基于数据融合的路段行程时间估计
| 摘要 | 第1-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 绪论 | 第13-21页 |
| ·课题研究背景及意义 | 第13-15页 |
| ·研究对象 | 第15-16页 |
| ·路段 | 第15-16页 |
| ·路段行程时间 | 第16页 |
| ·路段行程时间估计相关研究 | 第16-19页 |
| ·基于固定检测器的路段行程时间估计 | 第17页 |
| ·基于浮动车的路段行程时间估计 | 第17-18页 |
| ·基于多源数据融合旳路段行程时间估计 | 第18-19页 |
| ·论文研究内容及框架 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第二章 信息采集技术及数据融合基本理论 | 第21-35页 |
| ·固定检测器技术 | 第21-23页 |
| ·固定检测器简介及应用 | 第21-22页 |
| ·不同固定检测器优缺点比较 | 第22-23页 |
| ·不同检测器可检测数据内容 | 第23页 |
| ·浮动车技术 | 第23-26页 |
| ·浮动车技术相关概念 | 第24页 |
| ·浮动车分类 | 第24-25页 |
| ·GPS浮动车技术 | 第25页 |
| ·浮动车系统优点 | 第25-26页 |
| ·数据融合技术 | 第26-33页 |
| ·数据融合简介 | 第26页 |
| ·数据融合层次 | 第26-28页 |
| ·数据融合算法研究 | 第28-32页 |
| ·数据融合在交通领域应用 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第三章 单一检测器估计路段平均行程时间 | 第35-47页 |
| ·检测器数据预处理 | 第35-38页 |
| ·数据预处理必要性及流程 | 第35-36页 |
| ·故障数据识别 | 第36-37页 |
| ·故障数据修复 | 第37-38页 |
| ·固定检测器获取路段行程时间 | 第38-39页 |
| ·单辆浮动车获取路段行程时间 | 第39-42页 |
| ·直接估计法 | 第39-40页 |
| ·间接估计法 | 第40-41页 |
| ·两种方法比较 | 第41-42页 |
| ·浮动车获取路段平均行程 | 第42-46页 |
| ·算法选择 | 第42页 |
| ·卡尔曼滤波基本理论 | 第42-44页 |
| ·卡尔曼滤波路段行程时间估计建模 | 第44-45页 |
| ·参数确定方法研究 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 数据融合估计路段行程时间 | 第47-57页 |
| ·融合方法选择 | 第47-49页 |
| ·对角神经网络结构与算法 | 第49-53页 |
| ·对角回归神经网络路段行程时间估计模型建立 | 第53-55页 |
| ·本章小结 | 第55-57页 |
| 第五章 仿真验证与分析 | 第57-65页 |
| ·VISSIM仿真软件介绍 | 第57-59页 |
| ·VISSIM仿真模型 | 第57页 |
| ·VISSIM仿真流程 | 第57-58页 |
| ·VISSIM主要用途 | 第58-59页 |
| ·仿真方案设计 | 第59-61页 |
| ·仿真分析 | 第61-64页 |
| ·模型评价指标 | 第61页 |
| ·数据处理 | 第61-63页 |
| ·数据分析 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 结论与展望 | 第65-67页 |
| ·论文主要研究成果 | 第65-66页 |
| ·改进与展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 学位论文评阅及答辩情况表 | 第72页 |
