一、基于环形线圈车辆检测系统的研究与设计（论文文献综述）
林杰[1]（2021）在《基于深度学习的目标检测系统的研究与实现》文中进行了进一步梳理目标检测是计算机视觉的基础任务之一,其目的是找出图像中关注的物体,并且需要检测出物体的位置和类别。随着深度学习研究的发展,基于卷积神经网络算法的目标检测系统快速发展,基于目标检测算法的人脸识别、车辆检测等系统在当代生活中得到了广泛应用。然而,当前目标检测算法在确定物体位置和类别的准确度上还存在不足,而有效利用网络预测产生的物体候选框和物体关系能提高这两方面的准确度。因此,本文对物体候选框筛选和物体关系利用两方面展开研究。本文主要研究内容如下:（1）提出一种基于交并比和聚类算法的候选框筛选方法。在模型中输出候选框与真实结果的交并比,将交并比作为候选框筛选的依据。交并比信息能够描述候选框与真实结果重叠的准确程度,加入交并比信息作为筛选候选框的依据能够提高预测结果框选物体的准确程度。在预测出更准确的候选框后,为提高候选框筛选的准确性,在候选框的筛选过程中,使用聚类算法,将同一个目标的物体多个候选框作为一组处理对象。实验结果表明,在以Faster R-CNN为模型基础的条件下,本方法相比现有候选框筛选方法有3.2%的准确率提升。（2）提出一种基于物体关系的目标检测网络架构。在模型中加入物体关系模块,该模块基于注意力机制,处理物体特征之间的关系。物体关系模块通过对图像中类别相关的目标的关系进行针对性地学习,提高相关物体的类别预测准确度。实验结果表明,在以Faster R-CNN为模型基础的条件下,本方法相比现有检测网络准确率提升了2.8%。（3）设计并实现了基于C/S架构的车辆检测系统,进行了系统总体设计、数据库设计和系统详细设计,实现了系统功能,完成了系统的性能测试。
刘慧勇[2]（2020）在《基于DAS技术的车辆交通状态辨识与防碰撞预警研究》文中指出智能交通系统（Intelligent Transportation System,ITS）,是将先进的信息技术、传感器技术、电子控制技术、系统工程及人工智能技术等有效地综合运用、集成到交通管理中,从而实现保障安全、提高效率、改善环境、节约能源的先进交通系统。实现道路交通状态的智能管控与动态安全预警是道路智能交通系统建设的重要目标,而车辆交通状态的准确检测与辨识则是实现该目标的重要依据。因此,对道路交通状态辨识与车辆防碰撞预警问题的研究,已经成为道路智能交通系统研究领域广泛关注的重大课题。分布式光纤声学传感（Distributed Fiber Optic Acoustic Sensing,DAS）技术,以光纤作为传感传输媒介,是目前最先进的振动声学传感技术。DAS技术具有结构简单、使用方便、测量范围广、灵敏度高、动态范围大以及抗电磁干扰等明显优势。如何将DAS技术应用于车辆交通状态辨识的实际,并提出相应交通状态振动信号处理模型与算法,从而提高交通状态数据检测的准确率和安全性,是当前道路智能交通系统研究的一个重要方向。本论文基于分布式光纤声学传感技术,针对车辆交通状态辨识与防碰撞预警策略问题进行了选题研究。论文以交通状态理论和复杂信号分析理论作为基础,综合运用模式识别、参数估计和信号处理等多个学科方法,通过系统分析与实例实验仿真模拟相结合、定性分析与定量分析相结合,系统地探索如何基于DAS技术,解决交通状态实践过程中车辆交通状态辨识、车辆类型分类以及车辆防碰撞预警等具体问题。本文从这三个具体问题的需求特殊性和现实实践痛点出发,分别提出了基于DAS技术的车辆交通状态辨识模型、基于DAS技术的车辆类型特征参数辨识模型和基于DAS技术的车辆防碰撞预警策略。论文的主要研究内容及成果如下:（1）基于DAS技术的车辆交通状态辨识模型研究。与传统的车辆交通状态辨识模型不同,该模型是基于DAS技术构建检测系统,采用普通光纤电缆进行交通振动信号检测,可以在整个光纤链路覆盖范围内接收全分布式的振动信息,实现对范围内任意点的振动信号的检测和定位。该模型利用DAS技术获取交通振动数据,并且根据振动数据的特征改进了小波阈值算法和双阈值算法,前者实现了对振动数据的预处理,后者可以处理分析出振动信号的车辆交通状态并估计车辆速度。实验表明,在车辆计数试验中,单辆车通过检测区域的计数误差较小;当多辆车连续通过检测区域时的计数误差较大;在车速估计试验中,计算结果具有较好的精度,误差控制在5%以内。（2）基于DAS技术的车辆类型特征参数辨识模型研究。DAS技术具有对车辆振动信号分类方法维护成本低,且可实现更大规模车辆分类数据采集的特点,该模型利用传感光纤以分布式传感器形式采集交通振动信号,并通过相应的信号处理算法从信号中提取若干特征来识别车辆类别。在深入分析车辆分类问题的基础上,模型针对实验场景提出了车辆类型分类标准;在信号处理步骤上,本文提出了基于遗传算法的支持向量机算法（Support Vector Machine,SVM）,并以对比实验的方式对多种支持向量机算法进行了比较分析。结果表明这种改进型支持向量机算法能够降低分类误差。通过设计实际场景对模型进行实验,结果表明本文设计的基于DAS技术的分类检测器在进行车型分类时其精度大于70%。（3）基于DAS技术的车辆防碰撞预警策略研究。在对基于DAS技术的车辆交通状态辨识和车辆类型分类特征参数辨识模型研究的基础上,进一步对车辆防碰撞预警策略进行了深入研究。本部分提出了一种新型车辆防碰撞预警策略,与传统的预警策略区别在于该方案是一种基于DAS系统检测路段的全路段、全方位的车辆防碰撞预警策略,针对检测区域的车辆进行防碰撞预警。该安全策略中首先建立了适用于车辆防碰撞预警策略中的车辆安全距离模型,然后提出了一种综合考虑车辆运动、车辆位置、驾驶员行为、道路信息以及车辆类型的车辆防碰撞风险评估方法。最后,通过对防碰撞预警方案进行了仿真实验,验证了碰撞风险评估方法的准确性。仿真结果表明,该策略能有效地检测车辆碰撞风险,并及时给出准确的车辆防碰撞预警。（4）论文结合参加实际科研项目,对提出的模型与算法进行了实例实验和实证分析,研究成果对建立和完善基于DAS技术的车辆交通状态辨识理论体系具有重要参考价值,为实际规划和建设基于DAS技术的道路智能交通系统提供了科学依据。图49幅,表8个,参考文献216篇。
