基于城市快速路和主干道多源交通检测信息的数据融合技术研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-15页 |
| 1 绪论 | 第15-25页 |
| ·研究背景及意义 | 第15-17页 |
| ·国内外研究现状 | 第17-22页 |
| ·研究内容及技术路线 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 2 交通流检测技术及数据融合 | 第25-41页 |
| ·交通流参数 | 第25-26页 |
| ·交通流检测技术 | 第26-33页 |
| ·固定检测器技术 | 第26-30页 |
| ·浮动车检测技术 | 第30-32页 |
| ·多源交通检测技术分析 | 第32-33页 |
| ·数据融合 | 第33-38页 |
| ·数据融合概述 | 第33-35页 |
| ·数据融合方法 | 第35-37页 |
| ·融合方法对比分析 | 第37-38页 |
| ·本章小结 | 第38-41页 |
| 3 研究范围选取及数据处理分析 | 第41-55页 |
| ·研究范围选取 | 第41-48页 |
| ·数据源说明 | 第41页 |
| ·城市快速路研究范围 | 第41-45页 |
| ·城市主干道研究范围 | 第45-48页 |
| ·数据预处理 | 第48-51页 |
| ·错误数据剔除 | 第48-50页 |
| ·缺失数据补缺 | 第50-51页 |
| ·数据匹配 | 第51-53页 |
| ·时间匹配 | 第51-52页 |
| ·空间匹配 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 4 多源交通数据融合模型构建 | 第55-65页 |
| ·遗传算法 | 第55-56页 |
| ·遗传算法简介 | 第55页 |
| ·遗传算法的运算过程 | 第55-56页 |
| ·BP神经网络算法 | 第56-58页 |
| ·BP神经网络基本原理 | 第56-57页 |
| ·神经元模型 | 第57页 |
| ·BP神经网络结构 | 第57-58页 |
| ·GA-BP组合模型构建 | 第58-60页 |
| ·GA-BP神经网络流程 | 第58-59页 |
| ·GA-BP网络模型设计 | 第59-60页 |
| ·模型种类划分及模型检验 | 第60-63页 |
| ·模型种类划分 | 第60-62页 |
| ·融合模型评价指标 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 5 快速路及主干道数据融合模型实例分析 | 第65-85页 |
| ·研究范围 | 第65页 |
| ·数据说明 | 第65页 |
| ·时空范围介绍 | 第65页 |
| ·融合模型数据样本 | 第65-70页 |
| ·数据抽取 | 第65-66页 |
| ·数据预处理 | 第66-70页 |
| ·时空匹配 | 第70页 |
| ·融合模型推导 | 第70-73页 |
| ·主要工作流程 | 第70-71页 |
| ·模型样本说明 | 第71-72页 |
| ·模型推导实现 | 第72-73页 |
| ·融合模型评价 | 第73-83页 |
| ·模型精度评价 | 第73-76页 |
| ·模型有效性评价 | 第76-81页 |
| ·模型合并性分析 | 第81-82页 |
| ·模型评价总结 | 第82-83页 |
| ·本章小结 | 第83-85页 |
| 6 总结与展望 | 第85-87页 |
| ·主要结论 | 第85页 |
| ·研究展望与建议 | 第85-87页 |
| 参考文献 | 第87-91页 |
| 附录A 融合模型Matlab主程序代码 | 第91-93页 |
| 作者简历 | 第93-97页 |
| 学位论文数据集 | 第97页 |
