共查询到10条相似文献,搜索用时 46 毫秒
1.
2.
3.
在非线性降维算法Isomap的基础上进行了改进,提出了一种基于度量多维标定法的空间变换方法。将原始网络空间中的路网距离转换为新欧氏空间中的近似路网距离,并在此距离度量基础上实现Kriging方法。通过对南昌市真实数据进行交通状态估计的实验发现,该方法比现有的基于欧氏距离度量的Kriging方法具有更高的估计精度,能够有效地解决交通领域中大规模路网交通运行状态监控的问题。 相似文献
4.
道路网络背景下的距离度量(如道路网络距离、旅行时间)是在空间分析或空间统计过程中常用的距离度量,但在科研过程中由于道路数据的可获得性和精度等方面的限制,该类距离的计算可能较为困难。Minkowski距离函数是欧氏空间中的广义距离函数,其参数p值的不同代表着对空间不同的度量。利用Minkowski的通用性和灵活性(参数p不同的取值),研究如何更好地逼近道路网络距离。同时,探索不同道路网络的部分计量特征(如密度、弯曲度等)与最优p值之间的关系。实验证明,相对于最常用的欧氏距离度量,优选p值后的Minkowski距离函数能够更大程度上逼近道路距离。而通过对道路网络计量特征与最优p值之间的关系的分析,指出了弯曲度与最优p值之间的对应关系,它对于p值的选择具有重要的指导意义。此外,为了验证Minkowski距离逼近算法的可行性,以地理加权回归分析为例,通过对比传统的欧氏距离度量、最优Minkowski距离度量和道路网络距离(旅行时间)对模型解算结果的影响,指出优选后Minkowski距离一定程度上更接近于采用旅行时间对模型解算的结果。 相似文献
5.
6.
刻画城市道路之间的交通相关性是提高交通插值及预测水平的基础。现有研究及应用通常假设一定空间或拓扑距离内的道路相互之间具有相关性,这种方式忽视了道路之间交通影响的时空异质性。例如,上游道路交通流通常不会均匀扩散到所有下游道路,而是集中在特定方向上。道路之间产生交通影响和交互作用的根本原因是大量机动车辆穿梭其中。为从数据驱动的角度度量道路之间的交通相关性,从而顾及其时空异质性,本文利用词向量模型Word2Vec从大量机动车出行路径中挖掘道路之间的交通交互影响关系。首先把"路段-路径"类比为"词-文档";其次利用Word2Vec模型从大量路径(文档)中为每条路段(词)训练出一个实数向量(词向量);然后以向量之间的余弦相似度度量对应路段之间的交通相关性;最后利用交通状态数据对结果进行验证。以北京市200万条出租车出行路径为数据进行试验,结果表明:(1)平均水平上,向量相似度越高的邻近路段,其交通状态变化趋势也越相似,证明了本文方法可以正确度量道路之间的交通相关性,并刻画出其空间异质性;(2)工作日早、晚高峰及节假日路段之间的交通相关性大于工作日平峰和周六日,其合理性体现了本文方法可以正确捕捉道路交通相关性的时间异质性。本文方法及分析可为交通规划、诱导等提供方法论和理论基础。 相似文献
7.
8.
9.
针对当前在精细识别道路拥堵时空范围方面研究的不足,提出一种利用GPS轨迹的二次聚类方法,通过快速识别大批量在时间、空间上差异较小且速度相近的轨迹段,反映出道路交通状态及时空变化趋势,并根据速度阈值确定拥堵状态及精细时空范围。首先将轨迹按采样间隔划分成若干条子轨迹,针对子轨迹段提出相似队列的概念,并设计了基于密度的空间聚类的相似队列提取方法,通过初次聚类合并相似子轨迹段,再利用改进的欧氏空间相似度度量函数计算相似队列间的时空距离,最后以相似队列为基本单元,基于模糊C均值聚类的方法进行二次聚类,根据聚类的结果进行交通流状态的识别和划分。以广州市主干路真实出租车GPS轨迹数据为例,对该方法进行验证。实验结果表明,该二次聚类方法能够较为精细地反映城市道路的拥堵时空范围,便于管理者精准疏散城市道路拥堵,相比直接聚类方法可以有效提升大批量轨迹数据的计算效率。 相似文献
10.
本文介绍了最小生成树及其常见的算法,对比栅格算法分析了基于矢量的最小生成树算法的缺点,介绍了地图代数的距离变换和基于地图代数的距离变换图生成Voronoi图、Delaunay三角网,然后根据最小生成树MST是Delaunay三角剖分的一个子集,逐次删掉Delaunay三角网中每个三角形的最长边,从而得到最小生成树,该方法不仅适用于欧氏非障碍空间,同样也适用于障碍空间的情况,解决了以往最小生成树在障碍空间下(尤其是当障碍空间中的障碍是全形态的条件下)难以求解的问题,具有一定的理论意义。 相似文献