一、车载GPS道路数据采集与线形参数的计算(论文文献综述)
刘硕,杨轸,许多,王俊骅[1](2021)在《基于GPS数据的道路线形恢复实验教学实践》文中研究指明设计了基于手持GPS数据和车载GPS数据的道路线形恢复实验教学,实验内容包括GPS设备的使用方法培训、GPS数据采集、基于GPS数据的道路线形恢复以及线形恢复结果和两种实验方法特点的对比。引导学生从实验设计、实验数据采集和实验结果分析等多个环节,体验完整的道路线形恢复的科学研究过程,培养学生的科学研究兴趣,锻炼学生解决工程复杂问题的能力,促进道路工程人才培养。
钟棉卿[2](2020)在《基于移动激光雷达数据的路面状况检测方法研究》文中提出随着我国公路建设的迅速发展,对公路养护和旧路改扩建的需求迅速扩大。路面是公路养护及改扩建工作的核心内容,快速、有效掌握路面几何参数和公路路面技术状况及其变化趋势是路面养护决策、路面大中修养护及改扩建方案设计的前提和依据。路面几何参数及技术状况评价指标的获取长期依赖于种类繁多的特定传感器和现场测量,其检测结果易受多种因素的影响,且缺乏统一的数据基准。移动激光扫描(Mobile Laser Scanning,MLS)技术集成激光扫描仪、全球卫星导航系统、姿态测量系统、相机等多种传感器,能迅速采集高精度、高密度的公路三维实景点云数据,为路面几何及技术状况自动化检测提供了一种新的技术手段。本文针对MLS数据用于公路路面几何及技术状况自动化检测领域中的关键技术开展研究,构建了“MLS数据组织—路面特征提取—几何状况检测—技术状况检测”的技术框架。主要研究内容如下:1、针对MLS点云数据离散、无拓扑的问题,本文提出一种基于MLS点云的采集顺序而构建的顺序索引结构Tgrid,该方法可以实现为每个激光点分配一个2维规则索引号,将点云的顺序邻接关系转换为一张Tgrid结点图,相比传统方法,本文方法不仅很好地实现了海量点云数据的快速查询,解决MLS点云顺序存储与索引存储间的不一致问题,并能将图像处理方法成功引入到MLS点云数据处理。2、针对某些MLS场景数据文件不包含轨迹数据、无扫描角信息和轨迹文件损坏的情况,本文提出了一种根据点云空间分布特点重建扫描仪地面轨迹的方法。实验结果表明,重建的轨迹数据与真实轨迹数据的平均误差在1-2个激光点之内。本研究为基于MLS点云的扫描轨迹重建提供了理论基础。3、基于本文创建的Tgrid结构,提出并研究了利用MLS点云数据提取路面特征信息的系统化的处理方法,包括下列主要工作:(1)提出了一种基于点云标记控制的区域生长方法用于路面点云的检测,设计了基于Tgrid结构的联通区域分析和Freeman链码边界检测算法快速提取路面点云轮廓以及道路边界;(2)设计了一种基于点云强度背景反差自适应阈值分割方法筛选路面标线点云,在此基础上,引入数学形态学方法识别车道线,最终提取了道路中线和轮迹线等路面几何及技术状况关键信息;(3)通过将提取的道路边界与路面点云在Tgrid结点图上的叠置分析,实现了路面内部点云孔洞的快速、有效检测。实验结果表明,路面点云检测完整率达99.67%,与人工标定的道路边界和车道线相比,检测边界的精准率和召回率分别为96.78%和92.91%,车道线检测结果的正确检测率达98.80%,验证了本文方法的有效性和准确性。4、开展了基于提出的道路中线和MLS密集路面点云获取公路几何状况的研究。设计了利用高精度三维点云检测路面线路曲率、纵坡和横坡等几何状况主要参数的方法;根据曲率和纵坡的变化检测公路的几何线形,并基于连续性、均衡性和坡长三个技术指标评估了既有几何线形的安全性。在一段多弯道盘山公路场景测试结果表明,基于本文方法判定的危险路段与实际状况基本相符,与抽样实测数据比较,纵断面高程误差0.031m,横坡率误差0.33%。5、提出了基于MLS数据的路面损坏、路面平整度和路面车辙等路面技术状况自动化检测的系列方法,构建了使用MLS点云自动化检测路面几何及技术状况的技术框架。(1)设计一种融合三维点云与高分辨率CCD(Charge Coupled Device)图像的路面损伤检测策略,提出了一种基于比例限制的路面破损背景反差自适应阈值分割方法,实现了路面裂缝和坑槽的自动化检测;(2)参考路面检测规范中对常规检测方法采用数据精度和采样率的要求,提出基于轮迹线点云纵断面高程检测路面平整度的方法;(3)研究实现基于轮迹线点云生成精细横断面的方法用来检测路面车辙深度的方法。平整度的检测结果表明,基于密集点云断面高程计算的平整度标准差σ和国际平整度指数(IRI)结果高度相关,可通过在测试路段上开展相关实验来获取的二者之间的转换关系,将σ值转换为IRI值,从而简化IRI的计算复杂度。使用精密水准测量方法,对局部路面车辙深度的最大值进行了抽样检验,基于MLS点云检测的车辙深度误差不大于0.010m。
郭牧[3](2020)在《车载式三维激光路面检测系统设计与实现》文中进行了进一步梳理发展以三维激光检测技术为代表的路面自动化检测技术,是解决我国当前在路面技术状态监测,状况评价,养护维修领域面临的道路养护里程巨大、评价指标精度不足、技术人员成本昂贵等问题的必由之路。现阶段,道路管养部门把基于三维激光检测技术的车载检测系统应用在国省干线道路的路面技术指标及病害检测中的试点工作已经展开,但受限于三维激光技术的高技术门槛,推广工作举步维艰,究其原因仍在于目前尚无一款能被检测市场广泛接受的车载三维激光路面检测系统。国内道路管养部门现有的车载三维激光检测系统有来自于众多供应商的整车系统,也有自行组装集成的系统。这些车载系统的原理一致,设备构成近似,但仍存在细部结构装配或设置参数等多项差异。设备供应商不能随着公路行业高度专业性的检测项目因地制宜的调试改进系统,系统中闭源的附属检测软件封闭检测数据源也使得养护技术人员在使用时处处掣肘,对接下来的养护决策阶段给予的支持乏力;三维激光技术的高技术门槛也使得自行组装集成系统检测结果的可靠性成为管养部门的难题。因此,本研究在深入调查和比对了国内外现有的车载三维激光检测系统后,首先提出了适配于路面病害检测项目的三维激光检测技术要求,并以此为标准甄选了研究级精度的三维激光检测设备单元及其适配组件,进一步的设计并装配了相应的车载三维激光检测系统,并针对该系统提出了其布设关键参数的校准设备与校准方案。