导读:本文包含了道路分类论文开题报告文献综述及选题提纲参考文献，主要关键词:时频分析,微多普勒效应,目标分类
道路分类论文文献综述
曹东,王文光,陈城[1]（2019）在《基于微动特征的道路场景运动目标分类》一文中研究指出在道路场景中,运动目标的状态影响着交通情况的走势。在雷达运动目标的特征中,微多普勒能够作为运动物体的独特特征,为我们提供更丰富的目标信息。本文对行人以及车辆的微多普勒效应进行了理论分析,对行人以及车辆的微多普勒效应进行了建模仿真,通过时频分析,在微多普勒的基础上提出综合利用时频熵、能量占比、目标速度的多特征分类准则。并结合实测数据验证了所提分类算法的有效性。(本文来源于《第十叁届全国信号和智能信息处理与应用学术会议论文集》期刊2019-10-25）
王志玮,芮建秋,樊钧,徐瑗瑗[2]（2019）在《新时期规划背景下城市道路分类体系及方法刍议》一文中研究指出道路等级、分类划分体系是当前城市、交通规划中的重要环节,是城市交通网络及空间形态骨架构建的基础。本文从当前主流道路分类思想起源出发,对国内外城市道路分类体系标准进行了比较及审视,并提出对道路分类体系(1)从人流、物流运输效能层面;(2)从细分专用化道路层面;(3)从城乡环境差异及地形影响层面;(4)从网络拓扑定量分析层面;(5)从速度差异化兼容性层面,进一步提出了道路分类的方法及建议,以在当前规划发展转型关键时期,促进理性规划,推动传统工程化道路规划设计进一步向街道空间以及精细化设计的演进,促进交通—用地建设发展的一体化融合。(本文来源于《品质交通与协同共治——2019年中国城市交通规划年会论文集》期刊2019-10-16）
苏鹤俊,邓瑞祥,韩东君,王选仓,于江浩[3]（2019）在《道路养护大数据收集、分类与存储研究》一文中研究指出随着道路交通行业和信息数据行业的不断发展,对道路交通数据进行收集、梳理和存储的研究已成为当下道路交通信息发展的主要趋势。为了能够在道路养护工程中更好地利用道路交通大数据,进一步提高科学的道路养护决策方法。因此,本文首先明确了道路大数据的含义、特征并分析了道路大数据的数据来源。其次,针对道路养护数据的采集、分类和处理,提出了适用于道路养护的数据采集方法。最后,从数据处理和存储的角度,建立了道路养护大数据收集、分类和存储的养护数据标准化体系。通过分析研究,得到了道路养护大数据体系框架设计,形成了一整套养护数据标准化核心体系框架。(本文来源于《公路交通科技(应用技术版)》期刊2019年08期）
娄新雨,王海,蔡英凤,郑正扬,陈龙[4]（2019）在《采用64线激光雷达的实时道路障碍物检测与分类算法的研究》一文中研究指出针对64线激光雷达数据量大,导致无人自主车的障碍物检测实时性差的问题,提出一种兼顾有效性和实时性的目标检测和分类算法。该算法首先通过多特征多层高度地图分离路面、障碍物和悬挂物;然后采用基于动态距离阈值的网格聚类算法对障碍物进行聚类,并结合相邻两个障碍物的运动状态信息对聚类结果进行修正,提高聚类的准确率;最后使用SVM对障碍物进行检测和分类。实验结果表明:该算法最优识别率达89.77%,耗时约为95 ms,在保证检测和分类准确率的基础上,满足无人自主车在道路行驶时检测障碍物的实时性要求,具有显着的工程实用价值。(本文来源于《汽车工程》期刊2019年07期）
汪欢欢[5]（2019）在《服务业视角下的内陆城市发展道路:影响及分类模式》一文中研究指出内陆城市以承接沿海城市制造业转移来实现经济追赶的道路是不可持续的。服务业可通过产业替代机制在内陆城市发挥作用,进而改变内陆城市工业化路径,呈现四种新的分类模式:少数具备条件的内陆城市会形成特殊的服务业主导的工业化模式,而大多数不具备条件的内陆城市则可能在服务业的影响下分化成服务业引致反梯度追赶的潜力模式、转型升级的新型工业化发展模式以及制造业主导的工业化进程加速模式。(本文来源于《中国西部》期刊2019年03期）
