| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 车辆变道行为研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 车辆变道行为国内外研究现状 | 第9-11页 |
| 1.2.2 贝叶斯网络国内外研究现状 | 第11-13页 |
| 1.3 车辆变道行为的研究难点 | 第13-14页 |
| 1.4 本文的章节安排 | 第14-16页 |
| 2 贝叶斯网络学习算法 | 第16-28页 |
| 2.1 贝叶斯网络基本理论 | 第16-19页 |
| 2.1.1 贝叶斯网络结构学习 | 第17-18页 |
| 2.1.2 贝叶斯网络参数学习 | 第18-19页 |
| 2.1.3 贝叶斯网络推理分析 | 第19页 |
| 2.2 基于改进CH评分的K2算法学习BN结构 | 第19-22页 |
| 2.2.1 连接概率分布模型 | 第20页 |
| 2.2.2 改进CH评分的K2算法 | 第20-22页 |
| 2.3 BN结构学习的仿真实验 | 第22-26页 |
| 2.4 本章小结 | 第26-28页 |
| 3 基于改进BN结构学习的车辆变道模型 | 第28-42页 |
| 3.1 数据筛选与预处理 | 第28-34页 |
| 3.1.1 NGSIM研究计划 | 第28-30页 |
| 3.1.2 局部分块特征提取 | 第30-32页 |
| 3.1.3 ChiMerge离散化处理 | 第32-34页 |
| 3.2 基于互信息的连接概率矩阵 | 第34-36页 |
| 3.3 基于I-CH评分的K2算法学习车辆变道模型 | 第36-38页 |
| 3.4 车辆变道行为识别 | 第38-40页 |
| 3.4.1 算法评估标准 | 第38-39页 |
| 3.4.2 实验结果与变道行为分析 | 第39-40页 |
| 3.5 本章小结 | 第40-42页 |
| 4 基于节点序优化的多特征BN变道模型 | 第42-52页 |
| 4.1 特征选择与预处理 | 第42-44页 |
| 4.2 网络节点顺序优化 | 第44-46页 |
| 4.2.1 PCA节点重要性排序 | 第44-46页 |
| 4.2.2 BFS节点预排序 | 第46页 |
| 4.3 多特征车辆变道模型的建立 | 第46-48页 |
| 4.4 车辆变道行为识别与结果分析 | 第48-51页 |
| 4.4.1 车辆行为的分类识别与有效预测 | 第48-49页 |
| 4.4.2 新增特征的影响力分析 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 5 总结与展望 | 第52-54页 |
| 5.1 工作总结 | 第52页 |
| 5.2 工作展望 | 第52-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 附录 | 第62页 |