车载GPS技术研究论文提纲

2022-11-15

论文题目：基于车载3D加速传感器的路况监测研究

摘要：近年来我国城市的发展速度越来越快,随之而来的就是人口和车辆的不断增加,这在交通管理、道路养护、市民出行和节能减排等各个方面都给城市的发展带来了巨大的压力。为了减轻这种压力人们开始研究智能交通系统。虽然我国目前在基于（出租）车载GPS技术的交通路况显示系统方面取得了良好的进展,但是隐含在海量GPS数据里的深层信息并没有被挖掘出来,现代传感技术和3G通讯技术也没有被充分利用,这使政府在交通政策的制定和对出租车运营的管理缺乏先进的技术手段。所以,对结合车载传感技术、无线通讯技术和海量数据挖掘技术的出租车智能监管的研究以及对已有的GPS数据的分析和应用具有重大的理论意义和应用价值。本文系统地研究了车载传感器技术在公共交通中的一个具体应用,即基于车载式3D加速度传感器的路面状况检测,并对从3D加速度传感器采集的关于路面状况的数据做了深入的分析和研究,给出了当前路面状况的检测结果。本文主要做了以下几项工作：首先,概述了车载传感器网络在智能交通系统中的研究背景和研究意义,以及国内外的研究现状和进展。并简单介绍了车载传感器网络的系统结构和系统功能。其次,对通信系统中常见的噪声以及去噪算法做了理论分析,并给出了各种算法的实验结果。分别为奇异值分解（SVD）法、经验模式分解（EMD）法及自适应滤波器法。同时,还分析了信号性能给出了传统滤波器的缺点。最后对这几种算法从理论和结果上做了分析,从中找到了一种适合于车载式的3D加速度传感器信号的算法,即经验模式分解法。第三,研究了一种基于车载式3D加速度传感器的路面异常事件提取方法,即混合高斯背景模型法。弥补了中值滤波法建立背景模型时需要较大的存储空间,卡尔曼滤波法建立背景模型时计算时间长以及单高斯背景模型法无法成功的应用到现实中的缺点。并且该方法针对不同的事件表现出了很好的性能。第四,在己提取异常事件的基础上,给出了一种基于车载式3D加速度传感器的路面异常事件分类的方法,即基于EMD提取特征的支持向量机分类法。并与k近邻分类法做了对比,发现支持向量机作为分类器从效果和性能上要优于k近邻分类器,并弥补了k近邻分类法中k值选取难度的缺点。最后,本文对基于车载式3D加速度传感器的路面状况检测的研究工作进行了总结,给出了从路面异常事件的提取到路面异常事件分类的两个新算法,并对下一步的工作做出了展望。

关键词：智能交通系统;3D加速度传感器;混合高斯背景模型;支持向量机

学科专业：电子与通信工程

摘要

Abstract

1 绪论

1.1 智能交通系统的基本概念及发展历程

1.2 车载传感器网络的概念与应用

1.3 车载传感器网络在公共交通中应用的研究背景、研究意义

1.4 车载传感器网络的国内外进展与现状

1.5 本文的主要工作

2 车载传感器网络的系统及应用

2.1 系统基本结构