利用GPS轨迹二次聚类方法进行道路拥堵精细化识别

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。     

时空变化分类与表达研究

为了解决空间数据库更新过程中地理对象时空变化类型不明晰的问题,利用语义、空间、时态和属性4个组件描述地理对象,并以地理对象集合、地理对象、对象组件以及对象组件属性4个具有层次关系的因子实现地理对象时空变化的分类与表达,通过分析确定了单一对象的17种变化类型、多个对象的4种变化类型,以及每种变化对应的数据库操作。最后,以一个实例说明空间数据变化类型的判定过程。     

基于变点的时空异常模式研究

异常模式的探测具有很好的实用价值和生产指导意义,本文首先对目前国内外时空异常模式方面的研究工作做了介绍。然后基于时空变点的概念给出了时空异常的定义,在此基础上结合大气污染监测数据对基于变点的时空异常模式进行探测。     

基于实时路况数据的潮汐交通路段提取

发现潮汐交通产生的空间位置是解决潮汐交通问题的前提。以北京市四环内为研究区,基于实时路况数据,根据路段双向交通拥堵度和前后时间片交通拥堵度的数量关系,提出了潮汐交通的判断准则,从而提取潮汐交通路段。研究发现,潮汐交通路段主要分布在二环至三环和三环至四环间的区域,二环内分布较少,且主要在环路之间的连接线上,符合居民出行特征。     

时空数据的动态关联技术研究

为了检测时空数据之间的发展变化关系,本文研究时空数据的动态关联技术,提出了一种动态关联算法和一种基本的时空变化类型。该算法用几何特征和属性特征相结合的方法进行匹配和变化检测,可以匹配时空对象并自动提取变化情况,能够解决一对一、一对多、多对一和多对多的变化关系,并且可以检测出时空对象的移动变化情况。     

时空数据的动态关联技术研究

为了检测时空数据之间的发展变化关系,本文研究时空数据的动态关联技术,提出了一种动态关联算法和一种基本的时空变化类型。该算法用几何特征和属性特征相结合的方法进行匹配和变化检测,可以匹配时空对象并自动提取变化情况,能够解决一对一、一对多、多对一和多对多的变化关系,并且可以检测出时空对象的移动变化情况。     

时空过程对象的LULC时空演变分析算法

地理时空变化是地理学研究的重要内容之一,如何用计算机技术来表达空间数据的时空变化独具前瞻性。从揭示LULC时空演变过程和挖掘时空演变规律出发,讨论了基于地类图斑的时空演变过程类型与判定方法,并构建了一种基于地类图斑的时空变化分析算法。通过对抚仙湖流域近40年来LULC时空演变分析,验证了算法的可靠性与有效性。表明该方法可用于地表覆盖等地理要素的时空变化过程分析,能较好地揭示地理要素及其属性在时间轴上的改变过程。     

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。     

基于通勤轨迹的潮汐交通拥堵路段识别与分析

提出一种基于通勤轨迹数据,结合地图匹配算法和潮汐交通特征计算的潮汐交通拥堵识别方法,轨迹数据具有时间和空间上的连续性,而道路流量受单条轨迹数据的缺失影响比较小。潮汐路段空间分布结果显示武汉市都市发展区的潮汐交通分布在环线之间的连接路、跨江通道的出入口路段以及重要交通枢纽附近。武汉市目前潮汐路段相对较多而可变车道数量较少,本研究的识别结果有助于相关部门规划潮汐车道具体位置的决策,以及对可能潮汐拥堵路段的预测。     

多维密度聚类的精细化道路交通运行状况检测

现有的路况检测方法以整条路段为单位进行检测,存在精度不高的问题,且DBSCAN算法用于出租车GPS数据聚类仍存在脱离线性参照系统、假噪声和簇内速度差异大等问题。在线性参照系统中定位GPS点,以两点间的测量值距离作为空间距离,同时增加速度距离约束,提出一种基于DBSCAN算法的多维密度聚类算法,使其适用于精细化路况检测;在此基础上构建路况事件表,并利用动态分段技术对路况事件进行管理和可视化,满足实际应用中对路况检测精度的要求。以上海市出租车GPS数据和路网数据为例进行实验分析,结果表明,提出的方法能够实现较为精细的路况检测。     

