基于移动终端的交通信息感知技术研究
发布时间：2021-07-28 16:30
在交通管理、控制及现代城市交通规划中,使用智能交通系统能够综合治理城市交通的各种问题,能够在路网上实现车辆的实时监测和管理,将车辆的统一管理化为对车辆的单体的人性化、服务性的管理,这样不仅能够使得城市交通的使用者感到更加个性化的服务和舒适的驾驶体验,同时也使得城市的交通管理者能够实时的获取来自车辆或驾驶者的各种信息。通过利用各种现代化的智能移动终端,所获取的这些信息中将不仅包括通过对其中移动终端的定位而获取的各种交通参数,如速度、单车行程时间和路段平均行程时间等,还包括车辆驾驶者通过智能手机中的自媒体app发布的实时交通状态和运行态势信息,通过一定的信息处理,将会感知到实时的道路交通运行信息。本文主要研究的是基于移动端的交通信息感知技术。首先对基于移动终端的交通信息感知系统框架研究,然后在这个框架下提出了两种技术,分别是基于自媒体的移动终端路况信息主动感知技术和基于移动终端的交通参数被动感知技术。基于移动终端自媒体的路况信息主动感知技术。本部分将研究通过手机上的自媒体APP （Application,应用程序）,如微信、微博,采集并分析其中的文本信息,以此获取拥堵、事故、管制、天气等路...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 研究现状
1.2.2 应用现状
1.3 主要研究内容与章节安排
第2章 基于移动终端的交通信息感知系统框架研究
2.1 概述
2.2 基于移动终端的交通信息感知系统框架设计
2.3 基于移动终端的交通信息感知关键理论与技术分析
2.3.1 基于自媒体的路况信息感知技术
2.3.2 基于GPS/北斗的交通参数感知技术
2.3.3 基于移动终端的地图匹配技术
2.4 本章小结
第3章 基于移动终端的路况信息主动感知技术
3.1 概述
3.2 基于文本信息的路况信息提取技术
3.2.1 文本信息的中文分词方法
3.2.2 路况信息的提取方法
3.3 实例验证
3.4 本章小结
第4章 基于移动终端的行程时间被动感知技术
4.1 基于用户终端的单车行程时间估计方法研究
4.2 基于移动终端的路段平均行程时间估计方法研究
4.2.1 最小移动终端浮动车样本量确定方法
4.2.2 样本量充足时路段平均行程时间估计方法
4.2.3 样本量不足时路段平均行程时间估计方法
4.3 基于GPS和北斗的移动终端路段平均行程时间融合估计方法研究
4.3.1 基于引入时间域的自适应加权平均融合估计方法
4.3.2 基于BP神经网络的平均行程时间融合估计方法
4.4 仿真验证
4.5 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]GPS车辆监控系统道路匹配算法研究与实现[J]. 吴昊,刘岩,吴北平. 全球定位系统. 2013(04)
[2]基于浮动车数据的交通拥堵时间维度特征[J]. 朱琳,于雷,宋国华,郭继孚,温慧敏. 北京交通大学学报. 2011(06)
[3]基于数据融合的路段行程时间估计[J]. 胡小文,杨东援. 交通信息与安全. 2011(04)
[4]神经网络在交通流信息融合中的应用[J]. 张赫,王炜,刘莹莹. 武汉理工大学学报(交通科学与工程版). 2011(04)
[5]面向城市道路交通状态估计的数据融合研究[J]. 徐涛,杨晓光,徐爱功,张明月. 计算机工程与应用. 2011(07)
[6]基于联合卡尔曼滤波器的交通信息融合算法研究[J]. 丛玉良,陈万忠,孙永强,陈建. 公路交通科技. 2010(07)
[7]快速路截面数据和车牌识别数据融合算法[J]. 杨兆升,孙晓梅,王志建. 北京工业大学学报. 2009(10)
[8]基于BP网络的浮动车与线圈检测数据融合模型[J]. 熊文华,徐建闽,林思. 计算机仿真. 2009(09)
[9]多源数据融合的区间车辆速度预测算法研究[J]. 翟雅峤,翁剑成,荣建,刘小明. 交通信息与安全. 2009(03)
[10]基于证据融合的实时交通状态估计[J]. 孔庆杰,陈宜开,刘允才. 上海交通大学学报. 2008(10)
博士论文
[1]基于多源数据的交通状态监测与预测方法研究[D]. 李琦.吉林大学 2013