在证明装配系统的各项性能符合设计后,根据路面检测指标需求,设计了三维激光检测系统场地校准实验方案来验证系统输出结果的可靠性,还编译了用于数据预处理及三维重构模型的算法,最终在检测项目实例中验证该车载三维激光检测系统用于路面病害检测的研究潜力及潜在的商业价值。本文研究思想和方法及主要研究成果如下:(1)基于路面检测中道路路面特性和病害类型与评价指标的检测需求,确定以三维激光检测技术为目标集成系统时的检测技术要求,以此为准调研国内外各大设备供应商可获得的三维激光设备组件并甄选出适用于本研究的三维激光设备单元。(2)以甄选出的三维激光设备单位为核心组件,确定目标系统中其余组件并设计整体装配布局,进一步对三维激光设备单元核心组件依照先前检测技术要求设计细部装配布局,最终实现目标系统原型机的集成装配。(3)针对得到的系统原型机校准装配时所用的布设关键参数,提出相应的校准装备和校准方案,来验证装配原型机与布局设计相一致。最终,通过装配原型机实测实验室沥青板的构造深度指标来确定适宜于路面纹理检测的三维激光测点影响面积。(4)总结装配的车载三维激光系统在检测项目中的系统误差及其影响,再提出相对应的车载三维激光检测系统的场地校准方案,并加以实地实验验证,以保证道路工程检测项目输出结果的可靠性。(5)建立适配于车载三维激光检测系统的三维模型重构方法,具体包括三维激光检测的点云数据获取、点云数据的预处理、激光断面滤波方法以及点云重构。最终以一段实测车辙检测数据建立三维重构模型。本研究在综合调研当前国内外各类车载三维激光检测系统装配方案后,提出了一套适配于我国路面检测规范的车载三维激光检测系统及配套的系统精度场地校验方案,并建立了获得的激光点云数据的三维重构模型数据处理算法。这对于路面养护作业中路面状况评价和施工质量控制具有重要的参考价值,所建立的系统场地精度校验方案和三维重构模型数据处理算法可以根据不同检测项目实际情况进行修订,可用于其他决策及整个道路的养护决策中。
赵媛劼[4](2020)在《基于SPEEDBOX_INS的道路平纵线形参数重构研究》文中提出路是道路交通系统的重要组成部分,而平纵线形参数作为道路的“骨架”,其技术参数的合理与否直接影响着车辆运行的安全性,因此,如何快速、准确的获取道路平纵线形参数对道路安全性评估、危险路段预判、道路改修扩建、交通事故责任鉴定具有十分迫切的现实需求和应用前景。本文基于车载SPEEDBOX_INS开展道路线形参数重构技术的研究,综合运用道路线形识别技术,线形平差技术以及迭代优化理论等研究方法,建立道路平纵线形参数重构模型,从而实现了线形参数的重构,主要的研究内容如下:针对道路线形识别问题,在深入分析现有方案的基础上,分别采用车辆方位角数据和道路坡度角数据开展线形识别研究。考虑坡度角数据采样频率高,数据毛刺多等问题,采用移动平均滤波器进行数据滤波操作;提出了一种基于搜索的线形粗分段方法,分析方位角和坡度角数据的斜率特性,通过逻辑判别实现了平曲线直弯节点、纵曲线直圆节点以及线形类别的准确辨识。针对道路线形拟合过程易受粗差干扰、精度欠佳等问题,基于平差理论分别建立了直线、圆曲线在重心坐标下的平差模型,考虑粗差数据以及不属于待平差线形数据的干扰,引入稳健估计进行线形参数的选权迭代计算,可有效提升直线段、圆曲线线形参数的拟合精度;已知直、圆线形参数,参照公路线形设计理论进行线形整体连接,进而获取道路桩点坐标信息,最终可实现道路线形参数的重构。利用以上研究所得,在VS2015平台上开发了道路线形参数重构系统。针对行车数据读取和快速处理需求,设计了基于EXCEL程序接口函数、ADO开发技术和SQL语句查询技术的SPEEDBOX数据读取模块;研究了基于数据容量的自适应坐标系技术,通过数据截取操作可实现任一时段车辆运行状态数据的有效显示。最后,以西安市环山公路(一级、限速80km/h)下河滩路段为工程实例,对照公路线形设计规范,验证了道路线形参数重构系统的有效性。
周丹[5](2020)在《城市交叉口右转渠化区道路线形渠化模型研究与实现》文中指出城市交叉口作为道路交通系统的咽喉,其交通运行的好坏,直接影响整个路网的交通状况。其中立交交通问题尤为突出,匝道作为立交结构的重要组成部分之一,起连接主线与其他等级相邻道路的作用,其通行能力制约着整座立交桥的交通发展。渠化作为一种从空间分离交通流的手段,是一种在有限空间资源条件下,投资小、工期短、施工灵活、近远期易于结合的交通组织方式,道路线形是渠化的主要内容之一。道路线形一般可以通过道路中线线形来描述。在遵守相关标准的前提下,车辆行驶轨迹是线形渠化的主要依据。论文以城市交叉口右转渠化区线形渠化为研究对象,在分析了国内外右转道路改善技术的基础上,以实现最大限度挖掘有限道路空间上交通的流畅性和安全性需求为目的,构建与汽车行车轨迹相适应的匝道线形。主要研究内容如下:首先,给出了右转渠化区一次完成转弯行为的车辆行驶轨迹数据采集方法。并分别从视频稳定性、轨迹异常点剔除、轨迹重构三方面对轨迹数据进行了预处理。其次,建立了右转渠化区道路中线线形提取相关模型及方法。受Delaunay算法的启发,利用轨迹点集构建了渠化区道路拓扑模型,提出了一种基于长边约束准则的道路边界识别方法,在此基础上,通过对拓扑模型中三角形类型的确定,给出了一种新的道路中线提取算法,并基于三次B样条函数的偏心改正得到了道路中线线形数据。然后,对道路中线进行了识别。利用曲率图的斜率差规律得到了线形组成元素类型及分界点,构建了基于正交最小二乘的直线、圆曲线对应数学模型,根据交叉口车辆右转时转弯处线形的不同,提出了不同情况下缓和曲线段的数学模型构建方法,给出了右转道路线形渠化模型和各线形元素对应的几何参数。最后,利用VTK技术对右转渠化区渠化道路线形进行了三维可视化呈现,并使用C++、Python编程语言和Qt开发了相应的测试软件,通过西安市交叉口处的轨迹数据对研究成果进行了验证。
