利用GPS轨迹的转向级交通拥堵精细分析

目前,基于GPS轨迹探测城市交通状态的研究缺乏对不同行驶方向的交通拥堵精细感知。针对此问题,本文提出一种基于出租车GPS轨迹的转向级交通拥堵事件探测方法。该方法首先在分析出租车运营行为特征的基础上,采用特征聚类方法滤选出能够反映真实交通状态的有效轨迹段;然后基于滤选后轨迹分析当前道路交通运行状态,探测城市路网中轻度、中度、重度3种不同强度的交通拥堵事件;最后基于拥堵事件轨迹分析交叉口不同转向的拥堵时间、拥堵强度和拥堵距离等转向级精细交通拥堵状态。试验结果表明,本文方法不仅能有效探测路网中不同强度的拥堵事件,而且能实现交叉口转向级拥堵事件的精细分析。     

利用出租车轨迹数据估计城市道路拥堵状况

交通拥堵是当代各大城市普遍面临的问题,如何通过各种技术手段发现城市交通的易拥堵路段并予以改善是城市交通相关部门以及学者关心的一个问题。通过各种GPS设备产生的历史轨迹数据对城市的研究逐渐受到重视,且取得一定的进展。文中总结运行车辆的4种通行状态:正常行驶、停靠/停泊、信号灯等待以及拥堵,分析这4种状态下运行车辆的速度特征,定义轨迹段平均速度和轨迹段速度方差两个数字特征用来描述运行车辆轨迹段的速度特征以及描述路段拥堵程度的拥堵指数,提出一种基于轨迹分段的拥堵检测的可视化方法,通过实验验证发现其可以较好地估计城市交通拥堵状况。     

基于轨迹数据的道路交叉口及其结构提取方法

针对轨迹大数据自动提取城市道路,特别是交叉口问题,该文提出一种新的基于出租车轨迹数据的道路交叉口识别及其结构提取方法:识别轨迹中的转弯片段及其中心点;利用中心点周围轨迹的面积自适应确定聚类半径,并借助自适应聚类半径的DBSCAN方法识别可能的交叉口;对交叉口的轨迹数据进行清洗,用公共子轨迹相似性和角度相似性对转弯片段聚...     

顾及轨迹密度分布异质性的道路交叉口提取方法

车辆轨迹大数据为道路网生成与更新、道路状态信息感知提供了新机遇,从轨迹数据中准确提取道路交叉口是基于车辆轨迹数据构建精细化道路网地图的关键步骤。当前已有学者根据轨迹点的转向、速度变化等特征,基于空间聚类提出了一些道路交叉口识别的经典方法,但由于轨迹数据密度分布的异质性、噪声干扰及最优聚类参数设置等问题,从不同采样频率、分布密度的轨迹数据中提取不同大小、形态的交叉口仍是一个挑战。为此,本文首先针对轨迹密度的空间分布异质性提出基于层次划分的轨迹栅格化策略,进而从视觉角度出发,提出一种基于“转换-分割-优化”全流程的道路交叉口层次提取方法。通过对不同采样频率的真实轨迹数据进行试验分析,验证了本文方法对低频轨迹数据中道路交叉口提取的准确度与有效性,识别结果优于现有代表性方法。     

移动轨迹聚类方法研究综述

轨迹数据是人类移动行为的表征,能够映射出人的出行模式和社会属性等信息。怎样有效挖掘轨迹数据蕴藏的人类活动规律一直是研究的热点。通过轨迹聚类发现行为相似的类簇,从而探究群体的移动模式是轨迹挖掘和深度应用常见的方法之一。本文首先根据轨迹数据的特点,将轨迹数据模型分为轨迹点模型和轨迹段模型,并据此定义相应的相似性度量：空间相似性度量和时空相似性度量;然后,对两类模型的聚类方法进行了综述,并总结不同聚类算法的优缺点,以期为不同应用选取聚类算法提供科学依据;最后对移动轨迹数据聚类方法研究的发展趋势进行了讨论。     

一种顾及时间特征的船舶轨迹DBSCAN聚类算法

随着世界海洋经济的快速增长和各国海洋贸易的持续发展,船舶A IS系统被世界各国广泛采用,由此产生海量的船舶轨迹数据.如何对这些多维、动态的数据进行挖掘和利用,成为当前时空数据挖掘领域的研究热点之一.文中在经典DBSCAN空间聚类算法的基础上,对船舶轨迹数据进行清洗、压缩等预处理,并将其划分为特征点相连的子轨迹段,然后引...     