面向道路积水动态可视化的多源数据集成方法

随着城市化进程的不断加快及暴雨等极端天气的时有发生,道路积水问题愈发严重,影响了市民的出行和城市正常运行,因此有必要对道路积水信息进行动态可视化,而数据的集成与管理是从多源数据到道路积水信息的关键一环。为了更加直接有效地表达道路积水信息,提出了面向城市内涝动态预警可视化的多源时空数据集成与管理方法,构建了道路积水时空数据模型,探讨了积水数据与道路数据的匹配方法,并设计了面向道路积水动态预警的原型系统,实现了道路积水深度的提取与发布。以南京市主城区某区域对该方法进行了实验案例分析,实验结果表明,提出的数据集成与管理方法在进行道路积水可视化时具有一定的可行性。     

红绿灯配时优化与仿真研究

固定相位时长的信号灯控制由于无法根据实时路况进行自适应调节,对交通拥堵现象的改善程度有限。为了模拟根据实时路况进行信号灯相位自适应调节,以Webster算法为基础,融合虚拟仿真和计算机视觉技术,构建信号灯配时优化与自反馈闭环系统。首先,构建基于Unity3D的道路交通仿真场景,模拟车辆启停、行驶及信号灯控制;然后,利用OpenCV库处理采集的车流视频,统计通车流量并计算最佳信号周期和确定通车相位;最后,将配时计算结果作用于仿真场景,实现信号灯相位的实时调整与优化循环。仿真实验结果表明,信号灯自适应配时优化与闭环反馈能较大幅度减少车辆等待时间,有效缓解交通拥堵状况。     

融合图像和时空信息的社交媒体用户活动分类方法

社交媒体签到数据中蕴含着大量的用户活动信息。理解社交媒体用户的活动和行为类型,对探索人类的移动性和行为模式等有着重要意义。提出了一种针对新浪微博（简称为微博）的用户活动分类方法,结合图像表达和时空数据分类技术,识别微博签到数据所代表的用户活动类型。首先,根据兴趣点属性信息将微博签到数据所代表的用户活动分为餐饮、生活服务、校园、户外、娱乐、出行6大类;然后,基于卷积神经网络和K近邻分类方法,融合签到数据中的图像场景信息与时空信息,对微博用户的活动行为进行分类。实验结果表明,所提方法能够显著提高微博用户活动类型识别的准确性,为精确探索人类行为活动提供更加有效的数据支持。     

结合轨迹数据的混合多特征道路网选取方法

道路网选取是制图综合的重要内容,针对现有方法仅考虑道路网静态特征等问题,提出了一种结合轨迹数据的混合多特征选取方法。首先以stroke为基本选取单元,构建对偶图来描述路网的结构关系,采用长度、连通度、接近度和中介度等指标对道路的静态特征进行评价;然后结合轨迹数据特点,采用车流量、车辆速度和道路交叉口附近的车辆密度等指标对道路的动态特征进行评价;最后利用基于相互关系准则的标准重要性方法计算得到各指标的权值及各道路的综合重要性值。同时引入线Voronoi图对道路进行划分,得到道路的密度特征值,并将其作为道路网选取的约束指标。实验结果表明,所提方法能够保持道路的整体结构,同时顾及道路的连通性和密度分布,而且结合了轨迹数据的动态交通特性,选取结果符合实际情况,具有一定的实用性。     

视频与GIS协同的交通违规行为分析方法

针对人工监测无法及时、高效地发现视频中车辆和行人违规情况的不足,构建了地理空间视角下,兼顾动态目标在地理场景下的属性、时空关系和语义信息的轨迹模型(trajectory model,Tra-Model),设计了视频与GIS协同的交通违规行为分析方法,基于轨迹与规则几何约束条件对目标逆行、压线、禁止进入3类违规情况进行实时检测。以某高校为实验场地,分析不同交通场景下目标的3类违规情况。实验结果表明：（1）Tra-Model模型提取的轨迹包含目标类型、轨迹序列等语义信息,相比于现有动态目标跟踪算法,精准率提高15.6%;(2)所提方法对多个摄像机序列违规分析准确率均在70%以上,相对于现有方法具有更好的性能;（3）实现了地理场景下多种交通违规行为综合分析的全局性、高精度和探测类型多样性。     