郑珂[6](2019)在《基于浮动车数据时空语义的交通状态辨识》文中认为拥堵已成为我国交通领域亟待解决的问题之一。为缓解该问题,我国已在多个城市建立了浮动车监控调度平台。浮动车系统具有低成本、高覆盖率、实时性强等特点,可实时反馈交通状态,该系统的建立在一定程度上缓解了交通拥堵。本文面向交通状态辨识建立浮动车数据的时空语义模型,将其划分为时空位置语义、道路几何语义和道路场景语义3个层面,并针对每个层面目前存在的问题提出相应的解决方案。本文主要研究工作及贡献体现在以下几个方面:(1)提出了基于单目视觉的时空位置语义编码算法针对在GPS(Global Positioning System)盲区浮动车无法获取定位数据的问题,提出了基于单目视觉的时空位置语义编码方法。该方法利用行车记录仪获取车辆周围图像,结合轮速计获得相邻2帧图像之间的距离,基于单目视觉三维重建技术,构建透视n点(perspective n-point;Pn P)模型,计算相邻2帧图像的位置关系从而计算浮动车的空间位置。实地实验结果表明,本文所提方法获得的位置数据平均精度误差为8m,低于GPS的平均误差,可作为浮动车在盲区位置数据获取的手段。此外,本文提出的基于单目视觉的定位算法,具有成本低,简单易推广的优点。(2)设计了基于曲线局部匹配的道路几何语义编码算法在基于浮动车系统的各种应用中,如何获取浮动车所在的道路及其几何形状和连通性是关键。本文将道路的几何形状和道路之间的连通性定义为道路几何语义,提出一种基于曲线局部匹配的道路几何语义编码算法,该算法基于浮动车数据重构路网拓扑结构,从而获得每条浮动车数据所在道路的几何形状及相互连通性。算法利用Fréchet距离作为衡量曲线相似性的标准,引入曲线自由空间的概念实现曲线和图的局部匹配,将曲线的相似性判断转化为自由空间中的单调最短路径问题,从而降低算法的复杂度。实验结果表明,本文所提出算法获得的道路几何形状和连通性的准确性均胜于同类经典算法。(3)提出基于深度学习网络的道路场景语义编码方法利用浮动车行车记录仪提供的图像数据,将浮动车数据按照道路场景语义进行分类。特别是将深度学习应用于道路场景的全局特征提取,面向道路场景语义分类构建深度学习网络Road Net,建立基于深度学习的道路场景语义编码模型。实验结果表明,所提出方法能够有效准确的进行道路场景语义分类,所构建的深度学习网络Road Net与其他网络相比,在道路场景分类上具有更高的正确率和鲁棒性。(4)提出了基于时空语义编码的路网交通状态辨识方法。以所构建时空位置语义、道路几何语义和道路场景语义为基础,对路网交通状态进行语义化标定。依据浮动车是否处于GPS盲区提出不同的辨识交通状态方法,GPS信号良好地段使用GPS数据,在GPS盲区地段使用图像数据。最后,以武汉市武昌区多条主干道路进行实例验证本文提出的交通辨识方法。本文研究结果可以扩展浮动车技术的应用,提高基于浮动车辨识交通状态的应用范围和效率,为缓解乃至改善道路交通拥堵的现状提供技术和数据基础。
董维[7](2019)在《基于GIS的交通状态判别与险态辨识研究》文中研究说明汽车保有量的增加导致交通事故频发,引起了人们的广泛关注。城市道路拥挤状态与事故率、事故严重度等多项指标密切相关,交通拥堵导致事故发生的同时,事故发生恶性循环又加剧了拥挤。随着智能交通系统的大力发展,实现事故位置、道路交通状态、车辆风险状态的实时可视化显示,对后续交通控制、交通诱导、风险控制以及规划层面的交通拥挤、风险防控治理方法的提出有理论和实践意义。因此本文从智能交通的角度出发,对交通状态判别、险态辨识分析相关理论进行深入研究,在提出基于模糊C均值(FCM)聚类与支持向量机(SVM)的交通状态判别方法和基于主成分分析(PCA)与等价关系模糊聚类(FCA)的险态辨识分析方法的基础上,开发了一套道路与车辆的监控系统,实现了交通状态判别与车辆险态辨识的可视化显示。主要工作包括以下内容:第一,对交通状态判别与险态辨识涉及到的聚类方法进行了分析,在深入研究了模糊聚类和支持向量机运行原理和优缺点的基础上,提出了基于FCM-SVM的交通状态判别方法,并通过真实数据验证了该算法在交通状态判别上的准确性。第二,提出了基于PCA-FCA的险态辨识分析方法,并通过实际交通事故统计数据验证了该算法对车辆险态识别的适用性。第三,在分析数据库数据结构的基础上,在遵从Geo Database数据组织基本思想的原则下,精简了数据视图建模的相关步骤,制定出数据库存储方案。对数据库数据模型进行了设计,构建了交通状态判别与车辆险态辨识数据库。第四,开发了交通状态判别与险态辨识系统。详细阐述了GPS数据、监测中心数据、智能车辆监控设备数据的获取与存储;并对各个功能模块的开发流程和界面设计进行了说明,包括事故位置的监控与显示、交通状态的判别与显示、险态车辆的判别与显示模块。
鲍彦莅[8](2019)在《基于交通环境的车辆风险分析及在途车速预警研究》文中研究说明随着信息及网络的发展,驾驶辅助已成为现代汽车智能化发展的重要方向。在推进汽车驾驶辅助系统发展的过程中,不仅需要应用人工智能、雷达、定位等技术来提高汽车的安全性能,路侧设备的信息化、智能化以及道路的适驾性能的提高也是汽车安全上路的前提条件。道路的适驾性一方面表现在道路线形设计的合理性,另一方面表现在全时空动态交通信息采集与融合的基础上的车路协同。因此,对车辆行驶中的交通环境风险进行深入的分析研究,并对环境风险信息进行实时采集与提取,用于对交通环境风险等级的评价,进而把环境风险信息传送给道路中行驶的车辆,通过对驾驶员的风险预警,提醒行驶车辆调节车速,由此达到降低车辆行驶风险及交通事故率的意义重大。环境风险是产生交通事故的重要因素,论文针对公路中交通环境风险,主要研究了以下三个方面的内容:首先,研究了交通环境中影响行车安全的环境风险,并综合风险暴露程度、事故产生风险、事故严重程度三个方面建立风险评估模型。将风险模型应用于交通事故率发生频率较高的昆明-石林高速(G78)(以下称为:昆石高速),计算昆石高速路段(昆明至石林路段)的交通环境风险等级。并将昆石高速的交通环境风险与昆石高速五年的交通事故数据进行对比分析。采用斯皮尔曼相关系数对风险数据和事故数据进行相关性分析,验证交通环境风险模型的合理性。