王玺铭[3]（2020）在《基于时空相关性分析的短时交通流量预测方法研究》文中认为近年来,由于城市机动车数量的飞速攀升,城市路网时常出现拥堵现象。智能交通系统因运而生,其核心功能是交通控制与诱导,而实时、精准的交通流预测信息是其实现交通控制与诱导的关键。因此如何获得实时、精准的交通流预测信息是近些年来智能交通领域中的研究热点之一。对短时交通流预测文献的查阅与分析,可知现阶段的短时交通流预测研究的重点放在对路段时间序列上的交通流进行预测。预测模型主要有统计理论模型、神经网络模型、非线性理论模型等,由于未考虑交通流空间上存在的特性,会存在预测结果精度不高的问题。对此,本文重点研究了考虑时空相关性预测方法。首先,分析了城市路网中交通流特性,通过分析可得交通流时间与空间上存在相关性。通过对各个数据采集方式优劣势研究,确定了使用微波数据作为数据来源。但是难免会因为设备老化、检测系统误差、传输线路出现故障等原因造成微波采集数据丢失、错误等情况,因此设计了一套数据预处理的流程,经过数据预处理后提高了数据质量。其次,在交通流时间与空间上存在相关性的基础上,提出了改进遗传算法优化BP神经网络对交通流时间序列进行预测,空间序列上使用了多元逐步线性回归方法进行预测,使用最小二乘动态加权融合算法对两种结果融合得到最后的预测结果。最后,使用城市路网中微波实测数据对模型的预测结果进行实例分析,由预测结果误差分析指标可知,融合后的预测结果相较于单一序列的预测结果更精准,验证了融合预测模型在交通流预测中的有效性与准确性。
唐宇舟[4]（2020）在《基于联邦卡尔曼滤波的多源异类交通数据融合技术研究》文中进行了进一步梳理随着我国机动车保有量的不断提高,城市道路的拥堵程度也越来越严重。目前,智能交通系统（Intelligent Traffic System,ITS）利用多种传感器,铺设在城市道路的路面下和空中,组成一个立体的传感网络,能够实时监测车道车流量、车速等信息,为交通出行者提供一定的路面预测情况。但由于涉及交通的传感器种类多,适应的条件不同,对其测量精准度有很大的影响。为了提高最终结果的准确性,本文采用联邦卡尔曼滤波算法对地感线圈、微波、视频三种交通检测器的检测数据进行融合,提高最终结果的准确性。该算法作为一种较为经典的算法,隶属于分布式卡尔曼滤波,它的计算量小,稳定性高,常用于数据融合的各种领域,且能有效地对数据进行预测。本文做了以下主要工作:首先,讨论了数据融合技术在智能交通系统中的广泛应用,总结了国内外数据融合领域的发展现状以及近期的研究成果;通过联系卡尔曼滤波器的实际应用场景,设计了一种可以融合地感线圈、微波、视频三种交通传感器数据的融合算法,并确定了以车流量和车辆平均速度预测作为本文的研究目标。第二,分析了包括贝叶斯理论、神经网络、聚类分析、主成分分析、卡尔曼滤波在内的五种常见的数据融合方法,比较了它们的优缺点,提出以联邦卡尔曼滤波算法作为融合方法。第三,详细分析了三种交通传感器（地感线圈、微波检测器、视频检测器）的优缺点和应用范围。研究了常用的交通数据预处理方法,采用数据平滑预测对真实流量数据进行了处理。最后,设计了一种基于上述三种交通检测器车流量和车辆平均速度的分布式卡尔曼滤波模型;并选用了浙江省杭州市体育场路的真实车流量、车辆平均速度数据,编写仿真算法对该模型进行了仿真实验。实验结果表明,三种检测器的预测相对误差均降低,融合算法的结果相比三种检测器的单独测量值更准确,误差小于平均融合法,验证了该方法的可行性。
鲍理靖[5]（2020）在《基于GMR传感器的无线车位检测系统设计》文中提出近年来,停车问题给人们的交通出行带来越来越多的困扰,解决此问题能减少大众交通出行的压力。本课题设计的一种基于GMR传感器的无线车位检测系统能够及时准确的获得停车位信息以及实现对停车位上检测节点的便捷控制。传统的车位检测系统具有成本高、功耗高、通信距离短、易受环境干扰、安装及维护不便等缺点。本系统所使用的磁阻传感器、无线通信技术以及语音识别技术能够有效的改进传统车位检测系统的上述缺点,在实际场景中能得到更好的应用。考虑到实际的应用场景与需求,本系统的车位检测节点选用低功耗、高灵敏度GMR传感器,通过检测车辆对地磁场的扰动以及对扰动信息的算法数据处理来判断停车位上车辆的状态,利用Ld3320模块识别语音指令实现对车位检测节点的控制,使用usr-c215网关把协调器的串口数据通过Wi Fi网络与车位检测软件进行通信。本文首先对课题的研究背景与意义进行介绍,其次对几种常见的车位检测技术、车位检测算法以及短距离无线通信技术进行了总结与对比分析,在此基础上,详细介绍了不同磁阻传感器的检测原理与特性,并从整体框架流程及各部分组成功能介绍了无线车位检测系统的设计与磁场数据采集系统的设计。接着,完成对整体系统硬件与软件的设计,硬件方面的工作主要是语音识别模块与网关模块的搭建、三种组网节点设备的器件选型、原理图与PCB的绘制以及最后的焊接与调试。软件方面主要涉及到Zigbee无线传感网的搭建、三种组网设备与语音识别器的程序流程设计、检测算法以及停车位检测软件的实现。实验测试部分,分析与比较了车辆停车过程中车位上的大量地磁扰动数据,为本系统算法中车位状态的判定设置了适当的阈值参数。实际停车测试表明,本系统检测准确率超过95%,可以满足实际停车应用需求。
