| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景及研究意义 | 第10-12页 |
| 1.1.1 课题研究背景 | 第10-11页 |
| 1.1.2 课题研究目的及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 论文主要内容及章节构成 | 第14-16页 |
| 第2章 高速公路事件检测原理分析 | 第16-26页 |
| 2.1 交通事件基本概念 | 第16-21页 |
| 2.1.1 交通流基本参数 | 第16-18页 |
| 2.1.2 交通事件概念 | 第18-19页 |
| 2.1.3 交通事件下交通流特性 | 第19-21页 |
| 2.2 交通事件检测技术方法 | 第21-23页 |
| 2.2.1 交通事件检测方法分类 | 第21-22页 |
| 2.2.2 交通事件检测系统 | 第22-23页 |
| 2.3 交通事件自动检测算法及评价指标 | 第23-25页 |
| 2.3.1 交通自动检测算法分类 | 第23-24页 |
| 2.3.2 交通自动检测算法评价指标 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于PNN的交通事件检测算法分析与设计 | 第26-42页 |
| 3.1 概率神经网络原理 | 第26-33页 |
| 3.1.1 Parzen窗估计法 | 第26-28页 |
| 3.1.2 贝叶斯决策理论 | 第28-29页 |
| 3.1.3 概率神经网络基本原理 | 第29-33页 |
| 3.2 基于PNN交通事件检测算法 | 第33-36页 |
| 3.2.1 PNN算法适应性分析 | 第33-34页 |
| 3.2.2 基于PNN交通事件自动检测算法设计 | 第34-36页 |
| 3.3 基于PNN的交通事件检测 | 第36-41页 |
| 3.3.1 交通仿真数据来源 | 第36-39页 |
| 3.3.2 仿真分析 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于IGA-PNN交通事件检测研究 | 第42-58页 |
| 4.1 遗传算法原理概述 | 第42-45页 |
| 4.1.1 遗传算法基本原理 | 第42-43页 |
| 4.1.2 基本遗传算法流程 | 第43-45页 |
| 4.2 遗传算法改进方法研究 | 第45-49页 |
| 4.2.1 编码分析 | 第45-46页 |
| 4.2.2 自适应遗传算法 | 第46页 |
| 4.2.3 综合改进遗传算法 | 第46-47页 |
| 4.2.4 改进方法仿真对比 | 第47-49页 |
| 4.3 基于IGA-PNN交通事件检测算法分析 | 第49-53页 |
| 4.3.1 基于IGA-PNN交通事件检测的关键点 | 第49-51页 |
| 4.3.2 IGA-PNN算法流程设计 | 第51-53页 |
| 4.4 仿真结果及分析 | 第53-56页 |
| 4.4.1 基于GA-PNN交通事件检测仿真 | 第53-55页 |
| 4.4.2 仿真结果对比分析 | 第55-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第5章 基于CGA-PNN模型交通事件检测研究 | 第58-67页 |
| 5.1 混沌基本理论 | 第58-59页 |
| 5.1.1 混沌理论 | 第58-59页 |
| 5.1.2 常用的混沌映射 | 第59页 |
| 5.2 基于CGA-PNN交通事件算法设计 | 第59-63页 |
| 5.2.1 混沌遗传优化算法基本思想 | 第59-60页 |
| 5.2.2 混沌遗传优化算法流程 | 第60-61页 |
| 5.2.3 基于CGA-PNN交通事件检测算法设计 | 第61-63页 |
| 5.3 仿真结果及分析 | 第63-66页 |
| 5.3.1 基于CGA-PNN交通事件检测仿真 | 第63-64页 |
| 5.3.2 仿真结果及对比分析 | 第64-66页 |
| 5.4 本章小结 | 第66-67页 |
| 总结与展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 攻读硕士学位期间发表的论文 | 第75页 |