一种基于改进UKF滤波的GPS+PDR组合定位方法

针对接收信号质量恶化的环境,提出了一种适用于信号遮蔽环境的改进GPS+PDR组合定位算法。该方法用短时间内的陀螺仪积分数据校正数字罗盘的航向偏差,在一定程度上消除了数字罗盘受到的偶发干扰。采用约束残差的无迹卡尔曼滤波（UKF）算法对GPS和行人航迹推算（PDR）定位信息进行融合处理,有效克服了PDR定位中累积航向误差产生的位置漂移问题,提高了算法的定位精度和稳定性。试验结果表明,改进算法能有效抑制数字罗盘的漂移误差,航向相对误差平均降低56%;行人步行时,GPS定位标准误差为2.67 m,单纯PDR定位标准误差为6.83 m;随机给予若干点GPS数据辅助定位,标准误差降至3.12 m;全程融合GPS与PDR定位,标准误差可降至1.94 m。     

利用被动式GPS数据的交通行为信息提取方法:发展现状及趋势

被动式GPS技术能最大程度地减轻受访者的负担,因而成为收集个体交通行为信息的理想方法。但是被动式GPS技术仅能提供交通行为的时空、移动速度等信息,而无法直接获取个人出行和活动的详细信息,如出行的起始时间、出行目的、交通方式、活动起始时间、时长、同伴等。如何从GPS轨迹数据中准确获取这些关键的交通行为信息成为被动式GPS应用于个体时空间行为数据采集的难点所在。对该研究领域的发展现状和趋势进行了总体回顾和分析。首先,追溯了交通行为数据收集方法的发展历程,并重点概述近年来基于GPS原始数据的后续处理方法的发展现状。然后逐一分析和讨论了现有的基于被动式GPS数据的交通行为信息提取方法的优缺点和存在的问题。最后,对该领域的前景和潜在的研究问题以及对运用现代信息与通信技术(ICT)收集交通行为信息方法的发展方向提出了相关建议。     

基于出租车轨迹数据的人口活动分析

根据轨迹数据识别出人们感兴趣的区域,并且挖掘出人们的日常出行特性,作为数据挖掘的一个热点逐渐受到人们的重视。目前,绝大多数大城市的出租车上都安装有GPS,其记录的轨迹数据在时间和空间上都包含丰富的信息,分析出租车的轨迹数据能在一定程度上反映城市人口的出行情况,挖掘有价值的信息。文中挖掘出租车轨迹数据中的乘客上下车的位置点数据,经过数据预处理、地图匹配以及整合后,对位置点进行有权重的热点区域分析,叠加到地图上进行人口活动分析。     

用户GPS轨迹数据支持下的出行安全分析

安全是每次出行的重要因素之一，传统方法大多基于人力或视频协同才能完成安全监控，缺少以轨迹数据度量出行的方法。定位和跟踪系统的技术进步，GPS卫星定位技术的不断发展与普及，使利用车载导航装置、手持GPS装置收集及使用GPS数据点成为可能。本文提出了一种基于用户GPS轨迹数据评价安全的方法，并以校区内宿舍与实验室间的轨迹数据为研究对象，验证了方法的有效性。研究表明：用户轨迹在离开安全轨迹处，获得较低的安全得分。反之，用户轨迹如果与安全轨迹极为相似，则获得很高的安全得分。该方法在检验用户轨迹是否与安全轨迹相似极为高效，同时以轨迹数据的形式反映用户的出行安全。     

利用经验约束规则和证据理论进行出租车异常轨迹检测

提出了一种根据择路经验特征,利用证据理论检测出租车异常轨迹的方法。该方法考虑最短路径与轨迹长度的比值、规避路径代价、出行发生时间3个因素,利用证据理论综合这3个证据来判别轨迹的异常程度,检测出行距离和路径选择明显不同于正常情况下的异常轨迹。实验结果表明此方法能有效识别不符合正常认知的异常轨迹,不依赖于单一起始点和终点对(origin-destination,OD)中的轨迹数目,能快速处理海量GPS数据,可用于大规模浮动车数据择路行为分析前期的数据过滤。     

基于公交运行规律的乘客下车点推算方法

基于公交GPS和AFC数据,提出了一种适应于多类型刷卡时间特征的上下车点推算框架.该框架在利用GPS数据提取公交车辆停靠站点的基础上,通过分析乘客AFC记录,提出了根据层次聚类推算乘客上车点时间与位置的方法;并针对不同类型的刷卡时间特征,分别采用基于出行链、历史数据和站点吸引的方法推算下车点.最后利用深圳市现有公交IC卡数据、GPS数据和线路站点数据对该框架进行了有效性验证.     