马天[6]（2019）在《基于Wi-Fi无线通讯技术的交通数据检测方法研究》文中指出交通检测器系统是获取交通参数的重要手段,交通监控中心可以通过对这些参数的整理、判断和分析,发出合理的交通控制方案信息。可以说交通管理系统是否稳定运行、有效控制在很大程度上取决于所使用的交通检测器系统的技术水平。本文提出并设计了一种通过利用Wi-Fi物理地址的无线检测设备来完善交通数据检测系统,其主要模块包括:CPU数据处理模块、电源管理模块、时钟管理模块、Wi-Fi模块、蓝牙模块、GPS模块、GPRS模块、USB接口、数据存储模块等,可实现MAC地址收集、时钟时间读取、数据存储及数据传输功能。检测系统的工作原理是通过获取车辆乘坐人员的智能手机设备的MAC地址信息,进行数据处理并得到相应路段的行程时间、行程车速等交通参数。检测系统主要包括:布置于检测区域的各检测设备终端、供操作人员进行软件设置的笔记本电脑和远端分析处理数据的服务器。通过实际测试顺利采集到了实验路段一定时间内携带智能手机用户的MAC地址,完成了检测器信号采集及分析的工作,验证了基于Wi-Fi无线通讯技术的交通检测器系统的可行性。通过对比研究现有传统类型的交通检测器技术的优缺点进和短距离无线通信技术的特点及在交通检测器应用领域中的价值,探讨并拓展了Wi-Fi技术的应用领域,丰富了交通数据的来源和检测手段。
赵盼明[7]（2019）在《典型道路交通数据有效性评价方法》文中提出随着大数据时代的到来,道路交通数据已经成为交通管理与规划、交通预测、交通事件监测、交通信号配时等领域的重要依据。通过对交通数据的采集和挖掘,分析和研究实际交通状态,成为解决各种交通问题的重要手段。道路交通数据的有效性将直接影响使用者对交通状态的判断和控制,然而,由于交通信息采集技术和交通信息采集环境的复杂性,道路交通数据质量存在一定的不确定性。基于此,本文对交通数据有效性评价方法进行研究。具体研究内容如下:首先,本文对国内外现有的交通数据有效性评价方法进行分析,针对线圈、微波、RFID和视频4种典型道路交通数据的采集原理和参数内容,对不同的道路交通数据进行有效性分析,确定对道路交通数据进行5个方面的评价:数据完整性、数据准确性、数据可用性、数据稳定性和参数的宏观一致性;通过对多种综合评价方法进行对比分析,确定采用基于TOPSIS的灰色关联度分析方法和客观自主式综合评价对交通数据进行有效性评价。其次,针对交通数据的完整性、准确性、可用性、稳定性和一致性,分别进行数据有效性检测与指标统计。针对交通数据的完整性,文中采用统计不同缺失类型的非空值,计算数据缺失率;对交通数据的准确性,采用时间点规则性判断、车牌错误识别和3σ阈值区间的方法,检测交通错误数据并计算错误率;对交通数据的可用性,采用箱型图对异常数据进行识别,并计算异常率;对交通数据的稳定性,通过交通数据相同时段进行分组,利用分组数据均方差最大值、均方差平均值和均方差最小值,对数据稳定性进行评价;对交通数据参数宏观一致性,根据交通流理论和不同交通状态下交通参数之间的关系,制定参数宏观一致性判断规则,并进行一致性评价指标赋值。另外,针对交通数据有效性评价指标特点,通过对组合综合评价方法研究,本文采用两种综合评价方法对交通数据有效性进行评价。一种为基于TOPSIS的灰色关联度分析评价方法,该方法采用熵值法确定数据有效性指标的权重向量,通过求解被评价序列与最优和最劣参考序列的灰色关联度来确定灰色关联指数,并根据灰色关联指数确定最终评价值;另一种为基于二维IOWA算子的客观自主式综合评价方法,该方法根据不同评价主体的指标优势度,对评价指标重新排序,通过求解最优规划模型来确定各评价主体下的评价指标的权重向量,最后求解评价向量权重矩阵最大特征值和最大特征向量,来确定最终评价值。最后,分别对4种典型道路交通数据进行综合评价,对两种综合评价方法结果进行对比分析,其中,基于二维IOWA算子的客观自主式综合评价方法从评价主体自身考虑出发,评价结果能够较好地体现各评价主体的最优评价指标和最劣评价指标,为交通数据实际应用提供重要参考。
左科[8]（2019）在《面向拥挤控制的智能交通前端系统资源动态配置方法》文中研究说明目前以及在未来较长的一段时期内,由于信息技术的不断更新和完善,交通信息采集、传输和发布设备及相关技术将日趋先进,交通管理部门所面临的将不再是如何获得实时的交通数据问题,而是如何从大量静态和动态交通数据中提取出能够更加直观、准确、有效地反映交通状态,或是解决交通问题的信息,以满足决策需要。由于单一监测数据信息的片面、不完整、错误率高、不确定性大、信息量小的特点,交管部门一般采用并行处理多个前端系统数据信息的手段。但在实际应用中反映出了一个突出的问题,在前端系统资源的后台管理配置过程中,交通工程领域的理论技术仍然处于从属位置,决策时所调取区域数据采集点、前端摄像头大多仍主要依靠历史数据和人工经验,实际的应对效果难以应对复杂多变的交通环境。本文以路网发生拥挤后,前端系统数据信息源的有效、精准选择为主要研究对象,将其定义为后台对前端系统资源的管理配置,以空间区域作为配置的基本单元,研究基于前端系统实时数据的路段空间相关性特征,对路段进行空间数据挖掘,假设路网多处发生不同程度拥挤的情况下,通过对路段的空间交通关联性分析和空间聚类,实现后台对多个拥挤区域现场采集数据资源配置范围的确定,并给出依据数据源对路网管理控制贡献度的排序,研究旨在帮助确定科学的数据信息来源,排除无效数据,为管理者提供管理决策参考。主要包括以下研究内容:（1）基于检测原理和检测参数,对比分析了不同检测器的数据信息采集特征;研究了固定检测器的数据采集流程、数据在系统的集成计算方法,引用Hurst指数来判断交通参数是否符合时间序列趋势;研究了前端系统资源的平台管控方法;基于检测器的空间信息度和路网数据的空间效益,定义了以空间区域为单元的资源管理配置方法,引用莫兰指数进行全区域、区域单元的空间相关性验证。