交叉十字路口车流量的采集 | 第43页 |
| 5.1.2 交叉十字路口车流量的预测 | 第43页 |
| 5.1.3 功能结构 | 第43-45页 |
| 5.2 概要设计 | 第45-48页 |
| 5.2.1 技术选型 | 第45-46页 |
| 5.2.2 系统软件结构 | 第46-47页 |
| 5.2.3 系统架构 | 第47-48页 |
| 5.3 数据库 | 第48-49页 |
| 5.4 业务流程图 | 第49-51页 |
| 5.4.1 车流量采集流程 | 第49-50页 |
| 5.4.2 车流量预测流程 | 第50-51页 |
| 5.5 系统部分截图 | 第51-55页 |
| 5.6 系统测试 | 第55-57页 |
| 5.6.1 功能测试 | 第55-56页 |
| 5.6.2 压力测试 | 第56-57页 |
| 5.6.3 兼容测试 | 第57页 |
| 5.7 本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 论文工作总结 | 第59-60页 |
| 6.2 问题与展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 作者攻读学位期间发表的学术论文目录 | 第67页 |