面向野外地质调查工作的道路提取方法研究

为弥补传统的依靠管理组织、法律、经济、教育等进行对野外地质工作安全管理工作的不足,通过百度SDK采集GPS步行轨迹数据,基于单向GPS轨迹数据的特点,进行轨迹的分割分段处理.最后利用BP神经网络算法拟合道路,通过反复实验确定BP网络的参数配置信息.并以中国地质大学西区为研究区域,提取路网信息,验证算法的有效性和实用性....     

城市公交乘客下车站点推算方法和有效性评价

特大型城市的公交车上普遍安装了自动售票（auto fare collection,AFC）系统和车载GPS导航定位设备,记录了乘客出行与行车轨迹、时间等数据,连续运行的公交车和众多的出行乘客形成了城市公共交通运行和出行大数据。如何高效、准确地从公交大数据中识别公交乘客下车站点,对于提高交通运行效率、科学布局组织交通具有重要的意义和作用。基于深圳市公交车AFC和GPS数据,利用时间匹配和基于带噪声空间密度聚类的方法判别上车站点;在仅有的公交数据基础上,通过分析乘客出行行为,根据乘客多天的出行以及各站点的上车频率,利用乘客高频站点和下游站点吸引权,提出一种推算方法,实现乘客下车站点的推断。算法模型的检验和实例分析表明该方法的有效性。     

期刊博览

正基于出租车轨迹数据的人口活动分析(《测绘工程》2016年第10期)根据轨迹数据识别出人们感兴趣的区域,并且挖掘出人们的日常出行特性,作为数据挖掘的一个热点逐渐受到人们的重视。目前,绝大多数大城市的出租车上都安装有GPS,其记录的轨迹数据在时间和空间上都包含丰富的信息,分析出租车的轨迹数据能在一定程度上反映城市人口的出行情况,挖掘有价值的信息。     

基于点序列和要素加权法的地图匹配算法

浮动车数据(Floating Car Data,FCD)已广泛应用于城市规划、智能交通系统中,其中地图匹配一直以来都是浮动车数据应用的技术难点。本文在已有地图匹配算法的基础上,提出了基于点序列和要素加权法的地图匹配模型,不仅考虑了当前GPS点的信息,同时也考虑了GPS数据的历史信息和道路网的拓扑结构,从空间关系上分析车辆行驶轨迹和道路的相似性。作者通过上海市出租车轨迹数据对算法进行验证,结果表明:该匹配模型解决了已有地图匹配算法的一些弊端,并且提高了地图匹配的精度,具有高效、实用的特点。     

顾及轨迹压缩的车辆路径查询算法

基于位置服务技术的迅猛发展,产生了巨量车辆轨迹数据。为了有效压缩并查询大规模车辆轨迹数据,本文提出一种面向压缩车辆轨迹的路径空间查询算法。本文算法基于Stroke道路层次结构压缩轨迹空间数据,提取关键变速点压缩轨迹时间数据,并构建了一种用于建立轨迹空间和时间数据之间联系的哈希编码,从而实现车辆轨迹的时空数据集成压缩。利用后缀数组对车辆轨迹的基于Stroke路段的压缩编码构建空间索引结构,再以此为基础,设计了车辆轨迹所对应路径的点信息查询算法、相同子路径查询算法和相似路径查询算法。试验结果表明,针对原始轨迹点空间数据,本文的压缩编码方法压缩比可以达到97∶1,与常规的基于路段编码方式相比,本文压缩编码在车辆轨迹的点信息路径查询方面,查询效率可以提升约2倍;在车辆轨迹的相同子路径查询方面,查询效率可以提升约8倍;在车辆轨迹的相似路径查询方面,查询耗时增长率减少了50%。本文算法对于大规模车辆轨迹的数据管理具有十分重要的基础性作用。     