（2）研究了前端系统状态识别模块的判定机理,建立了基于历史数据模糊聚类的交通判别算法;定义了前端系统检测的拥挤的类型,结合管理后台资源配置的具体需求重新界定了拥挤的预警标准;基于DBSCAN聚类算法构建了路网拥挤区域划分算法。（3）改进了K-means算法并引入自然邻居搜索规则,在此基础上定义了路段的聚类算法;结合前端系统数据提出了一种基于速度和占有率的路段拥挤指数计算方法,并基于欧式距离和拥挤指数建立了拥挤点距离计算模型;分析了基于聚类的资源点位配置方法,通过建立资源与路段的匹配属性表,能够根据路段聚类确定对应资源的配置单元;依据交通态势环境建立了一种资源配置优先级的确定方法;以爱达荷州（Idaho）博伊西（Boise）市中心区建立仿真路网,验证本文模型算法的可行性。本文所研究的城市智能交通系统前端资源配置方法能够依据路网中的多处拥挤状态,确定以区域为配置单元的,后台精准调取的数据检测和视频监控对应点位,及管理配置顺序。
胡亚维,闫璞,柳莺,李敏[9]（2016）在《基于单片机技术的环形线圈车辆检测系统的设计与制作》文中指出本文设计了一种基于电磁感应原理的环形线圈车辆检测器电路。采用AVR系列AT90CAN128单片机为微处理控制单元,设计制作了八级灵敏度调节和CAN通信的环形线圈车辆检测系统。系统由MCU（Microcontroller Unit）主控制电路、信号采集电路、脉冲整形电路、CAN通信电路、状态显示电路和灵敏度控制电路等模块构成。为了提高检测器系统的稳定性和抗干扰性,电路采用双路CPU比较检测作为MCU主控制单元,设置故障状态显示;软件设计采用多重采集、中值滤波和软件"看门狗"来提高其抗干扰性。
周彬[10]（2016）在《基于STM32的嵌入式线圈车辆检测系统研究与设计》文中研究指明智能交通系统是未来交通系统的发展方向,它将各种先进技术运用于交通管理,建立一种高效实时的交通运输综合管理系统,充分利用交通条件,减少交通环境污染,保证交通顺畅安全。而智能交通的发展需要庞大的道路网和车辆信息,需要实时获取状态数据,交通流状态的检测是关乎路网是否顺畅运行、安全高效的基础性问题。本文重点研究了智能交通中的车辆检测技术,这是实现智能交通的的一项关键性技术,车辆数据来源的精准度是智能交通的基础。文章设计了基于STM32的嵌入式线圈车辆检测系统,其中硬件部分设计包括：主控模块、电感电容震荡电路、整形电路、串行接口模块、以太网接口模块、频率阈值调整电路模块以及JTAG下载电路模块,采用双线圈检测的方法,进一步保证了所测车速的精度,根据线圈频率的触发时间差精确计算出车速以及此车道一段时间内的车流量。在软件设计上,对车道实施分时选通,解决了车道内各个线圈之间的信号串扰的影响；为降低环境等外界因素对检测精度的影响,采用了基准频率的自动刷新算法对线圈的基准频率不断更新,使检测系统具备自动调整能力；同时提出使用双线圈信号配对的方法,提高了车辆检测系统在遇到道路车况拥挤时的检测准确度。文章阐述了车辆检测系统的理论模型,并通过实践将车辆检测系统实现,包括各个模块的硬件电路设计、MCU以及上位机的软件编写,通过实验测试证明了系统设计的可行性,所检测车速值和车流量精度高,实现预期功能,对于提高智能交通的车辆检测技术具有一定的意义。
二、基于环形线圈车辆检测系统的研究与设计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于环形线圈车辆检测系统的研究与设计（论文提纲范文）
（1）基于深度学习的目标检测系统的研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 传统目标检测算法 |
| 1.2.2 基于深度学习的目标检测算法 |
| 1.2.3 车辆检测系统应用现状 |
| 1.3 本文的主要工作 |
| 1.4 论文组织 |
| 第二章 基于交并比和聚类算法的候选框筛选的研究 |
| 2.1 候选框筛选问题分析 |
| 2.1.1 非极大值抑制算法 |
| 2.1.2 非极大值抑制算法存在的不足 |
| 2.2 基于交并比的候选框定位优化 |
| 2.3 基于聚类算法的候选框筛选 |
| 2.3.1 K-平均算法 |
| 2.3.2 AP聚类算法 |
| 2.4 改进的候选框筛选策略 |
| 2.5 实验和结果分析 |
| 2.5.1 数据集 |
| 2.5.2 评价指标 |
| 2.5.3 模型设计 |
| 2.5.4 结果分析 |
| 2.6 本章小结 |
| 第三章 基于物体关系的目标检测网络研究 |
| 3.1 卷积神经网络与图像物体关系的特征 |
| 3.1.1 卷积神经网络 |
| 3.1.2 物体关系 |
| 3.1.3 注意力机制 |
| 3.2 基于物体关系的检测网络 |
| 3.3 实验结果和分析 |
| 3.4 本章小结 |
| 第四章 基于C/S架构车辆检测系统的设计与实现 |
| 4.1 系统需求分析 |
| 4.1.1 需求概述 |
| 4.1.2 功能需求 |
| 4.1.3 软硬件及外部系统接口需求 |
| 4.2 系统概要设计 |
| 4.3 数据库设计 |
| 4.4 系统详细设计 |
| 4.4.1 客户端模块设计 |
| 4.4.2 服务端模块设计 |
| 4.4.3 网络接口模块设计 |
| 4.4.4 神经网络模块设计 |
| 4.4.5 数据持久化模块设计 |
| 4.5 系统实现 |
| 4.5.1 客户端的实现 |
| 4.5.2 服务端的实现 |
| 4.5.3 检测模型的实现 |
| 4.6 系统测试 |
| 4.6.1 测试目标 |
| 4.6.2 测试环境 |
| 4.6.3 功能测试 |