其次,在交通环境风险模型的基础上加入与实时车速和运行车速相关的动态风险因子,建立交通环境风险指数评价模型。对交通环境风险指数进行阈值划分,考虑道路安全评价规范、道路设计规范等,将交通环境风险指数划分为高度风险、中度风险、轻度风险、低度风险四个风险阈。根据交通环境风险指数风险阈,计算每个风险阈对应的车速范围。对基于交通环境风险指数的风险车速进行研究分析。选用与交通事故率相关的速度梯度公式对风险车速进行分析,得到实时预警车速。采用与交通事故率相关的速度梯度模型,对实时预警车速的合理性及可行性进行验证。最后,研究道路风险信息的获取方法,对Open Drive高精度地图、CDD照相机图像识别技术、GPS导航地图、红外线传感器等信息获取方法进行研究。确定交通环境风险的信息获取方法,确定信息格式及转化模型,建立基于5G蜂窝网络数据车辆外网数据传输、CAN总线车辆内部信息传输的车载预警系统,实现在途车辆车速预警。本文通过研究分析交通环境中的风险信息,建立交通环境风险指数,用于评估在途车辆的风险等级。进而实现对道路中行驶车辆的车速预警。研究结果证明,运用本文交通环境风险模型所获取的实时预警车速,能够降低道路中行驶车辆的交通事故率,并为交通环境安全的改善与调整提供了理论依据。
解增[9](2018)在《基于OBD的隧道出入口驾驶安全研究》文中提出近些年,随着我国经济社会的不断发展,全国道路通车里程与机动车保有量均不断增加,与此同时,道路交通事故的数量也随之不断上涨。隧道作为一种特殊的交通路段,尤其在其出入口位置,交通事故的发生率与人员伤亡情况均十分严峻。在机动车安全设计和道路规划建设已经趋于成熟与完善的背景下,研究人员将隧道出入口交通安全的研究方向转向驾驶员的操作中来。目前驾驶操作数据在交通安全方面的运用非常普遍,可通过对交通事故道路环境、驾驶员行为、发生事故的车辆状况等数据进行统计分析,得到交通事故发生的原因等,从而对道路设计,机动车安全设计和驾驶员操作进行规范,以降低交通事故的发生,减少人员伤亡和财产损失。本文通过对参考文献进行查阅与总结,对隧道出入口路段的驾驶安全影响因素与安全现状进行了概述。在此基础上,利用机动车OBD(On-Board Diagnostics,车载诊断系统)系统,采集大样本、长时间的500名重庆市主城区的机动车驾驶员操作信息,利用数据处理算法与GIS(Geographic Information System,地理信息技术)技术筛选出这些驾驶员在隧道出入口路段的驾驶操作数据,并提取了与驾驶安全关联性比较大的几项数据,作为驾驶员操作数据的量化指标。从这些量化指标出发,运用聚类分析算法,主要是K均值聚类分析法与层次聚类分析法,对不同安全风险的机动车驾驶员的操作信息进行分类。最后通过各驾驶员的年平均违章次数对聚类分析的结果进行验证,结合真实交通事故中的驾驶员安全操作情况,获得了隧道出入口路段的驾驶员安全特征。分析结果显示:不同类型驾驶员在经过隧道出入口路段时,驾驶操作信息存在显着差异,可分为高风险型、低风险型、一般型三类。高风险型的机动车驾驶员的安全性最差,各项操作指标的数值波动明显;低风险型的机动车驾驶员的安全性较好,各项操作指标的数值波动稳定;一般型的机动车驾驶员的操作介于两者之间。通过OBD技术采集的驾驶员操作数据较传统实验传感器收集的数据更客观,更丰富,分析结果更具代表性。使用OBD技术采集驾驶操作数据的方法更加便捷与智能。通过对不同类型驾驶员隧道出入口路段的安全特征进行分析,也可为高风险型驾驶员的驾驶习惯改善提供一些帮助与建议。
郝雨时,徐爱功,章红平,隋心[10](2018)在《车载POS公路线形特征识别与参数计算》文中认为为了高效获取高质量公路线形参数信息,采用车载定姿定位系统(position orientation system,POS)获取的离散坐标、姿态等信息,通过后处理的方式反演公路线形参数及特征。包括利用均值加速中值滤波平滑的姿态信息分析曲率分布特征,并进行线形特征初步识别、直线和圆曲线线形窗口准确识别与参数计算,利用平差后的直线和圆曲线参数计算缓和曲线参数,最终获得全路段最优化轨迹及线形特征信息。利用该方法处理某公路路段(全程20km)的车载POS数据,处理结果证明该方法简单高效,具有可行性。
二、车载GPS道路数据采集与线形参数的计算(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、车载GPS道路数据采集与线形参数的计算(论文提纲范文)
(1)基于GPS数据的道路线形恢复实验教学实践(论文提纲范文)
0 引 言 |
1 实验理念与目标 |
2 实验教学设计 |
2.1 实验设备及原理 |
2.2 实验内容 |
(1) GPS设备使用方法及线形恢复方法培训。 |
(2) 基于GPS的道路信息采集实验。 |
①手持GPS采集数据方法: |
②车载GPS采集数据方法: |
(3) 基于GPS数据的道路线形恢复。 |
(4) 线形恢复结果分析。 |
3 实验案例 |
3.1 实验路段以及基站校准 |
3.2 结果分析 |
(1) 线形恢复结果分析。 |
(2) 线形恢复方法特点分析。 |
4 结 语 |
(2)基于移动激光雷达数据的路面状况检测方法研究(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 基于MLS点云的路面特征提取研究现状 |
1.2.2 基于MLS点云的路面几何状况检测研究现状 |
1.2.3 基于MLS数据的路面技术状况检测研究现状 |
1.3 研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.4 论文结构 |
第二章 MLS点云数据特征及索引方法 |
2.1 MLS系统构成 |
2.1.1 MLS系统工作原理 |
2.1.2 MLS系统主要构成 |
2.1.3 MLS系统关键性能指标 |
2.2 MLS点云数据特征 |
2.2.1 单点信息特征 |
2.2.2 邻域特征 |
2.3 点云组织与索引方法 |
2.3.1 Kd-Tree方法 |
2.3.2 Octree方法 |
2.3.3 点云栅格化方法 |