一种利用Mask R-CNN的遥感影像与矢量数据配准方法

遥感影像数据与地理信息系统（geographic information system,GIS）矢量数据的配准是遥感与GIS集成的基础。目前遥感影像与矢量数据的配准关键在于遥感影像特征的提取,而现有遥感影像特征提取方法存在特征提取不完整、配准失败和精度不高等问题。由此提出了一种基于Mask R-CNN（region-based convolutional neural network）的遥感影像与矢量数据配准方法,首先,利用Mask R-CNN模型提取影像的道路交叉口作为影像控制点; 然后,依据几何拓扑关系筛选矢量数据道路交叉口作为矢量控制点,再根据遥感影像与矢量数据控制点的欧氏距离确定同名控制点;最后,以同名控制点为基础实现遥感影像与矢量数据的配准。选取上海市矢量数据和高分二号影像数据进行配准实验,实验结果表明, 所提方法鲁棒性强、精度高。     

路网环境下的混合数据最近邻查询算法

路网环境下的k最近邻查询方法在地理信息系统、智慧城市、数据挖掘、医疗营救和物流配送等领域都有着较为重要的作用,已有路网环境下的最近邻查询方法无法直接解决查询对象为点而数据对象为点和线段混合的复杂数据的近邻查询问题,为了弥补已有方法的不足,提出了路网环境下混合复杂数据的最近邻查询算法。将查询过程分为预处理、数据集约减和数据集精炼3个部分,并与3种对比算法进行对比实验,研究了测试数据对象的数量、路网规模的大小对中央处理器运行时间以及输入/输出代价的影响。结果表明,所提算法能有效地处理路网环境下混合数据的最近邻查询问题。     

利用距离变换模型进行卫星影像与激光点云精配准

卫星影像可以低成本、高频率地提供地物光谱特性观测信息,而激光点云可以提供精细的几何结构,两类数据的融合可以实现优势互补,进一步提高地物分类和信息提取的精度和自动化程度。实现亚像素级精度的几何配准是实现两类数据融合的前提,提出了一种基于线元素距离变换模型的快速配准方法。该方法以点云为控制源,将点云中的建筑物边缘等典型线元素通过卫星影像的初始有理多项式系数(rational polynomial coefficient, RPC)投影到像方空间,与卫星影像中的线元素进行迭代最近点配准,从而通过RPC参数精校正的方式实现几何配准。采用距离变换模型作为迭代最近点搜索的查找表,提高了运算效率;采用最新的渐进式鲁棒求解策略,能在噪声极多的情况下保证配准的鲁棒性。采用GeoEye-2、高分七号、WorldView-3等卫星影像与激光点云进行了配准实验,并分别通过人工精确量测的外业控制点和作业员内业刺的控制点作为检查,证明所提方法能在3种影像上达到0.4～0.7 m的配准精度,显著优于将点云映射为二维图像然后通过多模态匹配进行配准的策略。     

顾及交叉路口和车辆模态的轨迹重构与分析

由于数据传输和存储成本的限制,大多数轨迹数据采样率低且不确定,而城市精细模型往往需要高频轨迹数据,例如,微观交通碳排模型需要时间间隔为1 s的轨迹数据。因此,对低频轨迹数据进行高频重构有非常重要的意义。提出了一种顾及交叉路口和车辆模态的轨迹重构方法,采用高频轨迹数据训练车辆运动模态的理论概率模型,结合交叉路口来确定低频轨迹点之间的模态序列,并通过遗传算法求解理论概率模型来完成各模态时间和距离的分配,进而完成轨迹点的高频重构。结果表明,所提方法重构轨迹的均方根误差（root mean square error,RMSE）值相较于传统的数学插值方法降低了62.9%,相较于未考虑交叉路口的模态方法,降低了12.2%。因此,该方法在低频轨迹数据重构中具有很好的应用价值。     

一种面向多尺度面状居民地匹配的Voronoi图自适应构建算法

针对现有基于发生元离散化思想的Voronoi算法在计算效率与边界位置精度之间难以平衡控制的问题,提出了一种基于邻居对分类插值策略的面向多尺度面状居民地匹配的Voronoi图自适应构建算法(adap-tive Voronoi diagrams algorithm for matching multi-scale area...