利用轨迹大数据进行城市道路交叉口识别及结构提取

交叉口是城市交通路网生成、更新的重要组成部分。本文基于车辆时空轨迹大数据,提出了一种城市交叉口自动识别方法。该方法首先通过轨迹跟踪识别轨迹数据中包含的车辆转向点对;然后基于距离和角度的生长聚类方法进行转向点对的空间聚类,并采用基于局部点连通性的聚类方法识别交叉口;最后利用交叉口范围圆和转向点对提取城市各级别路网下的交叉口结构。以武汉市出租车轨迹大数据为例,对武汉市城区内189个交叉口进行了探测。试验结果表明,本文所提方法可以准确地从轨迹大数据中识别出城市交叉口及其结构。     

出租车GPS轨迹集聚和精细化路网提取

针对利用GPS数据提取双向路网和交叉路口转向信息精度低的不足,本文提出一种顾及位置与行驶方向的轨迹集聚和精细化路网提取方法,实现了精细化路网提取。为提高交叉路口路网的提取精度,首先剔除原始轨迹中的离散和异常轨迹点,并按一定的步长对轨迹段进行加密;然后引入行驶方向角来表达车辆在轨迹点处的行驶方向,顾及位置和行驶方向获取每个轨迹点的相似轨迹点集合;接着依次计算每个轨迹点的偏移距离,通过对轨迹点的迭代偏移完成轨迹集聚;最后剔除未成功集聚的轨迹点,将完成集聚的轨迹点连成轨迹线并作缓冲区,运用栅格数据数字化方法提取得到能够反映道路精细转向关系的道路网。以福州市出租车GPS数据进行轨迹集聚和路网提取试验,结果表明:本文方法能有效地将GPS轨迹按车辆行驶方向分别进行集聚,提取的道路网为双向道路并且能反映交叉路口处道路的精细转向关系。     

一种众源车载GPS轨迹大数据自适应滤选方法

基于同步高低精度GPS轨迹数据的空间特征和GPS误差分布原理,提出了一种众源GPS车载轨迹大数据自适应分割-滤选模型。该模型首先通过角度、距离约束将完整的车载GPS轨迹数据进行分割,以轨迹分割段作为基本滤选单元;然后通过对比轨迹分割段内GPS轨迹向量与其参考基线间的相似度,按照相似度与GPS定位精度之间的量化关系指导滤选。试验结果表明,该方法可以实现车载轨迹大数据按信息提取精度需求的滤选。     

出租车轨迹数据的频繁轨迹识别

为识别城市交通中的频繁路径,本文提出了一种出租车轨迹数据的频繁轨迹识别方法。该方法首先对轨迹数据进行轨迹压缩,以降低计算复杂度;然后基于最长公共子序列和动态时间规整算法进行轨迹相似性度量计算,利用计算得到的轨迹间相似度生成距离矩阵;最后将生成的距离矩阵结合HDBSCAN算法进行聚类得到频繁轨迹。选取厦门岛内两个区域进行试验分析,结果表明,该方法能够识别出轨迹数据集中的频繁轨迹,进而得到城市区域之间通行的频繁路径,对道路规划、路径优化与推荐、交通治理等应用提供帮助。     

出租车轨迹数据的南京人群出行模式挖掘

针对现有出租车轨迹数据挖掘中时间序列邻近度量方法存在的问题,提出一种基于DBSCAN算法和改进的DTW距离的时间序列聚类算法提取具有相似性出行特征的时空模式,进而研究城市人群出行行为的时空差异。以南京市为例,结合电子地图对出行模式的空间分布特征进行分析,证明了本文所提出的方法的有效性。实验结果表明:在空间分布上,工作日出租车出行模式按照平均出行频次由高到低排序,从城市中心向四周扩散,呈中心环状分布,出行模式区域界限较为明显,同类出行模式分布区域对应相似的功能。提出了一种基于DBSCAN算法和改进的DTW距离的时间序列聚类算法提取具有相似性出行特征的时空模式,有效地分析城市人群出行行为的时空差异。     

顾及时空轨迹特征的台风相似性评估算法

相似的台风路径在一定程度上反映了影响台风运动的诸多因素产生的相同或相似的综合效应。本文基于IMHD-ST距离并综合考虑轨迹时空距离和频率特征,提出了一种距离-频率时空轨迹相似性度量算法,从时空位置和路径形状两个角度衡量台风轨迹之间的相似程度。经实际数据验证本文所提出的算法计算结果准确,同时提高了对噪声、采样率变化和偏移等干扰的抵抗能力,能有效匹配相似轨迹对,服务于台风路径预测与历史相似台风案例的提取。     