第三章 MLS顺序索引构建 |
3.1 Tgrid顺序索引构建 |
3.2 Tgrid改进的点云数据预处理 |
3.2.1 Tgrid改进的变邻域搜索 |
3.2.2 Tgrid改进的点云去噪 |
3.2.3 Tgrid改进的点云滤波 |
3.3 利用MLS点云重建扫描仪地面轨迹 |
3.4 实验与分析 |
3.4.1 利用MLS点云重建扫描仪地面轨迹 |
3.4.2 MLS点云顺序索引创建 |
3.4.3 Tgrid改进的路面点滤波 |
第四章 基于MLS点云的路面特征提取 |
4.1 路面与道路边界提取 |
4.1.1 路面点云提取 |
4.1.2 道路边界提取 |
4.2 车道线提取 |
4.2.1 提取候选标线 |
4.2.2 车道线滤波 |
4.3 车道分割 |
4.4 道路中线及轮迹线提取 |
4.4.1 道路中线提取 |
4.4.2 轮迹线提取 |
4.5 路面点云孔洞检测 |
4.6 实验与分析 |
4.6.1 路面与道路边界提取 |
4.6.2 车道线提取 |
4.6.3 车道分割 |
4.6.4 道路中线及轮迹线提取 |
第五章 基于MLS点云数据的路面几何状况检测 |
5.1 横断面提取 |
5.2 横坡、纵坡与曲率检测 |
5.2.1 横坡检测 |
5.2.2 纵坡检测 |
5.2.3 曲率检测 |
5.3 几何线形提取与安全性评价 |
5.3.1 平面线形提取 |
5.3.2 纵断面线形提取 |
5.3.3 几何线形安全性评价 |
5.4 实验与分析 |
5.4.1 横坡、纵断面高程检测 |
5.4.2 线形安全分析 |
第六章 基于MLS数据的路面技术状况检测 |
6.1 路面破损检测 |
6.1.1 数据要求 |
6.1.2 基于MLS点云检测路面裂缝与坑槽 |
6.1.3 融合MLS点云与路面影像的路面损坏检测策略 |
6.2 路面平整度检测 |
6.2.1 国际平整度指标 |
6.2.2 路面平整度标准差 |
6.3 路面车辙深度检测 |
6.4 实验与分析 |
6.4.1 路面裂缝与坑槽检测 |
6.4.2 路面平整度检测 |
6.4.3 路面车辙深度检测 |
第七章 结论与展望 |
7.1 结论 |
7.2 本文创新点 |
7.3 展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(3)车载式三维激光路面检测系统设计与实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究目的和意义 |
1.2 国内外研究现状 |
1.2.1 激光检测技术应用于公路路面状况现状 |
1.2.2 车载三维激光检测技术 |
1.2.3 现有车载三维激光检测系统存在的问题 |
1.3 主要研究内容及技术路线 |
1.3.1 主要研究内容 |
1.3.2 技术路线 |
第二章 三维激光设备检测原理与技术要求 |
2.1 三维激光检测技术原理 |
2.2 三维点云坐标构建原理 |
2.3 三维激光检测技术要求 |
2.4 三维激光设备甄选 |
2.5 本章小结 |
第三章 三维激光检测系统集成装配与关键参数校准 |
3.1 三维激光检测系统装配布局设计 |
3.2 三维激光检测设备单元装配布局设计 |
3.3 车载三维激光检测系统集成装配 |
3.3.1 系统硬件集成装配实现与关键参数测设 |
3.3.2 系统软件集成装配实现 |
3.4 三维激光检测系统布设关键参数校准 |
3.4.1 关键参数校准中的校准设备 |
3.4.2 静态关键参数校准实验 |
3.4.3 动态关键参数校准实验 |
3.5 三维激光检测系统输出点云精度验证 |
3.5.1 试验设计 |
3.5.2 试验数据处理与计算 |
3.5.3 三维激光测点影响面积对MTD检测值的影响 |
3.6 本章小结 |
第四章 车载式三维激光检测系统场地校准研究 |
4.1 车载三维激光检测系统的系统误差及影响因素分析 |
4.1.1 三维激光检测原理误差 |
4.1.2 检测条件误差干扰 |
4.1.3 三维激光检测组件传递误差 |
4.2 场地校准设备及流程设计 |
4.2.1 三维激光检测系统场地校准方案设计 |
4.2.2 DMI纵向精度校验实验 |
4.2.3 IMUZ方向位移变量校验实验 |
4.2.4 三维激光设备精度校验实验 |
4.2.5 校验结果评价分析 |
4.3 现场实例及精度结果计算 |
4.4 本章小结 |
第五章 车载式三维激光检测数据预处理与建模方法 |
5.1 由车载三维激光检测系统的激光点云获取 |
5.2 车载三维激光检测系统点云数据的预处理 |
5.2.1 异常点去除 |
5.2.2 缺失区域补偿 |
5.3 路面点云数据的平滑处理 |
5.3.1 常用的二维点云数据平滑方法 |
5.3.2 滤波平滑对比分析 |
5.4 点云数据三维重构模型建立 |
5.5 本章小结 |
结论与展望 |
参考文献 |
附录 |
附录1 :三维激光检测系统布设关键参数静态实验检测数据表 |
附录2 :三维激光检测系统布设关键参数动态实验检测数据表 |
附录3 :三维激光检测系统场地校准实验检测数据表 |
攻读学位期间取得的研究成果 |
致谢 |
(4)基于SPEEDBOX_INS的道路平纵线形参数重构研究(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 道路线形识别技术研究现状 |
1.2.2 线形参数重构技术研究现状 |
1.3 研究内容与技术路线 |
1.4 本章小结 |
第二章 SPEEDBOX_INS车辆行驶参数采集与预处理 |
2.1 SPEEDBOX_INS常用坐标系及其转换 |
2.1.1 坐标系定义 |
2.1.2 坐标系转换 |
2.2 SPEEDBOX_INS定位测姿原理 |
2.2.1 SPEEDBOX_INS简介 |
2.2.2 GPS_RTK双天线的定位与测姿 |
2.2.3 惯性导航系统测姿原理 |
2.3 基于SPEEDBOX_INS的数据采集和预处理 |
2.3.1 SPEEDBOX_INS设备数据采集 |
