高速公路多源交通数据融合方法研究及系统开发
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-12页 |
| 1 引言 | 第12-26页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究目的及意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-21页 |
| 1.3.1 高速公路检测数据处理方法 | 第14-17页 |
| 1.3.2 高速公路交通流分析 | 第17-18页 |
| 1.3.3 高速公路多源交通数据融合 | 第18-20页 |
| 1.3.4 国内外研究现状总结 | 第20-21页 |
| 1.4 主要内容和技术路线 | 第21-24页 |
| 1.5 本章小结 | 第24-26页 |
| 2 交通信息检测技术及数据融合 | 第26-46页 |
| 2.1 交通流参数概述 | 第26-28页 |
| 2.2 交通信息检测技术 | 第28-35页 |
| 2.3 数据融合技术理论 | 第35-45页 |
| 2.3.1 数据融合技术 | 第35-38页 |
| 2.3.2 数据融合层次 | 第38-41页 |
| 2.3.3 数据融合方法 | 第41-44页 |
| 2.3.4 主要数据融合方法对比 | 第44-45页 |
| 2.4 本章小结 | 第45-46页 |
| 3 多源交通数据预处理及时空匹配 | 第46-64页 |
| 3.1 高速公路研究对象分析 | 第46-50页 |
| 3.1.1 高速公路路段概述 | 第46-48页 |
| 3.1.2 高速公路交通流参数特性概述 | 第48-50页 |
| 3.2 多源交通数据的时空匹配 | 第50-54页 |
| 3.2.1 时间匹配 | 第52-53页 |
| 3.2.2 空间匹配 | 第53-54页 |
| 3.3 数据提取方法 | 第54-56页 |
| 3.4 多源交通数据预处理 | 第56-63页 |
| 3.4.1 错误数据剔除法 | 第56-58页 |
| 3.4.2 缺失数据补缺法 | 第58-60页 |
| 3.4.3 数据预处理实例分析 | 第60-63页 |
| 3.5 本章小结 | 第63-64页 |
| 4 多源交通数据融合及交通流估计模型构建 | 第64-76页 |
| 4.1 小波神经网络算法 | 第64-70页 |
| 4.1.1 神经元 | 第64-65页 |
| 4.1.2 神经网络原理及结构 | 第65-67页 |
| 4.1.3 小波神经网络 | 第67-70页 |
| 4.2 多源交通数据融合预测模型构建 | 第70-74页 |
| 4.3 基于数据融合的交通流状态估计模型 | 第74-75页 |
| 4.4 本章小结 | 第75-76页 |
| 5 数据融合实例验证及系统开发设计 | 第76-98页 |
| 5.1 高速公路交通流状态分析 | 第76-83页 |
| 5.2 高速公路多源交通数据融合模型验证 | 第83-88页 |
| 5.3 基于多源数据融合的交通流状态估计 | 第88-90页 |
| 5.4 基于多源交通数据融合的综合感知系统开发 | 第90-96页 |
| 5.4.1 多源数据综合感知系统设计 | 第91页 |
| 5.4.2 系统关键问题实现 | 第91-93页 |
| 5.4.3 多源数据综合感知系统成果展示 | 第93-96页 |
| 5.5 本章小结 | 第96-98页 |
| 6 结论 | 第98-100页 |
| 6.1 主要结论与成果 | 第98页 |
| 6.2 研究展望 | 第98-100页 |
| 参考文献 | 第100-104页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第104-108页 |
| 学位论文数据集 | 第108页 |