邢金金[6]（2019）在《结合面向对象深度学习分类与模板匹配的道路网提取研究》一文中研究指出道路作为重要的人工地物和基础的地理数据,一直是地图更新的重点目标,道路信息的提取既是重点也是难点。从遥感图像上提取道路网,比较有代表性的类型是基于分类和基于模板匹配的方法。在基于分类的方法中,面向对象分类,其准确性和形态精确性受限于图像分割等技术环节;而最新出现的深度学习技术则需要大样本训练,对样本量和质量均有较高的要求。另一方面,模板匹配技术利用用户设定的模板进行图像目标的相似性匹配和搜索实现目标的识别与提取,可以避免分割带来的误差;但模板匹配方法往往需要手工设定模板,操作繁琐,在大范围遥感图像匹配任务上难以保证模板的完备性和普适性。本文针对现有道路网提取技术存在的不足,结合面向对象、深度学习以及模板匹配技术,实现高空间分辨率遥感影像中道路网的自动提取。论文的主要工作如下:(1)基于面向对象的深度学习分类实现道路网粗提设计了适用于深度学习分类的样本库,并通过样本库训练得到深度学习分类模型。在道路网分类提取中,首先通过硬边界约束的图像分割,获取面状特征基元,而后设计面基元内图像块投票表决的方式实现基元深度分类。其次提取分类图层中的道路要素,进行骨架计算和规则筛选,得到初始骨架路网。(2)基于自动模板匹配的道路网精化针对初始骨架路网存在形态上不精确,位置上有偏移等缺陷,以初始骨架路网为基准,自动生成道路初始模板;引入刚性模板匹配与可变形模板匹配两种模板匹配技术,对道路骨架进行形态和位置上的修正,并形成双线道路作为最终提取结果。选择不同传感器、不同环境背景的多景高空间分辨率遥感影像为实验数据源进行了方法测试。实验结果表明,针对不同环境背景下的道路,其中刚性模板匹配对于乡村区域的道路定位精度较高,而可变形模板匹配技术则对背景复杂的城市区域定位精度较高。实际使用需综合考虑道路所处的背景环境,选择合适的模板匹配方式进行道路网精化。综合看来,通过结合面向对象、深度学习以及模板匹配技术,方法能够准确提取影像中的主干道路信息,具有较高的提取精度,且由于不需要手工选取道路模板,方法自动化程度较高。(本文来源于《南京师范大学》期刊2019-05-16）
黄刚,刘先林[7]（2019）在《基于深度学习的道路标线自动提取与分类方法》一文中研究指出道路标线提取与分类是智慧城市建设中需要解决的关键技术之一,也是智能驾驶亟待解决的技术难题。提出了一种基于深度学习的道路标线自动提取与分类方法,通过移动窗口法结合相邻扫描线拓扑关系进行地面点云的提取,并生成强度图像,基于深度学习方法实现道路标线的自动提取与分类,并利用KD树聚类分割算法结合矢量化方案实现道路标线的矢量化。基于实验数据对该方法进行验证分析,结果表明,使用该方法进行自动提取与分类的精度和F_(score)分别为92.59%和90.15%,证明了该方法的可行性和准确性。该方法为道路标线的自动提取提供了新思路,使道路标线提取工作变得更准确、高效,提升了道路标线获取与分类的智能化程度。(本文来源于《中国激光》期刊2019年08期）
何江[8]（2019）在《超高分辨率遥感影像城市建筑物和道路分类研究》一文中研究指出最近20年来,遥感技术发展迅速,高分辨率遥感影像产品进步明显,遥感影像数据产品加速累积并呈现出海量化的特点。建筑物和道路是与人们生活联系最为紧密的人工地物,占据城市的大部分面积。民用方面,导航定位、自动驾驶、城市规划、防灾减灾、数字城市建模都对建筑物和道路的识别有较大需求;军事方面,目标识别与判读、战争推演与模拟、战场环境保障都需要对建筑物和道路进行识别。如何高效利用高分辨率和超高分辨率遥感数据,快速提取建筑物和道路信息,已成为遥感领域普遍关注的热点问题。