文摘
英文文摘
声明
致谢
1 绪论
1.1 研究背景及意义
1.2 研究技术路线及方法
1.3 论文结构及主要内容
2 文献综述
2.1 高速公路信息化研究现状
2.1.1 国外研究现状
2.1.2 国内研究现状
2.2 信息融合技术研究综述
2.2.1 多源信息融合一般方法
2.2.2 多源信息融合层次结构
2.2.3 多源信息融合常用模型
2.2.4 信息融合系统体系结构
2.3 信息融合技术在交通信息处理中的应用
2.4 本章小结
3 高速公路交通监测信息特性分析
3.1 概述
3.2 高速公路交通监测信息调研
3.3 高速公路交通监测信息特性分析
3.4 本章小结
4 基于改进的SVM信息融合算法研究
4.1 支持向量机算法
4.1.1 SVM算法基本思想
4.1.2 SVM算法计算原理
4.1.3 核函数及其选择
4.2 SVM算法的优势与不足
4.2.1 SVM算法的优势
4.2.2 SVM算法的不足
4.3 SVM算法改进
4.3.1 SVM改进方法DTM-SVM
4.3.2 DTM-SVM信息融合模型设计
4.3.3 DTM-SVM信息融合步骤
4.4 本章小结
5 基于DTM-SVM的交通信息融合设计研究
5.1 交通信息融合层次结构
5.2 交通信息融合模型设计
5.3 交通信息融合流程
5.4 本章小结
6 DTM-SVM在高速公路交通状态识别中的应用
6.1 问题描述
6.1.1 高速公路路段交通状态分析
6.1.2 交通状态识别问题描述
6.2 高速公路路段交通状态评价体系
6.2.1 评价体系建立
6.2.2 评价指标体系涉及交通参数
6.2.3 交通参数特性分析
6.3 输入量确定
6.4 DTM-SVM信息融合算法实现
6.4.1 DTM-SVM结构
6.4.2 算法步骤
6.4.3 算法流程图
6.5 算例分析
6.5.1 测试结果
6.5.2 核函数分析
6.5.3 参数分析
6.6 本章小结
7 结论
7.1 主要结论
7.2 展望
参考文献
附录
作者简历
北京交通大学;