基于卡尔曼滤波的道路交通数据融合研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-23页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 数据融合定义 | 第11-12页 |
| 1.2.2 国内外数据融合技术的发展 | 第12-14页 |
| 1.2.3 多传感器数据融合技术的研究趋势 | 第14-15页 |
| 1.3 理论研究方法 | 第15-18页 |
| 1.3.1 数据融合基本原理 | 第15-16页 |
| 1.3.2 融合层次概述 | 第16-18页 |
| 1.4 研究的主要内容及章节 | 第18-21页 |
| 1.5 研究技术路线 | 第21-22页 |
| 本章小结 | 第22-23页 |
| 第二章 数据融合方法的选择 | 第23-34页 |
| 2.1 常用方法分析 | 第23-30页 |
| 2.1.1 加权平均法 | 第23页 |
| 2.1.2 卡尔曼滤波 | 第23-26页 |
| 2.1.3 贝叶斯推理 | 第26-27页 |
| 2.1.4 D-S证据理论 | 第27-28页 |
| 2.1.5 神经网络 | 第28-30页 |
| 2.2 数据融合方法比选 | 第30-32页 |
| 2.2.1 现有方法应用范围 | 第30页 |
| 2.2.2 现有方法的评价 | 第30-32页 |
| 2.2.3 现有方法的选择 | 第32页 |
| 本章小结 | 第32-34页 |
| 第三章 交通数据采集及预处理 | 第34-48页 |
| 3.1 道路交通数据采集 | 第34-38页 |
| 3.1.1 数据采集概述 | 第34-35页 |
| 3.1.2 传感器的分类及组成 | 第35-36页 |
| 3.1.3 传感器数据采集技术 | 第36-38页 |
| 3.2 交通数据的采集及预处理 | 第38-47页 |
| 3.2.1 数据采集 | 第38-40页 |
| 3.2.2 数据预处理的必要性及流程 | 第40-42页 |
| 3.2.3 故障数据修复 | 第42-43页 |
| 3.2.4 交通数据处理实例 | 第43-47页 |
| 本章小结 | 第47-48页 |
| 第四章 道路交通数据融合方法研究 | 第48-58页 |
| 4.1 融合系统结构设计 | 第48-50页 |
| 4.2 数据融合最优准则 | 第50-52页 |
| 4.2.1 按矩阵加权 | 第50-51页 |
| 4.2.2 按标量加权 | 第51页 |
| 4.2.3 按对角阵加权 | 第51-52页 |
| 4.3 联合卡尔曼滤波数据融合方法 | 第52-55页 |
| 4.3.1 联合滤波器基础 | 第52-53页 |
| 4.3.2 联合滤波器结构 | 第53-54页 |
| 4.3.3 联合卡尔曼滤波器算法流程 | 第54-55页 |
| 4.4 道路交通数据融合系统设计 | 第55-56页 |
| 4.5 局部滤波器和主滤波器的分析 | 第56-57页 |
| 4.5.1 局部滤波器的分析 | 第56页 |
| 4.5.2 主滤波器的分析 | 第56-57页 |
| 本章小结 | 第57-58页 |
| 第五章 道路交通流检测数据融合计算 | 第58-77页 |
| 5.1 仿真平台搭建 | 第58-59页 |
| 5.2 数据准备 | 第59-60页 |
| 5.2.1 雷达检测器数据准备 | 第59页 |
| 5.2.2 卡口检测器数据准备 | 第59-60页 |
| 5.3 联合卡尔曼滤波器参数的确定 | 第60-63页 |
| 5.4 联合卡尔曼滤波的实现 | 第63-66页 |
| 5.5 数据融合计算结果 | 第66-70页 |
| 5.5.1 标准卡尔曼滤波结果 | 第66-68页 |
| 5.5.2 联合卡尔曼滤波融合结果 | 第68-70页 |
| 5.6 误差对比分析及有效性判断 | 第70-75页 |
| 5.6.1 卡尔曼滤波误差对比分析 | 第70-72页 |
| 5.6.2 联合卡尔曼滤波误差对比分析 | 第72-73页 |
| 5.6.3 联合卡尔曼滤波有效性判断 | 第73-75页 |
| 本章小结 | 第75-77页 |
| 第六章 结论与展望 | 第77-79页 |
| 6.1 研究结论 | 第77-78页 |
| 6.2 研究展望 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 致谢 | 第82-83页 |
| 附录A 灰色预测部分程序 | 第83-85页 |
| 附录B 标准卡尔曼滤波部分程序 | 第85-86页 |