目前,基于对象的建筑物、道路识别方法主要利用了目标对象的光谱信息、几何信息、纹理信息和语义信息,与基于像素的目标识别方法相比,鲁棒性更强,精确度也更高。基于对象方法使用的特征集主要是从影像对象中提取的二维特征信息,对于一些材质相似或相同的不同类别地物目标,进行有效区分的难度很大。特别是在人工地物的识别中,“异物同谱”和“同物异谱”的现象十分严重,经常出现误检测。同时,随着影像空间分辨率的日益提高,特别是亚米级、厘米级的超高分辨率遥感影像数据产品涌现,影像场景里的地物景观愈加复杂,尤其表现在光谱特征和纹理特征的变化更加丰富,“同物异谱”和“异物同谱”的现象更加突出。针对这一问题,需要考虑把传统的二维信息提取技术向叁维信息提取技术过渡。近年来,航天卫星技术日渐成熟,航空机载平台也日益丰富,获取卫星立体像对或是机载激光雷达数据(LiDAR)数据都更加容易。尤其是机载激光雷达测量技术(LiDAR)融合了GPS、激光测距、数据挖掘、无人机等多种新型技术后,呈现出全天候、全天时、快速高效的特点,使得获取地面空间叁维信息更加容易。在传统的影像分割分类中,一些在二维空间中难以解决的问题,叁维数据提供了更多的解决方案。但是,如何高效且具有针对性的在基于对象的影像分割分类中使用叁维数据,是亟待研究的问题。本文使用德国恩兹河畔法伊欣根某城镇的超高分辨率(空间分辨率0.09米)航摄影像数据和与之匹配的DSM(Digital Surface Model)数据,针对基于对象影像分析中“建筑物”、“道路”经常出现的误分类的问题,在基于多层次分割分类方法的基础上,提出加入“叁维”分类特征,以提高遥感影像中“建筑物”和“道路”分类精度。在本文中,首先结合多层次分割分类思想,对研究区各类典型地物的光谱特征、纹理特征、几何特征进行了分析,通过计算各类地物的光谱反射率,主要利用光谱特征提取到不包含“植被”、“阴影”等背景信息的“不透水表面”。但由于城市“不透水表面”一般都是人工建造,且“二维”空间尺度通常十分相似,导致在“不透水表面”再进行类别区分的难度很大。然后,为了降低以“不透水表面”为基础进行建筑物与道路的分类难度,提高两者的分类精度,考虑融入立体特征——“DSM”数据。DSM数据是由LiDAR点云原始数据简单组织而来,所以是含有“地表”叁维信息的数据,对于重点关注“地物”提取的遥感影像分析来说是不利的。为了突出基于对象遥感影像分析中“地物”的立体特征,采用“减弱”或“去除”地表起伏影响的策略,提出了基于对象的立体分层的方法“减弱”地表起伏影响和基于对象构建nDSM(normallized Digital Surface Model)的方法“去除”地表起伏影响。这两种方法均从面向对象的角度和遥感影像分析中地物分类的实际需求出发,避免了繁琐的LiDAR数据处理过程。同时,本文为了研究使用的“立体特征”在建筑物和道路分类过程中的重要性程度,结合目前比较流行的数据挖掘技术,对建筑物和道路分类的“最优特征子集”进行了探索研究。通过对多种搜索算法、基学习器、评估器的不同组合,得到的最优子集中特征和特征数量不尽相同,但都含有“立体特征”,这也充分证明在建筑物和道路分类中“立体特征”是至关重要的。最后,为了证明多尺度分割分类体系和建筑物、道路分类中融入“立体特征”的合理性,以及进行特征空间优化的必要性,分别进行了对比实验。本文探索在“二维”的多层次分割分类体系基础上,针对“二维”空间容易混淆的两类人工地物目标具有明显“叁维”特征区别的特点,并充分考虑“地势起伏”的影响,提出了两种DSM数据在建筑物、道路提取中的使用方法。通过实验,本文方法在融入“立体特征”后,建筑物、道路分类模型精度达到97.95%,96.20%,不融入立体特征的分类模型精度为86.08%;融入立体特征后建筑物和道路的分类精度最高为86%,不融入立体特征的分类精度最高只有73%,分类精度提高了13%。实验表明,本文方法很好的抑制了重要人工目标地物分析中的“异物同谱”和“同物异谱”现象;同时,可以有效降低传统“二维”信息提取中对地物光谱特征和纹理特征的依赖,提高分类精度,满足自动制图要求。此外,为二维信息提取技术向叁维信息提取技术过渡提供了新思路。(本文来源于《兰州大学》期刊2019-04-01）