2.3.2 行车采集数据的中心化改正 |
2.3.3 坡度角特征参数可用性分析 |
2.4 本章小结 |
第三章 融合平差理论与稳健估计的道路线形参数重构研究 |
3.1 道路线形基本组成 |
3.2 基于搜索的道路线形粗分段 |
3.2.1 常见的线形分段方法 |
3.2.2 基于搜索法的直弯节点提取 |
3.2.3 基于搜索的变坡点识别 |
3.3 融合平差与稳健估计的线形参数重构 |
3.3.1 直线段的平差计算 |
3.3.2 圆曲线段的平差计算 |
3.3.3 基于稳健估计的迭代计算 |
3.4 平曲线重构结果校验 |
3.4.1 缓和曲线参数计算 |
3.4.2 平曲线参数校验 |
3.5 纵曲线重构结果校验 |
3.6 本章小结 |
第四章 道路线形参数重构系统开发 |
4.1 道路线形参数重构系统开发概述 |
4.1.1 SPEEDBOX数据读取模块设计 |
4.1.2 重构系统数据预处理模块设计 |
4.1.3 重构系统功能模块设计 |
4.2 道路线形参数重构实例 |
4.2.1 平曲线线形参数重构 |
4.2.2 纵曲线线形参数重构 |
4.3 本章小结 |
结论与展望 |
结论 |
展望 |
参考文献 |
攻读硕士学位期间取得的学术成果 |
致谢 |
(5)城市交叉口右转渠化区道路线形渠化模型研究与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究目的及意义 |
1.3 国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.4 论文研究内容及技术路线 |
1.4.1 研究内容 |
1.4.2 技术路线 |
第二章 右转渠化区道路线形数据采集与预处理 |
2.1 右转渠化区道路线形数据来源 |
2.2 基于车辆轨迹的右转渠化区线形数据采集方法 |
2.3 数据预处理 |
2.3.1 视频稳定性处理 |
2.3.2 噪声处理 |
2.3.3 轨迹点重构 |
2.4 本章总结 |
第三章 右转渠化区道路中线提取 |
3.1 Delaunay三角网模型 |
3.2 道路拓扑模型的建立 |
3.2.1 Delaunay三角网构建方法 |
3.2.2 道路拓扑模型的建立 |
3.3 道路边界识别 |
3.4 右转渠化区道路中线数据提取 |
3.4.1 剔除无效三角形 |
3.4.2 右转渠化区道路中线坐标提取 |
3.4.3 剔除干扰三角形 |
3.5 偏心改正 |
3.6 本章总结 |
第四章 右转渠化区道路中线识别 |
4.1 右转渠化区道路中线线形组合情况分析 |
4.2 道路中线分段 |
4.2.1 线形组合方式判别 |
4.2.2 基于斜率差的分段算法 |
4.3 右转道路中线各线形元素数学模型 |
4.3.1 直线正交最小二乘拟合数学模型 |
4.3.2 圆曲线正交最小二乘拟合数学模型 |
4.3.3 缓和曲线数学模型 |
4.4 交叉口右转渠化区可视化呈现 |
4.4.1 右转渠化区道路线形可视化方法 |
4.4.2 VTK数据结构和可视化流程 |
4.4.3 交叉口右转渠化区道路中线可视化 |
4.5 本章小结 |
第五章 模型的实现 |
5.1 系统设计与实现 |
5.1.1 轨迹数据导入 |
5.1.2 道路中心线提取 |
5.1.3 道路中线识别 |
5.1.4 可视化呈现 |
5.2 实例 |
5.3 本章总结 |
第六章 总结与展望 |
6.1 论文研究成果 |
6.2 论文中的不足 |
6.3 下一步研究方向 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(6)基于浮动车数据时空语义的交通状态辨识(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 浮动车技术研究现状分析 |
1.2.1 浮动车技术的应用 |
1.2.2 浮动车技术的方法论 |
1.2.3 基于浮动车数据的交通状态辨识 |
1.3 浮动车数据时空语义研究现状 |
1.3.1 浮动车数据的时空语义 |
1.3.2 时空位置语义 |
1.3.3 道路几何语义 |
1.3.4 道路场景语义 |
1.4 当前研究存在的问题 |
1.5 研究内容 |
第2章 基于单目视觉的时空位置语义编码 |
2.1 引言 |
2.2 改进的浮动车系统 |
2.2.1 改进的浮动车 |
2.2.2 改进型浮动车数据 |
2.3 图像特征的提取和匹配 |
2.3.1 图像特征提取算法 |
2.3.2 基于ORB算子的图像特征提取 |
2.3.3 基于RANSAC的图像特征匹配 |
2.3.4 图像特征提取与匹配的算法对比分析 |
2.4 基于单目视觉三维重建的空间位置语义编码 |
2.4.1 单目视觉内外参数标定 |
2.4.2 基于单目视觉的三维重建 |
2.4.3 基于三维重建的空间位置语义编码 |
2.5 实验结果与分析 |
2.5.1 实验设计 |
2.5.2 实验结果与定性定量分析 |
2.5.3 算法对比分析 |
2.6 本章小结 |
第3章 基于曲线局部匹配的道路几何语义编码 |
3.1 引言 |
3.2 基于FCD获取道路几何语义的算法 |
3.2.1 算法思想 |
3.2.2 基于FCD获取道路几何语义算法模型 |
3.2.3 基于Fréchet距离的曲线局部匹配 |
3.2.4 平滑道路Link的几何形状 |
3.2.5 调整路口Node的位置误差 |
3.3 实验结果与分析 |
3.3.1 实验数据集 |
3.3.2 算法性能指标 |
3.3.3 结果与分析 |
3.4 本章小结 |
第4章 基于深度学习的道路场景语义编码 |
4.1 引言 |
4.2 基于GPS的道路场景语义编码 |
4.2.1 基于GPS的道路场景语义表征模型 |
4.2.2 基于GPS的道路场景语义编码 |
4.3 基于图像的道路场景语义编码 |
4.3.1 面向道路场景语义的深度学习网络Road Net |
4.3.2 基于Road Net的道路场景语义表征模型 |