| 4.6.4 性能测试 |
| 4.7 本章小结 |
| 第五章 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（2）基于DAS技术的车辆交通状态辨识与防碰撞预警研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 交通流量检测器研究现状 |
| 1.2.2 车辆类型分类研究现状 |
| 1.2.3 车辆防碰撞预警策略研究现状 |
| 1.2.4 既有研究评价 |
| 1.3 本文主要研究内容与思路 |
| 1.3.1 研究内容 |
| 1.3.2 研究框架及技术路线 |
| 2 分布式光纤声学传感技术及信号处理相关理论 |
| 2.1 分布式光纤声学传感技术的检测原理及系统设置 |
| 2.1.1 分布式光纤声学传感技术的基本检测原理 |
| 2.1.2 分布式光纤声学传感技术的系统设计 |
| 2.2 交通状态辨识的信号处理相关理论 |
| 2.2.1 小波阈值信号处理去噪算法 |
| 2.2.2 双阈值信号处理算法 |
| 2.2.3 支持向量机信号处理算法 |
| 2.3 本章小结 |
| 3 基于DAS技术的车辆交通状态辨识模型研究 |
| 3.1 引言 |
| 3.2 道路交通状态辨识参数分析 |
| 3.2.1 道路交通流量参数 |
| 3.2.2 道路交通车辆速度参数 |
| 3.2.3 道路交通占有率参数 |
| 3.3 基于DAS技术的车辆交通状态辨识模型设计 |
| 3.3.1 改进型小波阈值去噪信号处理算法的研究 |
| 3.3.2 改进型双阈值车辆检测信号处理算法的研究 |
| 3.3.3 车辆速度参数估计算法的研究 |
| 3.4 实例分析 |
| 3.4.1 实验环境 |
| 3.4.2 实验结果和讨论 |
| 3.5 本章小结 |
| 4 基于DAS技术的车辆类型特征参数辨识模型研究 |
| 4.1 引言 |
| 4.2 基于DAS技术的车辆类型分类问题分析 |
| 4.2.1 车辆类型分类标准及振动信号特征分析 |
| 4.2.2 车辆类型分类特征参数辨识基本原理 |
| 4.3 基于DAS技术的车辆类型特征参数辨识模型设计 |
| 4.3.1 车辆特征提取方法 |
| 4.3.2 车辆分类模式识别算法 |
| 4.4 实例分析 |
| 4.5 本章小结 |
| 5 基于DAS技术的车辆防碰撞预警策略研究 |
| 5.1 引言 |
| 5.2 车辆安全距离模型建立 |
| 5.2.1 车辆安全距离建模目的 |
| 5.2.2 车辆制动过程行驶距离建模分析 |
| 5.3 基于DAS技术的车辆防碰撞预警策略方案 |
| 5.3.1 防碰撞问题描述 |
| 5.3.2 防碰撞车辆检测方法 |
| 5.3.3 防碰撞车辆跟踪模型及算法 |
| 5.3.4 防碰撞预警策略判决模型 |
| 5.4 基于DAS技术的车辆防碰撞安全预警策略的仿真与分析 |
| 5.4.1 仿真与评估分析 |
| 5.4.2 实验结果及讨论 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 主要研究结论及创新点 |
| 6.2 论文工作展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（3）基于时空相关性分析的短时交通流量预测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 研究目的与意义 |
| 1.3 短时交通流预测研究现状 |
| 1.3.1 交通流预测方法分类 |
| 1.3.2 短时交通流预测方法综述 |
| 1.3.3 时空相关性短时交通流预测现状 |
| 1.4 本文主要研究内容 |
| 第二章 城市路网交通流特性 |
| 2.1 交通流基本参数 |
| 2.1.1 流量 |
| 2.1.2 速度 |
| 2.1.3 交通密度 |
| 2.2 交通流三参数模型 |
| 2.2.1 车速与密度模型 |
| 2.2.2 流量与密度模型 |
| 2.2.3 速度与流量模型 |
| 2.3 交通流时间相关性 |
| 2.3.1 时间相关性分析理论 |
| 2.3.2 交通流时间相关性具体分析 |
| 2.4 交通流空间相关性 |
| 2.4.1 空间相关性分析理论 |
| 2.4.2 交通流空间相关性具体分析 |
| 2.5 本章小结 |
| 第三章 交通流数据采集与数据预处理 |
| 3.1 常用数据采集方法 |
| 3.1.1 环形线圈检测器 |
| 3.1.2 数字视频检测器 |
| 3.1.3 远程微波检测器 |
| 3.2 交通流中的数据预处理 |
| 3.2.1 交通流异常数据识别 |
| 3.2.2 交通流异常数据恢复 |
| 3.3 实例分析 |
| 3.4 本章小结 |
| 第四章 基于时空相关性的交通流预测 |
| 4.1 数据融合方法 |
| 4.1.1 最小二乘动态加权融合算法 |
| 4.1.2 预测值动态方差及权重的计算 |
| 4.1.3 预测值融合过程 |
| 4.2 基于时间相关性相时间序列交通流预测 |
| 4.2.1 遗传算法简介 |
| 4.2.2 BP神经网络 |
| 4.2.3 改进遗传算法优化BP神经网络 |
| 4.3 基于空间相关性空间位置交通流预测 |
| 4.4 本章小结 |
| 第五章 实验结果与分析 |
| 5.1 误差指标 |
| 5.2 结果分析 |
| 5.2.1 时间序列预测结果分析 |
| 5.2.2 空间位置预测结果分析 |
| 5.2.3 时空结果融合 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 1 作者简历 |