殷诚[9]（2019）在《区域一体化背景下的道路规划分类体系研究》一文中研究指出我国的道路可以分为公路和城市道路,分级上主要包括了规划、技术和行政这叁种。对于道路所进行的行政分类主要以国、省、县、乡、村等为主,这种分类方式在一定程度上符合了运输管理的需求。从目前的情况来看,对于道路进行技术分类施行的是等级制度,按照车辆的标准来将道路分为一级、二级、叁级、四级和高速路,并制定了不同等级道路出现交叉时的接入关系,对于大小不同城市之间的技术标准进行了规定。虽然也对道路的主次干线支线进行了分级,但是不同于技术标准,其主要针对的是道路在城市中的作用。另外,针对一些大型的企业也会设置相应的厂矿道路分类。(本文来源于《住宅与房地产》期刊2019年09期）
魏永幸,邱燕玲[10]（2019）在《基于破坏机理与破坏模式的道路边坡分类浅析》一文中研究指出边坡在道路(铁路公路)带状工程中占比较高,边坡工程可靠性对道路工程建设投资以及后期运营安全影响较大。影响边坡可靠性的因素很多,其中边坡破坏机理、边坡破坏模式直接影响边坡工程设计的有效性和针对性。本文在总结经验的基础上,提出基于边坡破坏机理与破坏模式的道路边坡分类,并对各类边坡的基本特征、边坡破坏机理与破坏模式等进行了探讨,以期为我国道路边坡工程的勘察设计提供借鉴。(本文来源于《中国勘察设计》期刊2019年02期）
道路分类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
道路等级、分类划分体系是当前城市、交通规划中的重要环节,是城市交通网络及空间形态骨架构建的基础。本文从当前主流道路分类思想起源出发,对国内外城市道路分类体系标准进行了比较及审视,并提出对道路分类体系(1)从人流、物流运输效能层面;(2)从细分专用化道路层面;(3)从城乡环境差异及地形影响层面;(4)从网络拓扑定量分析层面;(5)从速度差异化兼容性层面,进一步提出了道路分类的方法及建议,以在当前规划发展转型关键时期,促进理性规划,推动传统工程化道路规划设计进一步向街道空间以及精细化设计的演进,促进交通—用地建设发展的一体化融合。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
道路分类论文参考文献
[1].曹东,王文光,陈城.基于微动特征的道路场景运动目标分类[C].第十叁届全国信号和智能信息处理与应用学术会议论文集.2019
[2].王志玮,芮建秋,樊钧,徐瑗瑗.新时期规划背景下城市道路分类体系及方法刍议[C].品质交通与协同共治——2019年中国城市交通规划年会论文集.2019
[3].苏鹤俊,邓瑞祥,韩东君,王选仓,于江浩.道路养护大数据收集、分类与存储研究[J].公路交通科技(应用技术版).2019
[4].娄新雨,王海,蔡英凤,郑正扬,陈龙.采用64线激光雷达的实时道路障碍物检测与分类算法的研究[J].汽车工程.2019
[5].汪欢欢.服务业视角下的内陆城市发展道路:影响及分类模式[J].中国西部.2019
[6].邢金金.结合面向对象深度学习分类与模板匹配的道路网提取研究[D].南京师范大学.2019
[7].黄刚,刘先林.基于深度学习的道路标线自动提取与分类方法[J].中国激光.2019
[8].何江.超高分辨率遥感影像城市建筑物和道路分类研究[D].兰州大学.2019
[9].殷诚.区域一体化背景下的道路规划分类体系研究[J].住宅与房地产.2019
[10].魏永幸,邱燕玲.基于破坏机理与破坏模式的道路边坡分类浅析[J].中国勘察设计.2019