[2]基于信息的驾驶员路径选择行为及动态诱导模型研究[D]. 周元峰.北京交通大学 2007
[3]城市道路交通状态判别及拥挤扩散范围估计方法研究[D]. 冮龙晖.吉林大学 2007
硕士论文
[1]可变信息标志条件下动态交通分配模型研究[D]. 王园.哈尔滨工业大学 2013
[2]基于信息融合的高速公路交通事件自动检测算法研究[D]. 段飞飞.长安大学 2011
[3]多传感器信息融合在车辆定位与导航中的应用[D]. 黄静.兰州理工大学 2005
本文编号：3308247
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 研究现状
1.2.2 应用现状
1.3 主要研究内容与章节安排
第2章 基于移动终端的交通信息感知系统框架研究
2.1 概述
2.2 基于移动终端的交通信息感知系统框架设计
2.3 基于移动终端的交通信息感知关键理论与技术分析
2.3.1 基于自媒体的路况信息感知技术
2.3.2 基于GPS/北斗的交通参数感知技术
2.3.3 基于移动终端的地图匹配技术
2.4 本章小结
第3章 基于移动终端的路况信息主动感知技术
3.1 概述
3.2 基于文本信息的路况信息提取技术
3.2.1 文本信息的中文分词方法
3.2.2 路况信息的提取方法
3.3 实例验证
3.4 本章小结
第4章 基于移动终端的行程时间被动感知技术
4.1 基于用户终端的单车行程时间估计方法研究
4.2 基于移动终端的路段平均行程时间估计方法研究
4.2.1 最小移动终端浮动车样本量确定方法
4.2.2 样本量充足时路段平均行程时间估计方法
4.2.3 样本量不足时路段平均行程时间估计方法
4.3 基于GPS和北斗的移动终端路段平均行程时间融合估计方法研究
4.3.1 基于引入时间域的自适应加权平均融合估计方法
4.3.2 基于BP神经网络的平均行程时间融合估计方法
4.4 仿真验证
4.5 本章小结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]GPS车辆监控系统道路匹配算法研究与实现[J]. 吴昊,刘岩,吴北平. 全球定位系统. 2013(04)
[2]基于浮动车数据的交通拥堵时间维度特征[J]. 朱琳,于雷,宋国华,郭继孚,温慧敏. 北京交通大学学报. 2011(06)
[3]基于数据融合的路段行程时间估计[J]. 胡小文,杨东援. 交通信息与安全. 2011(04)
[4]神经网络在交通流信息融合中的应用[J]. 张赫,王炜,刘莹莹. 武汉理工大学学报(交通科学与工程版). 2011(04)
[5]面向城市道路交通状态估计的数据融合研究[J]. 徐涛,杨晓光,徐爱功,张明月. 计算机工程与应用. 2011(07)
[6]基于联合卡尔曼滤波器的交通信息融合算法研究[J]. 丛玉良,陈万忠,孙永强,陈建. 公路交通科技. 2010(07)
[7]快速路截面数据和车牌识别数据融合算法[J]. 杨兆升,孙晓梅,王志建. 北京工业大学学报. 2009(10)
[8]基于BP网络的浮动车与线圈检测数据融合模型[J]. 熊文华,徐建闽,林思. 计算机仿真. 2009(09)
[9]多源数据融合的区间车辆速度预测算法研究[J]. 翟雅峤,翁剑成,荣建,刘小明. 交通信息与安全. 2009(03)
[10]基于证据融合的实时交通状态估计[J]. 孔庆杰,陈宜开,刘允才. 上海交通大学学报. 2008(10)
博士论文
[1]基于多源数据的交通状态监测与预测方法研究[D]. 李琦.吉林大学 2013
[2]基于信息的驾驶员路径选择行为及动态诱导模型研究[D]. 周元峰.北京交通大学 2007
[3]城市道路交通状态判别及拥挤扩散范围估计方法研究[D]. 冮龙晖.吉林大学 2007
硕士论文
[1]可变信息标志条件下动态交通分配模型研究[D]. 王园.哈尔滨工业大学 2013
[2]基于信息融合的高速公路交通事件自动检测算法研究[D]. 段飞飞.长安大学 2011
[3]多传感器信息融合在车辆定位与导航中的应用[D]. 黄静.兰州理工大学 2005
本文编号：3308247
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3308247.html