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。     

一种采用图像特征匹配技术的RGB-D SLAM算法

针对复杂环境下运动机器人自主运行的任务要求,提出了一种采用图像特征匹配技术的视觉SlAM算法。相比于传统滤波器方法在机器人长时间运动过程中产生的误差积累,采用了基于图优化的SlAM方法,本文算法分为两个部分：前端和后端。前端负责处理图像数据提取机器人位姿几何关系,首先提取彩色RGB图像的特征点,创建特征点的高维特征描述子,建立特征点的位置对应关系;后端负责表达各时刻机器人的位姿并最大化地消除轨迹漂移问题,根据前端处理所产生的信息,构建一个代表机器人几何位置关系及其不确定性的关系图,通过对图的优化将测量轨迹最大化地逼近真实轨迹,最后生成稀疏点云地图和高精度的机器人运行轨迹。试验表明本文所提出的方法实用性强,具有较高的鲁棒性。     

居民出行与轨迹行为交互模式挖掘与关联技术

出租车是居民出行的重要交通工具,其轨迹数据蕴含着丰富的居民出行信息.原始出租车轨迹数据因缺少语义信息无法直观反映居民出行规律.通过轨迹数据挖掘技术处理之后的出租车轨迹数据能够反映居民活动规律和行为模式,从而为城市规划决策提供参考依据.本文重点研究了基于语义的交互模式度量,通过出租车停留点推断其语义信息;然后根据语义信息...     

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。     

利用轨迹数据提取城市居民出行时空分布特征

介绍了利用出租车轨迹数据提取城市居民出行时空分布特征的过程,包括利用数理统计的方法对出租车上下客事件基于时间进行特征分析;给出了一种融合核密度估计(KDE)与兴趣点(POI)分类的密度聚类算法,实现了出租车上下客热点区域的挖掘以及居民出行活动规律与城市功能区之间关系的发现.?研究表明:居民的出行活动特征在"工-休"日之...     

出租车轨迹数据的道路提取

相对高频GPS轨迹数据而言,低频GPS轨迹数据具有数据量大、容易获取、低成本等优点。对此,本文提出了一种基于大量低频轨迹数据的道路信息提取方法。该方法采用数学形态学滤波和细化方法对栅格化的道路图像进行道路中心线与交叉口的提取,然后采用道格拉斯-普克算法对交叉口间的路段进行简化与平滑,最终得到道路信息。其中在交叉口的提取上,采用多分辨率的图像融合的方法尽可能多地提取交叉口。试验表明,该方法在一定程度上克服了低频轨迹数据采样间隔不固定、定位精度低、噪声点多、数据分布不均等缺点,能够提取出较为准确的道路交叉口和中心线。     

基于出租车轨迹的居民出行特征分析

研究并实现了一种结合核密度分析的DBSCAN空间聚类方法。首先对从马鞍山市出租车的轨迹数据中提取出上下客轨迹点数据进行预处理;再对上下客轨迹点数据进行聚类分析,识别居民出行热点区域;最后进行居民出行热点分析,并总结了居民出行的时空特征。     

利用自动匹配与三角剖分进行遥感图像几何精校正

在研究传统几何精校正方法的基础上,提出了一种高精度的基于自动同名点匹配和三角剖分技术的几何精校正方法,该方法是通过基准底图对待校正图像进行几何精校正的。首先利用FAST (Features from Accelerated Segment Test)算子在基准底图上快速提取均匀分布的候选特征点,通过图像自身携带的地理定位信息确定初始同名点对;经平移误差消除、互相关双向匹配、RANSAC(Random Sample Consensus)粗差剔除、二元三点插值等步骤获取稳定可靠的亚像元级同名点对;最后根据亚像元级同名点对构建Delaunay三角网进行图像变换和重采样处理。以Landsat卫星ETM为基准底图对环境卫星CCD数据进行几何精校正试验,本算法几何精校正精度较传统的方法得到了很大提高。     

一种新的粗糙轨迹数据滤选方法

基于粗糙轨迹数据的特点和密度聚类算法的优点,提出一种基于规则模型和密度聚类的粗糙轨迹数据滤选方法。首先,通过构建多条件约束的规则滤选模型,消除轨迹中的冗余点和离散点,并对轨迹进行分割;其次,按格网对轨迹进行划分,采用基于方向约束的密度聚类方法,消除轨迹线中的方向噪音点;最后,对消除方向噪音的轨迹线规范化,获取最终的滤选结果。以南京市出租车采集的600万条粗糙轨迹数据进行试验,并通过路网生成验证文中方法的精度和有效性。