符合认知规律的时空轨迹融合与路网生成方法

以行驶在城市大街小巷的出租车GPS时空轨迹数据为研究对象,研究了符合"感知—认知—经验"认知规律3层次的轨迹融合与路网生成方法,提出了基于Delaunay三角网的时空轨迹融合模型,实现了从GPS时空轨迹中对符合认知规律需求的路网信息的获取,并以武汉市出租车GPS轨迹为试验,实现了对武汉市出租车时空轨迹的融合与武汉市路网数据的生成,证明了该方法的有效性。     

基于GPS时空轨迹的路网拓扑自动变化检测

充分利用出租车GPS时空轨迹数据分布广和时效性强的特点,提出一种基于车载GPS轨迹数据的路网拓扑自动变化检测新方法。该方法首先利用向量相似性度量模型,度量GPS轨迹向量与路网局部拓扑向量之间的相似性,检测疑似道路拓扑变化点,然后通过比较疑似道路拓扑变化点与路网拓扑关系,完成新增、废弃、改建等道路变化,实现基于车载GPS轨迹的路网拓扑自动变化检测。实验结果表明,该方法不仅有效地检测出道路新增、道路废弃与道路改扩建等变化,而且能利用出租车实时和大范围分布特点来实现城市路网大范围实时变化检测。     

顾及时空"点-线"关联特征的出行轨迹描述模型

关联出行研究是城市规划、交通出行、传染病防控、犯罪侦查等领域的研究热点,尤其当出行个体带有接头、等待等主观意图的前提下,如何有效识别其关联行为,是当前时空认知领域的难点。本文以犯罪时空轨迹为研究对象,首先分析了现有出行轨迹描述方法的不足,兼顾了出行轨迹的细节点特征和完整线特征,提出了顾及"点-线"特征的出行轨迹描述模型。然后,在此基础上,基于时空拓扑关系提出关联出行的轨迹判别方法,能描述"接头、等待、共处、同行"4种基本的关联出行轨迹模式,并可进一步区分19种不同的关联出行子类型。最后,通过试验对比,验证了该方法的有效性。     

一种路网拓扑约束下的增量型地图匹配算法

着眼于低频浮动车轨迹数据,对地图匹配问题进行了抽象,并分析了影响匹配结果的几何约束与拓扑约束。针对GPS采样的低频性和城市路网的复杂性,提出了一种路网拓扑约束下的增量型地图匹配算法（topology-constrained incremental matching algorithm,TIM）。选取北京市浮动车的GPS样例轨迹数据进行匹配,结果表明,该匹配算法在不同复杂程度的城市路网下均表现较好。     

一种基于重排检验的时空聚类方法

融合时空邻近与专题属性相似的时空聚类是挖掘地理现象时空演化规律的重要手段。现有方法需要的聚类参数许多难以获取,影响了聚类方法的可操作性与聚类结果的可靠性。提出一种基于重排检验的时空聚类方法。首先,通过重排检验发现时空数据集中的均质子区域;进而,采用均方误差准则合并均质子区域内的时空实体生成时空簇,并通过簇内重排检验自动识别聚类合并的终止条件;最后,借助时空拓扑关系在保证结果精度的前提下发展一种快速重排检验的方法,提高了聚类方法的运行效率。通过实验和比较发现,该方法一方面可以发现不同形状、大小的时空簇,聚类质量优于经典的ST-DBSCAN方法;另一方面聚类过程中人为设置参数的主观性显著降低,提高了聚类方法的可操作性。     

利用时空密度聚类的高速公路交通事故黑点路段鉴别

研究高速公路交通事故黑点路段的时空分布规律和关联因素,一直是交通领域的关注重点。本文针对事故统计的交通事故黑点路段鉴别方法存在地理学中的可塑面积单元(MAUP)问题,提出一种基于时空密度聚类的高速公路交通事故黑点路段鉴别方法。该方法改进了传统的DBSCAN空间聚类算法,引入一种顾及时间周期性和事故严重程度的事故时空邻近计算方法,通过密度连接规则自适应鉴别各种时空尺度的交通事故黑点路段。以2012—2016年湖南省的高速公路交通事故为例进行试验,结果表明,本文方法可有效克服不同划分单元的可塑面积单元问题,自适应鉴别不同长度的黑点路段,同时可进一步挖掘黑点路段上交通事故时空聚集模式。