基于视频数据的交通拥堵判别.docVIP

附件B： 毕业设计（论文）开题报告 课题的目的及意义 随着人民生活水平的日益提高汽车开始走进千家万户VC/C完成演示系统的设计并验证拥堵判别算法的有效性。 (2) 重点研究内容 1)、掌握现有的交通拥堵判别算法，分析优缺点，选取合适的交通参数进行拥堵判别。 2)、选取合适的交通拥堵判别算法。 (3) 实现途径 1)、拟采用视频流数据中的速度、道路占有率来进行拥堵状态的判别。 2)、拟采用模糊C均值作为判别算法。 主要参考文献 [1] 孙莉芬.城市交通拥挤疏导决策支持系统的研究[D].武汉：华中科技大学硕士学位论文， 2006：1-3. [2] 邵祖峰.城市道路交通堵塞治理研究[J].城市交通，2005，3(1)：71-72. [3] T.Sugimoto. Current Status of ITS and its International Cooperation[J]. Vehicle Electronecs Conference Soc, 2002: 462-467. [4] 王东.城市交通拥堵状态自动判别方法研究[D].贵阳：贵州大学硕士学位论文，2008： 2-4. [5] 白竹.城市主干路交通异常状态自动判别方法研究[D].长春：吉林大学硕士学位论文， 2006：1-4. [6] 姜桂艳，冮龙辉，王汪锋.城市快速路交通拥挤识别方法43(33)：82-84. [13] 宋清昆，郝敏.一种改进的模糊C均值聚类算法[J].哈尔滨理工大学学报，2007，12(4)： 8-10. [14] Christiane Stutz, Thomas A.Runkler. Classification and Prediction of Road Traffic Using Application-Specific Fuzzy Clustering[J]. Fuzzy System, IEEE Transactions, 2002, 297-300. [15] Qingle Pang, Liu Xinyun, Zhang Min. Traffic flow forecasting based on rough set and neural network[C]. Natural Computation (ICNC), 2010 Sixth International Conference, 2010, 1920-1924. [16] 朱中，杨兆升.实时交通流量人工神经网络预测模型[J].中国公路学报，1998，11(4)：88-89. [17] 吴浩勇，丛玉良，王宏志.基于神经网络的交通参数预测方法[J].吉林大学学报， 2005，23(6)：569-570. [18] 张磊.三种神经网络识别P2P流量的方法比较[D].重庆：重庆大学硕士学位论文， 2010：1-3. [19] 王东，陈笑蓉.增量式贝叶斯分类器在交通拥堵判别中的应用[J].计算机辅助工程， 2008，16(4)：56-57. [20] Dominigos P, Pazzani M. On the optimality of the simple Bayesian classifier under zero-one loss[J]. Machine Learning, 1997, 29 (2-3):103-130. [21] 李晓毅，徐兆棣.增量式贝叶斯分类的原理和算法[J].沈阳工业大学学报，2006，28(4)： 422-423. 3、 重庆大学本科学生毕业设计（论文）附件 附件B：开题报告 B3