当前位置:首页 > 交通运输
车载通信与动态导航系统
车载通信与动态导航系统

车载通信与动态导航系统PDF电子书下载

交通运输

  • 电子书积分:8 积分如何计算积分?
  • 作 者:祁晖,底晓强,杨华民,蒋振刚,王佳著
  • 出 版 社:北京:国防工业出版社
  • 出版年份:2017
  • ISBN:9787118115383
  • 页数:139 页
图书介绍:移动互联网的发展使得车载导航系统从静态自主式转向动态协作式。原有封闭独立的体系结构被打破,取而代之的将是一种更加开放的体系结构。同时,大量便携式智能终端设备的涌现使得导航系统不仅能运行在车载终端上,也能运行在智能手机、平板电脑等支持互联网接入的智能终端上。导航系统正逐渐演变成一种用户可以随时随地使用的服务。这些变化将给导航系统研发带来更多的技术挑战,从系统架构设计到一些关键技术实现以及应用模式,都将做出适当调整以解决新的问题。本书围绕动态车载导航系统的一个架构和三个核心关键技术展开论述。架构总领整个导航系统的设计与开发,三个核心关键技术是架构中的重要组成部分。本书向读者展示了这些关键技术是如何解决系统研发过程中遇到的难题,为从事或希望从事相关领域研发的科研人员或开发者提供有益参考。
《车载通信与动态导航系统》目录

第1章 绪论 1

1.1研究背景 1

1.2国内外研究现状与趋势 2

1.2.1智能交通系统研究现状与趋势 2

1.2.2车载导航系统研究现状与趋势 4

1.3本书内容 8

1.4章节安排 9

1.4.1研究路线 9

1.4.2章节安排 10

1.5本章小结 11

第2章 动态车载导航系统架构 12

2.1动态车载导航系统基本功能 12

2.2动态车载导航系统基本架构 14

2.3动态车载导航系统建模 16

2.3.1精化策略 16

2.4初始模型 16

2.4.1上下文(Context) 16

2.4.2客户端事件 18

2.4.3服务端事件 19

2.4.4验证 20

2.5第1次精化 21

2.5.1Context 21

2.5.2Events 22

2.5.3流程改进 23

2.5.4验证 24

2.6第2次精化 24

2.6.1路网数据传输模型 24

2.6.2地图匹配模型 25

2.6.3验证 26

2.7第3次精化 26

2.7.1事件 27

2.7.2验证 28

2.8第4次精化 28

2.8.1上下文 28

2.8.2客户端事件 29

2.8.3服务端事件 30

2.8.4验证 30

2.9基于模型的架构设计 31

2.9.1逻辑视图 31

2.9.2过程视图 33

2.10本章小结 34

第3章 访问控制 36

3.1访问控制模型 37

3.1.1相关研究 38

3.1.2模型框架 39

3.1.3形式化定义 42

3.1.4模型验证 45

3.2访问控制系统 48

3.2.1数据结构 49

3.2.2关键算法 49

3.2.3系统实现 51

3.3分布式访问控制缓存策略 52

3.3.1相关研究 53

3.3.2系统方案 54

3.3.3实验与分析 57

3.4本章小节 60

第4章 地图缓存 61

4.1引言 61

4.2缓存系统总体结构 62

4.3地图分块 63

4.3.1地图分块设计 63

4.3.2服务器端地图数据的存储策略 64

4.3.3二级地图分块设计 64

4.4客户端缓存 65

4.4.1缓存数据结构 65

4.4.2稀疏矩阵的高速缓存策略 67

4.4.3缓存淘汰策略 68

4.4.4实验结果分析 69

4.5缓存预取策略 71

4.5.1相关研究 73

4.5.2启发式预取策略 74

4.5.3基于路网分析的启发式预取策略 75

4.5.4实验结果分析 78

4.6本章小结 82

第5章 地图匹配 83

5.1引言 83

5.2相关研究 83

5.3基于HMM的匹配算法 85

5.3.1相关定义 85

5.3.2算法简述 87

5.4基于路口决策域模型的匹配算法 89

5.4.1路口问题 89

5.4.2路口决策域模型 91

5.4.3基于路口决策域模型的匹配算法 93

5.5实验结果分析 96

5.5.1实验方法 96

5.5.2实验数据 96

5.5.3参数确定 97

5.5.4结果分析 97

5.6算法改进 99

5.7本章小结 102

第6章 车辆转向识别 103

6.1引言 103

6.2特征提取 104

6.2.1转向特征分析 104

6.2.2特征提取与降维 105

6.3基于改进的K-means聚类算法的转向识别模型 107

6.3.1K-means聚类 107

6.3.2模型建立 110

6.3.3模型评价及选择 110

6.3.4改进的K-means聚类算法 112

6.3.5学习系统 118

6.4基于异常检测的转向识别模型 121

6.4.1数据分析 121

6.4.2模型建立 122

6.4.3模型评价及选择 124

6.4.4学习系统 126

6.5本章小结 127

第7章 总结与展望 128

7.1总结 128

7.2研究展望 129

参考文献 130

返回顶部