| 2 参与的科研项目 |
| 3 发明专利 |
| 学位论文数据集 |
（4）基于联邦卡尔曼滤波的多源异类交通数据融合技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 智能交通系统 |
| 1.2.2 多传感器数据融合技术 |
| 1.2.3 卡尔曼滤波算法 |
| 1.3 研究方法和目标 |
| 1.4 研究内容及章节概述 |
| 1.5 本章小结 |
| 第二章 信息融合的理论基础 |
| 2.1 主流方法介绍 |
| 2.1.1 贝叶斯推理 |
| 2.1.2 神经网络 |
| 2.1.3 聚类分析 |
| 2.1.4 主成分分析 |
| 2.2 联邦卡尔曼滤波器基本原理与结构 |
| 2.3 五种方法对比 |
| 2.4 本章小结 |
| 第三章 交通数据的检测及预处理 |
| 3.1 道路交通参数检测方法 |
| 3.1.1 地感线圈检测法 |
| 3.1.2 微波检测法 |
| 3.1.3 视频检测法 |
| 3.2 交通信息预处理 |
| 3.2.1 异常交通数据预处理方法 |
| 3.2.2 数据预处理基本步骤 |
| 3.3 数据修复实例 |
| 3.4 本章小结 |
| 第四章 联邦滤波器的结构与系统设计 |
| 4.1 联邦滤波器结构与性能分析 |
| 4.1.1 联邦滤波器六种结构 |
| 4.1.2 六类联邦滤波结构容错性能分析 |
| 4.2 算法设计 |
| 4.3 融合模型设计 |
| 4.4 本章小结 |
| 第五章 交通数据仿真融合计算 |
| 5.1 仿真平台搭建 |
| 5.2 交通数据准备 |
| 5.2.1 地感线圈数据准备 |
| 5.2.2 视频数据准备 |
| 5.2.3 微波数据准备 |
| 5.3 数据融合计算结果 |
| 5.3.1 流量融合结果 |
| 5.3.2 速度融合结果 |
| 5.4 误差分析 |
| 5.4.1 流量误差分析 |
| 5.4.2 速度误差分析 |
| 5.4.3 融合误差分析 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 作者简介 |
| 1 作者简历 |
| 2 攻读硕士学位期间发表的学术论文 |
| 3 参与的科研项目及获奖情况 |
| 学位论文数据集 |
（5）基于GMR传感器的无线车位检测系统设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 车位检测技术介绍 |
| 1.2.1 车位检测技术对比 |
| 1.2.2 感应线圈检测技术 |
| 1.2.3 红外检测技术 |
| 1.2.4 超声波检测技术 |
| 1.2.5 视频检测技术 |
| 1.2.6 地磁检测技术 |
| 1.3 短距离无线通信技术介绍 |
| 1.3.1 短距离无线通信技术对比 |
| 1.3.2 WIFI技术 |
| 1.3.3 蓝牙技术 |
| 1.3.4 Zig Bee技术 |
| 1.4 车位检测算法技术介绍 |
| 1.4.1 算法的对比分析 |
| 1.4.2 固定阈值检测算法 |
| 1.4.3 状态机检测算法 |
| 1.4.4 基准线跟踪检测算法 |
| 1.5 论文结构安排 |
| 第二章 系统的总体设计 |
| 2.1 磁阻传感器 |
| 2.2 无线车位检测系统设计 |
| 2.3 磁场数据采集系统设计 |
| 第三章 系统的硬件设计 |
| 3.1 系统硬件设备 |
| 3.1.1 协调器和路由器 |
| 3.1.2 检测节点 |
| 3.1.3 网关 |
| 3.2 硬件模块设计 |
| 3.2.1 磁场数据采集模块 |
| 3.2.2 电源管理模块 |
| 3.2.3 语音识别模块 |
| 3.2.4 Zig Bee无线通信模块 |
| 第四章 系统的软件设计 |
| 4.1 Z-Stack协议栈 |
| 4.2 节点设备工作流程 |
| 4.2.1 协调器和路由器的工作流程 |
| 4.2.2 检测节点的工作流程 |
| 4.2.3 语音识别器的工作流程 |
| 4.3 无线车位检测算法 |
| 4.3.1 信号滤波处理 |
| 4.3.2 基准线自适应动态阈值算法 |
| 4.4 车位检测软件设计 |
| 第五章 系统测试与数据分析 |
| 5.1 系统测试 |
| 5.2 数据分析 |
| 5.2.1 不同方向车位磁场分布 |
| 5.2.2 软硬磁体磁场扰动对比 |
| 5.2.3 车位状态判定 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（6）基于Wi-Fi无线通讯技术的交通数据检测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 现存交通数据检测系统技术发展状况及存在的问题 |
| 1.2.1 磁频检测器 |
| 1.2.2 波频检测器 |
| 1.2.3 视频检测器 |
| 1.3 国内外研究现状 |
| 1.4 本文主要研究内容 |
| 1.4.1 本文主要研究内容 |
| 1.4.2 本文技术路线 |
| 第2章 短距离无线通讯及WI-FI技术对比分析 |
| 2.1 短距离无线通讯技术分析 |
| 2.1.1 Zig Bee无线通讯技术 |
| 2.1.2 IrDA红外线通信技术 |
| 2.1.3 低功耗蓝牙无线通讯技术 |
| 2.1.4 GPRS无线通讯技术 |
| 2.2 无线WI-FI通讯技术分析 |
| 2.2.1 Wi-Fi技术演进及各标准对比 |
| 2.2.2 Wi-Fi技术特点 |
| 2.2.3 物理层关键技术 |