4.3.3 基于Road Net的道路场景语义编码 |
4.4 GPS良好的道路场景算例验证 |
4.4.1 GPS语义表征模型构建 |
4.4.2 基于GPS的道路场景算例验证 |
4.5 GPS盲区的道路场景算例验证 |
4.5.1 实验设计 |
4.5.2 实验环境与数据集 |
4.5.3 不同道路类型的实验结果与分析 |
4.5.4 不同时间段的实验结果与分析 |
4.5.5 不同天气的实验结果与分析 |
4.6 本章小结 |
第5章 基于时空语义编码的路网交通状态辨识 |
5.1 引言 |
5.2 基于FCD时空语义编码的路网交通状态辨识 |
5.2.1 基于FCD时空语义编码的路网交通状态标定 |
5.2.2 交通状态评价的时间粒度确定 |
5.2.3 基于改进FCD的路网交通状态辨识 |
5.3 交通状态辨识实验验证 |
5.3.1 主干道直行路交通状态辨识 |
5.3.2 交叉口交通状态辨识 |
5.3.3 高架桥交通状态辨识 |
5.3.4 隧道交通状态辨识 |
5.3.5 高架桥下方交通状态辨识 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 本文研究工作 |
6.2 创新点 |
6.3 研究展望 |
参考文献 |
致谢 |
攻读博士学位期间取得的研究成果 |
(7)基于GIS的交通状态判别与险态辨识研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 课题研究的目的和意义 |
1.3 国内外研究现状及分析 |
1.3.1 交通状态判别研究现状分析 |
1.3.2 事故成因分析研究现状分析 |
1.4 课题研究的主要内容及技术路线、框架和方法 |
1.4.1 主要内容及技术路线 |
1.4.2 论文框架 |
1.4.3 研究方法 |
第二章 状态判别与险态辨识涉及聚类方法介绍 |
2.1 支持向量机聚类 |
2.2 模糊聚类 |
2.2.1 基于等价关系的模糊聚类方法 |
2.2.2 基于目标函数的模糊聚类方法 |
第三章 交通状态判别方法的实现与险态辨识知识规则的获取 |
3.1 基于FCM-SVM方法的交通状态判别 |
3.1.1 交通状态划分 |
3.1.2 交通状态判别指标 |
3.1.3 交通状态判别模型 |
3.1.4 基于matlab的交通状态判别算法实现 |
3.2 基于PCA-FCA的险态辨识知识规则的获取 |
3.2.1 事故成因分析 |
3.2.2 事故成因分析指标 |
3.2.3 事故成因分析模型 |
3.2.4 基于PCA-FCA的险态辨识知识规则 |
第四章 交通状态判别与车辆险态辨识数据库的构建 |
4.1 交通状态判别与车辆险态辨识数据库设计的目标 |
4.2 交通状态判别与车辆险态辨识数据库结构 |
4.2.1 事故位置监控数据 |
4.2.2 交通状态判别数据 |
4.2.3 车辆险态辨识数据 |
4.2.4 空间数据的抽象与表达 |
4.3 交通状态判别与车辆险态辨识数据库的实现 |
第五章 基于GIS的交通状态判别与险态辨识系统的实现 |
5.1 系统体系结构图 |
5.2 数据来源、数据处理与存储 |
5.2.1 GPS数据的处理与存储 |
5.2.2 监测中心数据的处理与存储 |
5.2.3 智能车辆监测设备数据的处理与存储 |
5.2.4 国家气象局天气状况数据的获取、处理与存储 |
5.3 功能模块 |
5.3.1 功能概述 |
5.3.2 事故位置的监控与显示 |
5.3.3 交通状态的判别与显示 |
5.3.4 车辆险态的辨识与显示 |
结论与展望 |
致谢 |
参考文献 |
附录 攻读硕士学位期间发表的论文及科研成果 |
(8)基于交通环境的车辆风险分析及在途车速预警研究(论文提纲范文)
摘要 |
Abstract |
第一章 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 课题来源 |
1.3 国内外研究现状分析 |
1.3.1 国内外交通环境风险安全研究 |
1.3.2 国内外车载预警研究 |
1.4 研究内容 |
1.5 研究技术路线 |
第二章 研究基础理论与方法 |
2.1 交通环境风险评价基础理论 |
2.1.1 交通环境风险的定义 |
2.1.2 交通环境风险所涉及的影响因素 |
2.1.3 动态风险涉及的影响因素 |
2.2 风险定量评价方法 |
2.2.1 客观评价方法 |
2.2.2 主观评价方法 |
2.3 本章小结 |
第三章 交通环境风险指数评价模型建模 |
3.1 交通环境风险指数的定义 |
3.2 交通环境风险模型 |
3.2.1 事故产生风险 |
3.2.2 风险暴露程度 |
3.2.3 事故严重程度 |
3.2.4 交通环境综合风险 |
3.3 考虑车速后的环境风险模型 |
3.3.1 基于车速的风险模型 |
3.3.2 运行车速的影响 |
3.4 交通环境综合风险指数模型 |
3.5 模型验证 |
3.5.1 昆石高速事故数据分析 |
3.5.2 昆石高速风险信息采集处理 |
3.5.3 昆石高速交通环境风险等级计算 |
3.5.4 昆石高速风险等级与事故数对比分析 |
3.6 本章小结 |
第四章 基于风险指数模型的车速预警 |
4.1 车速预警系统 |
4.1.1 预警系统的信息采集 |
4.1.2 预警系统的信息传输 |
4.1.3 预警系统的工作流程 |
4.2 预警车速模型及等级划分 |
4.2.1 预警车速模型 |
4.2.2 车速预警等级及预警方法 |
4.2.3 预警车速合理性验证 |
4.3 本章小结 |
第五章 总结与展望 |
5.1 全文工作总结 |
5.2 后续研究展望 |
参考文献 |
致谢 |
附录 A 发表的论文及科研工作 |
(9)基于OBD的隧道出入口驾驶安全研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题缘由 |
1.2 研究背景与意义 |
1.3 国内外研究现状 |
1.3.1 国外研究现状 |
1.3.2 国内研究现状 |
