1 导论 1
1.1 研究背景与意义 1
1.2 国内外研究现状 2
1.3 研究框架与内容 3
2 公路智能配货系统关键信息技术 5
2.1 车辆检测技术 5
2.1.1 交通信息采集技术 5
2.1.2 条码技术 16
2.1.3 射频识别技术 18
2.1.4 地秤 19
2.2 地理信息系统 20
2.2.1 地理信息系统概述 20
2.2.2 行车路线信息显示技术 26
2.3 无线通信技术 27
2.3.1 无线数据通信技术简介 29
2.3.2 公路货运综合管理信息平台 30
2.3.3 无线通信协议 32
3 实时动态公路交通流量预测技术与方法研究 34
3.1 有检测器交叉口车道交通流量预测方法 34
3.1.1 回归分析法 34
3.1.2 趋势外推法 35
3.1.3 神经网络和遗传算法 36
3.2 无检测器交叉口车道交通流量预测方法 37
3.2.1 聚类分析预测法 38
3.2.2 主成分分析预测法 43
3.2.3 逐步回归分析法 46
3.2.4 预测方法的综合应用 50
3.3 数据融合技术 58
3.3.1 数据融合技术 59
3.3.2 数据融合的基本原理和目的 60
3.3.3 数据融合技术的特征及应用 60
3.4 数据融合方法 61
3.4.1 卡尔曼滤波 62
3.4.2 不确定性推理 62
3.4.3 未来重点和发展方向 65
3.5 数据融合技术与方法的应用 66
3.5.1 交通融合的方法 66
3.5.2 基于人工神经网络的基础交通信息融合方法 66
4 车辆行程时间预测方法研究 71
4.1 公路货运车辆行程时间预测方法简介 71
4.1.1 车辆行程时间预测方法简介 71
4.1.2 常用行程时间估计模型概述 72
4.1.3 基于知识的综合行程时间预测模型简介 73
4.2 车辆行程时间预测模型选择及具体应用 75
4.2.1 增量加载行程时间预测法基本思想 75
4.2.2 增量加载预测法的具体步骤及流程图 75
5 中心式动态路径诱导技术研究 82
5.1 中心式动态路径诱导系统概述 82
5.1.1 中心式动态路径诱导系统结构框架 82
5.1.2 中心式动态路径诱导系统的构成 83
5.2 定位技术在路径诱导系统中的应用 91
5.2.1 定位技术概述 91
5.2.2 GPS定位原理及误差分析 97
5.2.3 差分GPS定位原理及方法 100
5.3 中心式动态路径诱导系统行车路线优化算法研究 109
5.3.1 路径诱导系统中常用最短路计算方法简介 109
5.3.2 适用于车辆导航的一些算法 112
5.4 行车路线优化技术——增量加载最短路优化方法研究 116
5.4.1 路网划分 117
5.4.2 路网的组织和调用形式 118
5.4.3 路网节点的确定 119
5.4.4 增量加载最短路优化方法的基本思想 119
5.4.5 增量加载最短路优化方法的步骤与流程 120
5.4.6 选定计算备选路径的通用算法 122
5.5 中心式动态路径诱导系统的硬件与软件系统 122
5.5.1 中心式动态路径诱导系统中的硬件系统 123
5.5.2 中心式动态路径诱导系统中的软件系统 124
5.6 诱导信息服务中心软件 125
5.6.1 移动用户软件 125
5.6.2 中心式动态路径诱导系统的软件系统的模块开发 126
5.6.3 中心式动态路径诱导系统的主要技术指标 128
5.6.4 中心式动态路径诱导系统的软件系统的界面 128
5.7 车载信息装置的研发 130
5.7.1 车载信息装置的主体功能设计 130
5.7.2 车载信息装置的研究开发技术路线 132
6 公路配货优化方法研究 135
6.1 公路配货优化概述 135
6.1.1 公路配货优化含义 135
6.1.2 公路配货优化的原则 135
6.1.3 公路配货优化的作用 138
6.2 公路配货优化算法 139
6.2.1 公路配货优化算法基本思想 139
6.2.2 公路配货优化算法基本步骤 139
7 公路智能配货系统开发研究 142
7.1 公路智能配货系统功能模块 142
7.2 公路智能配货系统开发的软件和硬件 143
7.3 公路智能配货系统应用界面 145
8 公路智能配货系统评价研究 147
8.1 公路智能配货系统评价概述 147
8.1.1 公路智能配货系统评价的必要性 147
8.1.2 公路智能配货系统评价的原则 148
8.1.3 公路智能配货系统评价决策的程序 149
8.2 公路智能配货系统评价指标体系的建立 156
8.3 公路智能配货系统评价方法及其应用 158
8.3.1 公路智能配货系统评价方法 158
8.3.2 公路智能配货系统评价方法的应用 175
附录 180
参考文献 189