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。     

基于地理格网的复杂路线车辆通行时间估算方法

车辆通行时间隐含了特定时隙的交通状况,准确地汁算该时间在交通监测和路径规划中具有重要意义。现有研究通常利用车辆历史轨迹佔算一定距离内选定路径的通行时间,然而当路径距离较长时,限于很难找到完整穿越指定路径的历史轨迹而无法对其通行时间进行准确估计;此外,海量历史轨迹在估计路径通行时间时会产生巨大的数据管理和计算压力因此,本文引入地理格网,首先构建统一的时空索引,将路网及其历史轨迹分别划分为-系列落在地理格网单;(Cell)中的路段模式及轨迹段;然肩利用一系列频繁共享轨迹在Cell中的停留时间计算车辆在当前路段模式的通行时间;最肩通过一组防史时段相似路径模式的通行时间估算较长路线的车辆通行时间通过对北京市10000辆出租车一周的轨迹数据进行试验,验证了本文方法在处理海量历史轨迹数据上的有效性,以及在估算较氏路径上车辆通行时间的优越性。     

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。     

车辆GPS轨迹加油行为建模与时空分布分析

车辆加油行为不仅反映了能源的消耗和补充情况,同时也是能源需求和能源配置的重要指标,传统基于小样本问卷的加油行为调查方法无法揭示城市宏观加油行为的时空分布特征。本文采用时空GPS轨迹大数据,对城市加油行为进行了描述与建模,并分析了其时空分布规律。该方法采用车辆与道路距离、平均速度、时间间隔、轨迹点间距4个指标,对加油行为进行了描述并建模;分析了在一定时间间隔采样下,加油行为轨迹4个指标的具体时空特征;最后以武汉市出租车GPS轨迹数据为例,探测并分析了武汉市出租车加油行为与时空分布规律。试验结果表明,本文方法可有效探测和分析城市加油行为,并能够揭示能源空间配置低效情况。     

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。     

基于低频GNSS轨迹的转向级城市交通信息精细预测

利用浮动车GNSS轨迹数据可以实时获取和预测城市交通状态,且覆盖范围广、部署成本低,对自动驾驶路线决策、交通拥堵治理具有重要的支撑作用.现阶段,利用浮动车GNSS轨迹数据预测的信息仅包含路段上的交通速度、状态,而忽略了交叉口内不同行驶方向上的交通流差异;且交通信息准确性受到GNSS采样频率的限制.本文提出一种基于图卷积网络和低频GNSS轨迹数据的转向级交通预测方法:首先,顾及轨迹点间车辆运动模式提出一种排队起始点估计模型;然后,基于对偶图理论构建转向连通关系的图结构;最后,基于图卷积网络提出一种顾及转向时空模式的交通预测模型.试验结果显示,本文方法能准确地获取和预测转向级交通速度、排队长度信息,交通预测准确性全面优于基准方法.     

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。     

车辆轨迹数据提取道路交叉口特征的决策树模型

众源车辆轨迹数据隐含最新的道路分布信息,研究利用轨迹数据提取道路特征有益于基础路网数据的快速建库与更新。道路网由交叉口和连接交叉口的道路线构成,其中交叉口特征识别是整个道路网生成的关键。由于缺乏精细的交叉口识别模型,轨迹数据生成的道路网容易出现路口遗漏、结构失真等现象。针对这一问题,本文提出一种利用轨迹数据提取道路交叉口的方法。首先,分析车辆在交叉口与非交叉口区域移动轨迹几何形态及隐含动力学特征的变化情形;然后,利用决策树方法构建轨迹片段分类模型,并结合移动开窗式的轨迹线剖分模型建立交叉口区域变道轨迹片段提取方法;最后,依据Hausdorff距离对交叉口区域轨迹片段进行聚类,并提取中心线获得完整的道路交叉口结构。采用真实的车辆轨迹线作为测试数据,验证了本文提出方法的有效性。