Tóm tắt Luận án Tiến sĩ Kỹ thuật: Dự đoán và định hướng luồng giao thông trong môi trường bất định

Dự Đoán Và Định Hướng Luồng Giao Thông Trong Môi Trường Bất Định

Tác giả: Đoàn Phước Miền

Lĩnh vực: Khoa học Máy tính

Nội dung tài liệu:

Luận án này tập trung vào việc dự đoán và định hướng luồng giao thông trong bối cảnh môi trường bất định, một vấn đề cấp thiết trong quản lý giao thông hiện đại. Nghiên cứu đề xuất các giải pháp nhằm nâng cao hiệu quả quản lý luồng giao thông bằng cách giải quyết những thách thức đặc trưng của việc điều hướng trong các tình huống không chắc chắn. Luận án đóng góp vào sự phát triển của hệ thống giao thông thông minh thông qua việc áp dụng các công nghệ tiên tiến để ước lượng, định tuyến và quản lý giao thông một cách chính xác và hiệu quả hơn.

Mục lục chi tiết:

• PHẦN MỞ ĐẦU
• 1. Tính cấp thiết của luận án
• 2. Mục tiêu, đối tượng và phạm vi nghiên cứu của luận án
• 2.1. Mục tiêu nghiên cứu
• 2.2. Đối tượng nghiên cứu
• 2.3. Phạm vi nghiên cứu
• 3. Các đóng góp của luận án
• 4. Phương pháp nghiên cứu
• 5. Bố cục của luận án
• CHƯƠNG 1- TỔNG QUAN VỀ DỰ ĐOÁN VÀ ĐỊNH HƯỚNG LUỒNG GIAO THÔNG TRONG MÔI TRƯỜNG BẤT ĐỊNH
• 1.1. Giao thông thông minh
• 1.2. Luồng giao thông
• 1.3. Định hướng luồng giao thông
• 1.4. Tính bất định trong giao thông
• 1.5. Bài toán về dự đoán luồng giao thông
• 1.5.1. Tham số về thời gian
• 1.5.2. Đặc trưng đầu vào
• 1.6. Nghiên cứu liên quan
• 1.6.1. Nghiên cứu liên quan về nền tảng tích hợp dữ liệu video
• 1.4.2. Nghiên cứu liên quan về môi trường bất định trong giao thông
• 1.6.3. Nghiên cứu liên quan về nhận dạng đối tượng
• 1.6.4. Nghiên cứu liên quan về ước lượng mật độ giao thông
• 1.6.5. Nghiên cứu liên quan về dự đoán luồng giao thông
• 1.7. Kết chương
• CHƯƠNG 2- CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH ĐỀ XUẤT
• 2.1. Mô hình đề xuất hệ thống HAIVAN-CVA
• 2.2. Kiến trúc tích hợp dữ liệu
• 2.2.1. Giới thiệu
• 2.2.2. Mô hình đề xuất kiến trúc tích hợp dữ liệu
• 2.2.3. Mô hình hệ thống tích hợp dữ liệu tổng quát
• 2.3. Nhận dạng đối tượng
• 2.3.1. Giới thiệu
• 2.3.2. Thách thức trong nhận dạng đối tượng
• 2.3.3. Mô hình toán học trong nhận dạng đối tượng
• 2.3.4. Nhận dạng đối tượng kết hợp phương pháp trừ nền và YOLO
• 2.3.5. Nhận dạng đối tượng bằng phương pháp trừ nền ngưỡng động
• 2.3.6. Nhận dạng đối tượng bằng phương pháp học sâu
• 2.3.7. Nhận dạng đối tượng nhỏ theo mô hình SSD
• 2.3.8. Nhận dạng đối tượng nhỏ dựa trên mô hình YOLO
• 2.3.9. Nhận dạng đối tượng nhỏ dựa vào kết hợp Transformer và YOLO
• 2.4. Ước lượng mật độ giao thông
• 2.4.1. Giới thiệu
• 2.4.2. Thách thức trong ước lượng mật độ
• 2.4.3. Mô hình toán học
• 2.4.4. Mô hình đề xuất
• 2.4.5. Xây dựng dữ liệu
• 2.4.6. Xác định làn đường