| 2.2.4 抗干扰技术 |
| 2.2.5 移动切换技术 |
| 2.2.6 路由器及Wi-Fi指针技术 |
| 2.3 本章小结 |
| 第3章 基于WI-FI技术的交通数据检测器硬件设计 |
| 3.1 交通数据检测系统组成 |
| 3.2 交通数据检测终端硬件电路设计原理说明 |
| 3.2.1 数据处理模块(STC15W4K48S4) |
| 3.2.2 电源管理模块 |
| 3.2.3 时钟管理模块 |
| 3.2.4 Wi-Fi模块 |
| 3.2.5 蓝牙模块 |
| 3.2.6 GPS模块 |
| 3.2.7 GPRS模块(SIM800L) |
| 3.2.8 USB接口 |
| 3.2.9 数据存储模块 |
| 3.2.10 串口扩展 |
| 3.2.11 按键及LED控制 |
| 3.2.12 PCB Layout设计 |
| 3.3 本章小结 |
| 第4章 交通数据检测系统使用及数据验证 |
| 4.1 检测器系统工作原理 |
| 4.2 检测器设置说明实例 |
| 4.2.1 供电模式选择 |
| 4.2.2 设置及模块上电 |
| 4.2.3 程序下载 |
| 4.2.4 设备预置 |
| 4.2.5 服务器软件操作 |
| 4.3 测试数据及分析 |
| 4.3.1 采集测试说明 |
| 4.3.2 数据采集 |
| 4.3.3 数据分析 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（7）典型道路交通数据有效性评价方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 交通数据有效性微观评价 |
| 1.2.2 交通数据有效性宏观评价 |
| 1.2.3 综合评价方法研究综述 |
| 1.3 研究目标 |
| 1.4 研究内容和技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 第二章 典型道路交通数据与有效性分析 |
| 2.1 典型交通数据采集技术及参数 |
| 2.1.1 线圈交通数据采集技术及参数 |
| 2.1.2 微波交通数据采集技术及参数 |
| 2.1.3 视频交通数据采集技术及参数 |
| 2.1.4 RFID交通数据采集技术及参数 |
| 2.2 典型道路交通数据有效性分析 |
| 2.2.1 线圈交通数据有效性分析 |
| 2.2.2 微波交通数据有效性分析 |
| 2.2.3 视频交通数据有效性分析 |
| 2.2.4 RFID交通数据有效性分析 |
| 2.3 本章小结 |
| 第三章 道路交通数据有效性微观评价 |
| 3.1 道路交通数据完整性 |
| 3.2 道路交通数据准确性 |
| 3.3 道路交通数据可用性 |
| 3.4 道路交通数据稳定性 |
| 3.5 交通参数宏观一致性 |
| 3.6 本章小结 |
| 第四章 基于值优化的自主式综合评价方法 |
| 4.1 经典综合评价方法 |
| 4.2 基于TOPSIS的灰色关联度分析法 |
| 4.2.1 方法原理 |
| 4.2.2 最优最劣参考序列 |
| 4.2.3 灰色关联度及求取步骤 |
| 4.3 基于二维IOWA算子的客观自主式综合评价方法 |
| 4.3.1 竞争视野及指标优势度 |
| 4.3.2 IOWA算子及位置加权向量 |
| 4.3.3 信息集结及方法步骤 |
| 4.4 本章小结 |
| 第五章 典型道路交通数据有效性评价 |
| 5.1 典型交通数据单指标评价 |
| 5.1.1 交通数据缺失率 |
| 5.1.2 交通数据错误率 |
| 5.1.3 交通数据异常率 |
| 5.1.4 交通数据波动性 |
| 5.1.5 交通参数宏观一致性 |
| 5.2 基于TOPSIS的灰色关联度综合评价 |
| 5.2.1 评价指标解析 |
| 5.2.2 交通数据有效性指标 |
| 5.2.3 综合评价结果 |
| 5.3 基于二维IOWA算子的客观自主式综合评价 |
| 5.3.1 评价指标重新排序及其优势度 |
| 5.3.2 位置加权向量和评价值向量 |
| 5.3.3 最终评价值确定 |
| 5.4 综合评价方法对比 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录A 评价指标优势度及其排序 |
| 附录B 位置加权向量 |
| 附录C 评价值向量 |
| 附录D 论文代码 |
| 作者简介 |
（8）面向拥挤控制的智能交通前端系统资源动态配置方法（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 动态交通信息检测 |
| 1.2.2 空间数据分类和聚类 |
| 1.2.3 交通网络单元相关性 |
| 1.3 主要研究内容 |
| 1.4 技术路线 |
| 第2章 前端系统数据信息的空间选择 |
| 2.1 前端系统的信息采集 |
| 2.1.1 交通信息的类别与采集方式 |
| 2.1.2 前端系统信息采集技术 |
| 2.1.3 前端系统的检测参数对比 |
| 2.2 前端系统管控的功能需求 |
| 2.2.1 交通信息采集系统的功能需求 |
| 2.2.2 前端系统管控平台的功能需求 |
| 2.3 路网数据源的空间选择分析 |
| 2.3.1 前端系统信息检测的空间特征 |
| 2.3.2 路网数据信息的空间效应 |
| 2.3.3 基于空间相关性的资源点位选择 |
| 2.4 本章小结 |
| 第3章 基于前端系统检测的数据源拥挤区域识别 |
| 3.1 交通前端系统数据集成分析 |
| 3.1.1 前端系统数据采集流程 |
| 3.1.2 前端系统数据处理和分析 |