1.4 研究内容 |
1.5 论文技术路线 |
1.6 本章小结 |
第2章 隧道出入口驾驶安全影响因素简析 |
2.1 隧道出入口道路、环境因素与驾驶安全关系简析 |
2.1.1 隧道出入口线型与驾驶安全关系 |
2.1.2 隧道出入口结构与驾驶安全关系 |
2.1.3 隧道出入口行车视距与驾驶安全关系 |
2.1.4 隧道出入口照明与驾驶安全关系 |
2.1.5 隧道出入口路面特征与驾驶安全关系 |
2.1.6 隧道出入口行车噪声与驾驶安全关系 |
2.1.7 隧道出入口天气与驾驶安全关系 |
2.2 隧道出入口驾驶员安全情况简析 |
2.2.1 驾驶员认知变化 |
2.2.2 驾驶员心理变化 |
2.2.3 驾驶员驾驶操作变化 |
2.2.4 驾驶员视觉特性 |
2.2.5 驾驶员驾驶状态 |
2.2.6 驾驶员性格 |
2.3 隧道出入口车辆安全情况简析 |
2.3.1 交通量及车速分布 |
2.3.2 车辆类型与组成 |
2.3.3 车辆操控稳定性 |
2.4 隧道出入口真实交通事故案例分析 |
2.4.1 交通事故统计年报分析结果 |
2.4.2 交通事故深度调查概述 |
2.4.3 事故深度调查步骤实例 |
2.4.4 事故深度调查数据样本 |
2.4.5 事故道路类型分析结果 |
2.4.6 事故人员损伤分析结果 |
2.4.7 事故发生时天气情况 |
2.4.8 事故路面情况分析结果 |
2.4.9 事故驾驶员年龄性别分析结果 |
2.5 本章小结 |
第3章 车辆OBD数据采集方法范例 |
3.1 OBD车载诊断系统概述 |
3.1.1 OBD车载诊断系统发展 |
3.1.2 OBDⅡ的统一标准与特点 |
3.2 OBD数据采集方法试验 |
3.2.1 试验目的及内容 |
3.2.2 试验车辆 |
3.2.3 试验设备 |
3.2.4 试验道路 |
3.2.5 试验驾驶员 |
3.2.6 试验环境 |
3.2.7 试验准备 |
3.2.8 试验方法 |
3.3 驾驶安全数据指标 |
3.3.1 OBD数据格式 |
3.3.2 OBD数据指标选择 |
3.3.3 OBD数据可视化 |
3.3.4 OBD数据特征 |
3.4 OBD数据处理工具 |
3.5 驾驶操作数据清洗 |
3.5.1 OBD设备数据缺失原因 |
3.5.2 OBD设备缺失数据处理方法 |
3.6 本章小结 |
第4章 OBD数据处理 |
4.1 隧道出入口范围确定 |
4.1.1 线型变化 |
4.1.2 车速变化 |
4.2 隧道路段驾驶操作数据筛选 |
4.2.1 地理信息系统概述 |
4.2.2 地理信息系统发展 |
4.2.3 BIGEMAP地图下载器概述 |
4.2.4 隧道出入口路段数据筛选 |
4.3 驾驶操作数据分类概述与预处理 |
4.4 k-means聚类方法 |
4.4.1 方法简述 |
4.4.2 确定聚类初始点 |
4.4.3 聚类的距离指标 |
4.4.4 代码运算过程 |
4.5 层次聚类算法 |
4.5.1 方法简述 |
4.5.2 算法介绍 |
4.5.3 代码运算过程 |
4.6 聚类分析结果 |
4.6.1 聚类结果评判标准 |
4.6.2 聚类分析结果简述 |
4.7 本章小结 |
第5章 不同类型驾驶员的安全特征 |
5.1 驾驶员最终分类结果 |
5.2 驾驶员违章信息验证驾驶员分类结果 |
5.3 不同类型驾驶员驾驶安全特征 |
5.3.1 速度特征及差异 |
5.3.2 加速度特征及差异 |
5.3.3 油门踏板深度特征及差异 |
5.3.4 转速特征及差异 |
5.3.5 异常操作分布及差异 |
5.4 各驾驶指标的安全影响权重 |
5.4.1 层次分析法 |
5.4.2 分级层次模型 |
5.4.3 判断矩阵的构建及权重的计算 |
5.4.4 判断矩阵一致性检验 |
5.4.5 各驾驶指标权重总结 |
5.5 各指标特征与差异总结 |
5.6 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 创新点 |
6.3 展望 |
参考文献 |
致谢 |
在学期间发表的论文和取得的学术成果 |
附录 |
附录一 |
附录二 |
附录三 |
附录四 |
附录五 |
(10)车载POS公路线形特征识别与参数计算(论文提纲范文)
1 航向角平滑与线形初步识别 |
1.1 采用MFM算法平滑航向角 |
1.2 公路线形特征 |
2 公路线形计算与线形窗口识别 |
2.1 直线线形参数计算 |
2.2 圆曲线线形参数计算 |
2.3 线形窗口自动识别 |
2.4 缓和曲线线形参数计算 |
3 实验分析 |
3.1 线形初步识别 |
3.2 线形窗口自动识别与计算 |
3.3 拟合精度分析 |
4 结语 |
四、车载GPS道路数据采集与线形参数的计算(论文参考文献)
- [1]基于GPS数据的道路线形恢复实验教学实践[J]. 刘硕,杨轸,许多,王俊骅. 实验室研究与探索, 2021(05)
- [2]基于移动激光雷达数据的路面状况检测方法研究[D]. 钟棉卿. 长安大学, 2020(06)
- [3]车载式三维激光路面检测系统设计与实现[D]. 郭牧. 长安大学, 2020(06)
- [4]基于SPEEDBOX_INS的道路平纵线形参数重构研究[D]. 赵媛劼. 长安大学, 2020(06)
- [5]城市交叉口右转渠化区道路线形渠化模型研究与实现[D]. 周丹. 长安大学, 2020(06)
- [6]基于浮动车数据时空语义的交通状态辨识[D]. 郑珂. 武汉理工大学, 2019(01)
- [7]基于GIS的交通状态判别与险态辨识研究[D]. 董维. 西南交通大学, 2019(03)
- [8]基于交通环境的车辆风险分析及在途车速预警研究[D]. 鲍彦莅. 昆明理工大学, 2019(04)
- [9]基于OBD的隧道出入口驾驶安全研究[D]. 解增. 重庆交通大学, 2018(06)
- [10]车载POS公路线形特征识别与参数计算[J]. 郝雨时,徐爱功,章红平,隋心. 武汉大学学报(信息科学版), 2018(08)