基于VANETs与智能感知的交通信息系统关键技术研究
摘要 | 第4-6页 |
abstract | 第6-8页 |
第一章 绪论 | 第12-18页 |
1.1 研究背景 | 第12-13页 |
1.2 研究动机和意义 | 第13-15页 |
1.3 本文的主要内容和贡献 | 第15-16页 |
1.4 本论文的结构安排 | 第16-18页 |
第二章 研究基础与相关工作 | 第18-38页 |
2.1 VANETs研究基础 | 第18-27页 |
2.1.1 VANETs的体系结构 | 第19-21页 |
2.1.2 VANETs的路由协议 | 第21-25页 |
2.1.3 VANETs的应用前景 | 第25-27页 |
2.2 智能手机感知概述 | 第27-32页 |
2.2.1 智能手机可感知的内容 | 第28-29页 |
2.2.2 智能手机感知技术的应用 | 第29-31页 |
2.2.3 车载智能感知技术的应用 | 第31-32页 |
2.3 相关工作 | 第32-37页 |
2.3.1 车辆安全的研究现状 | 第32-34页 |
2.3.2 运输效率的研究现状 | 第34-35页 |
2.3.3 安全驾驶的研究现状 | 第35-37页 |
2.4 本章小结 | 第37-38页 |
第三章 面向交通信息系统的车辆安全研究 | 第38-66页 |
3.1 引言 | 第38-40页 |
3.2 系统设计 | 第40-44页 |
3.2.1 设计原则 | 第40-42页 |
3.2.2 总体设计 | 第42-43页 |
3.2.3 面对的挑战和解决方法 | 第43-44页 |
3.3 系统方法实现 | 第44-60页 |
3.3.1 坐标轴方向性 | 第44-45页 |
3.3.2 传感器错误 | 第45-46页 |
3.3.3 运动检测 | 第46-51页 |
3.3.3.1 移动检测 | 第46-47页 |
3.3.3.2 停止检测 | 第47页 |
3.3.3.3 转向检测 | 第47-50页 |
3.3.3.4 反弹检测 | 第50-51页 |
3.3.4 地图匹配 | 第51-54页 |
3.3.5 车辆定位 | 第54页 |
3.3.6 建立移动模型 | 第54-55页 |
3.3.7 防盗检测 | 第55-60页 |
3.3.7.1 位置规则 | 第56-57页 |
3.3.7.2 方向规则 | 第57-58页 |
3.3.7.3 距离规则 | 第58页 |
3.3.7.4 基于深度学习的盗窃检测 | 第58-60页 |
3.4 系统实验 | 第60-65页 |
3.4.1 实验设置 | 第60页 |
3.4.2 性能分析 | 第60-64页 |
3.4.2.1 跟踪定位性能分析 | 第60-63页 |
3.4.2.2 防盗监测性能分析 | 第63-64页 |
3.4.3 系统开销分析 | 第64-65页 |
3.5 本章小结 | 第65-66页 |
第四章 面向交通信息系统的运输效率研究 | 第66-86页 |
4.1 引言 | 第66-68页 |
4.2 问题分析与系统模型 | 第68-70页 |
4.2.1 基本假设 | 第68页 |
4.2.2 问题分析 | 第68-69页 |
4.2.3 系统概述 | 第69-70页 |
4.3 系统方法实现 | 第70-77页 |
4.3.1 停车场的簇群管理 | 第70-71页 |
4.3.2 车辆轨迹收集 | 第71-75页 |
4.3.2.1 车辆停放相同停车场 | 第71-73页 |
4.3.2.2 车辆停放不同停车场 | 第73-75页 |
4.3.3 车辆轨迹匹配算法 | 第75-77页 |
4.3.4 实现面临的问题 | 第77页 |
4.4 仿真实验与性能 | 第77-83页 |
4.4.1 仿真环境设置 | 第78-79页 |
4.4.2 调查停车场车辆数 | 第79-80页 |
4.4.3 性能分析 | 第80-83页 |
4.4.3.1 算法性能对比实验 | 第80-82页 |
4.4.3.2 车辆密度对性能影响 | 第82页 |
4.4.3.3 步行距离对性能影响 | 第82-83页 |
4.5 本章小结 | 第83-86页 |
第五章 面向交通信息系统的安全驾驶研究 | 第86-104页 |
5.1 引言 | 第86-88页 |
5.2 系统模型 | 第88-93页 |
5.2.1 基本框架 | 第88-90页 |
5.2.2 分批标准化 | 第90-91页 |
5.2.3 卷积输入层 | 第91-92页 |
5.2.4 双向循环模型 | 第92-93页 |
5.3 系统方法实现 | 第93-96页 |
5.3.1 训练数据 | 第93-95页 |
5.3.2 后处理 | 第95-96页 |
5.4 实验与性能 | 第96-102页 |
5.4.1 实验设置 | 第96-97页 |
5.4.2 数据采集 | 第97-98页 |
5.4.3 性能分析 | 第98-101页 |
5.4.3.1 多种机器学习模型对比测试 | 第98-100页 |
5.4.3.2 呼吸频率监测性能对比测试 | 第100-101页 |
5.4.4 真实测试 | 第101-102页 |
5.4.4.1 车载环境测试 | 第101-102页 |
5.4.4.2 呼吸睡眠测试 | 第102页 |
5.5 本章小结 | 第102-104页 |
第六章 总结与展望 | 第104-107页 |
6.1 论文总结 | 第104-106页 |
6.2 后续工作展望 | 第106-107页 |
致谢 | 第107-108页 |
参考文献 | 第108-121页 |
攻读博士学位期间取得的成果 | 第121-122页 |