| 3.1.3 前端系统数据时间序列趋势 |
| 3.2 基于前端系统数据的交通状态判别 |
| 3.2.1 交通状态识别体系 |
| 3.2.2 交通拥挤的度量标准 |
| 3.2.3 交通状态判别算法 |
| 3.3 基于密度聚类的区域拥挤界定 |
| 3.3.1 基于断面检测的拥挤预警界定 |
| 3.3.2 DBSCAN算法 |
| 3.3.3 滞留区域划分 |
| 3.4 本章小结 |
| 第4章 基于空间聚类分析的资源配置区域划分 |
| 4.1 K-means聚类算法改进 |
| 4.1.1 K-means聚类算法特征 |
| 4.1.2 K-means算法改进分析 |
| 4.2 数据源路段的空间距离度量 |
| 4.2.1 基于检测数据的拥挤指数确定 |
| 4.2.2 多检测器信息融合方法 |
| 4.2.3 数据源路段空间距离构建 |
| 4.3 基于数据源路段聚类的资源点位配置 |
| 4.3.1 拥挤区域前端资源信息匹配 |
| 4.3.2 拥挤点自然邻居搜索 |
| 4.3.3 改进K-means聚类过程 |
| 4.3.4 数据源区域单元贡献度评价 |
| 4.4 本章小结 |
| 第5章 算例分析 |
| 5.1 路网概述 |
| 5.2 拥挤区域簇确定与自然邻居搜索 |
| 5.3 改进K-means聚类过程 |
| 5.4 区域资源配置优先级排序 |
| 5.5 本章小结 |
| 结论和展望 |
| 1.结论 |
| 2.展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间发表论文及科研成果 |
（9）基于单片机技术的环形线圈车辆检测系统的设计与制作（论文提纲范文）
| 0 引言 |
| 1 总体方案设计 |
| 2 单元电路设计 |
| 2.1 控制电路设计 |
| 2.2 信号采集电路 |
| 2.2.1 耦合振荡电路设计 |
| 2.2.2 脉冲整形电路 |
| 2.3 CAN通信电路 |
| 2.4 状态显示电路 |
| 2.5 灵敏度控制电路 |
| 3 环形线圈车辆检测器软件单元设计 |
| 4 实验结果与分析 |
| 5 结论 |
（10）基于STM32的嵌入式线圈车辆检测系统研究与设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 前言 |
| 1.1 智能交通概述 |
| 1.2 车辆检测系统的研究现状 |
| 1.2.1 车辆检测系统的种类 |
| 1.2.2 线圈车辆检测系统的国内外研究现状 |
| 1.3 课题研究背景及意义 |
| 1.4 论文的研究内容及组织 |
| 第二章 相关理论及方法 |
| 2.1 线圈车辆检测系统的检测原理 |
| 2.2 线圈车辆检测系统的模型 |
| 2.3 车辆检测系统检测的交通参数及方法 |
| 2.4 本章小结 |
| 第三章 线圈车辆检测系统硬件设计 |
| 3.1 检测系统硬件总体设计 |
| 3.2 主控模块的设计 |
| 3.2.1 MCU选型 |
| 3.2.2 时钟模块 |
| 3.2.3 串行接口电路和以太网接口模块 |
| 3.2.4 电源电路和YFAG接口电路的设计 |
| 3.3 震荡及整形电路模块 |
| 3.4 线圈频率阈值调整电路 |
| 3.5 显示模块 |
| 3.6 抗干扰设计 |
| 3.7 本章小结 |
| 第四章 线圈车辆检测系统软件设计 |
| 4.1 软件开发环境 |
| 4.2 检测系统软件总体构成 |
| 4.3 车辆数据采集 |
| 4.4 基准频率刷新 |
| 4.5 线圈信号配对算法 |
| 4.6 线圈分时选通 |
| 4.7 本章小结 |
| 第五章 线圈车辆检测系统上位机设计 |
| 5.1 虚拟仪器的发展及特点 |
| 5.2 虚拟仪器的组成 |
| 5.2.1 虚拟仪器的硬件结构 |
| 5.2.2 虚拟仪器的软件结构 |
| 5.3 检测系统上位机的设计 |
| 5.3.1 前面板的设计 |
| 5.3.2 程序面板的设计 |
| 5.4 本章小结 |
| 第六章 测试与实验结果 |
| 6.1 震荡电路测试 |
| 6.2 模拟测试 |
| 6.3 测试结果的分析 |
| 第七章 总结与展望 |
| 参考文献 |
| 附录一 |
| 作者简介 |
| 攻读学位期间取得的学术成果 |
| 致谢 |
四、基于环形线圈车辆检测系统的研究与设计（论文参考文献）
- [1]基于深度学习的目标检测系统的研究与实现[D]. 林杰. 北京邮电大学, 2021(01)
- [2]基于DAS技术的车辆交通状态辨识与防碰撞预警研究[D]. 刘慧勇. 北京交通大学, 2020(06)
- [3]基于时空相关性分析的短时交通流量预测方法研究[D]. 王玺铭. 浙江工业大学, 2020(08)
- [4]基于联邦卡尔曼滤波的多源异类交通数据融合技术研究[D]. 唐宇舟. 浙江工业大学, 2020(08)
- [5]基于GMR传感器的无线车位检测系统设计[D]. 鲍理靖. 杭州电子科技大学, 2020(02)
- [6]基于Wi-Fi无线通讯技术的交通数据检测方法研究[D]. 马天. 哈尔滨工业大学, 2019(01)
- [7]典型道路交通数据有效性评价方法[D]. 赵盼明. 东南大学, 2019(06)
- [8]面向拥挤控制的智能交通前端系统资源动态配置方法[D]. 左科. 西南交通大学, 2019(03)
- [9]基于单片机技术的环形线圈车辆检测系统的设计与制作[J]. 胡亚维,闫璞,柳莺,李敏. 自动化与仪器仪表, 2016(06)
- [10]基于STM32的嵌入式线圈车辆检测系统研究与设计[D]. 周彬. 南京信息工程大学, 2016(02)