基于浮动车数据交通参数提取技术探讨

总结和概括了国内外浮动车研究技术的现状。总结了浮动车数据处理的关键技术,其中包括浮动车数据预处理、基于浮动车的地图匹配技术以及交通参数提取技术。探讨了目前国内外浮动车数据处理技术中存在的问题,并展望了浮动车技术的应用前景。     

利用浮动车大数据进行稀疏路段行程时间推断

针对利用实时浮动车数据估计路段行程时间时存在的数据稀疏性问题,提出了构建三层神经网络模型,以目标路段与邻接路段间的特征关系为输入、目标路段与邻接路段行程时间比值为输出,利用浮动车历史大数据获取路段之间的交通时空关联关系,继而用于路段行程时间的推断。采用武汉市2014年3~7月的浮动车GPS历史数据进行验证,得到的路段行程时间估计值的平均绝对百分比误差小于25%,证明了所提方法的有效性。     

利用浮动车数据挖掘城市职住空间关系

基于浮动车大数据,利用数据挖掘技术,在空间格网及行政区划两个空间尺度下研究城市职住空间特征,从通勤距离和通勤时间、浮动车数据在空间上的聚类结果及职住分离指标等多个方面对武汉市三环线范围内的职住空间特征进行了分析.结果表明,基于浮动车大数据可以快速、精细化地分析职住空间特征,分析结果可为城市规划提供依据.     

一种基于约束的最短路径低频浮动车数据地图匹配算法

针对精度差、频率低的浮动车数据特点,给出了空间和拓扑约束下的最短路径浮动车数据地图匹配算法,基于不同采样频率的匹配结果证明算法准确度高。基于武汉市浮动车数据的匹配结果表明,算法具有高可靠性,可以用于浮动车数据的交通信息提取与特征挖掘。     

基于OSM的浮动车轨迹数据校正方法

浮动车轨迹数据具有覆盖范围广、更新周期短、获取成本低等特点,对于地图的生产和更新具有重要意义,但是由于受到卫星信号被遮挡及多路径效应的影响,其精度普遍较低。本文采用一种基于OSM作为参考数据的方式对浮动车轨迹数据进行校正。首先通过一种分层时空地图匹配的方式将轨迹数据与OSM进行匹配;然后采用引力模型对数据进行校正;最后在武汉市出租车轨迹数据上进行了试验。结果表明,本文提出的数据校正方法可以有效地提高浮动车轨迹数据的精度。     

浮动车数据的混合修复方法

针对浮动车数据出现的丢失、错误及冗余现象,结合均值统计与地图匹配,提出一种浮动车数据混合修复方法。基于此方法,构建了浮动车数据筛选及修复流程,较好地实现了对浮动车数据的有效筛选及修复,并对浮动车数据混合修复方法进行了验证,证明该方法具有可行性和有效性。     

利用浮动车数据提取停车场位置

针对当前停车场信息采集手段周期长、成本高的问题,提出了利用浮动车数据自动提取停车场位置的方法。通过分析在停车场内采集的浮动车数据具有的典型特点后,使用DBSCAN算法检测出位于停车场内的点簇进而提取停车场的位置;同时针对DBSCAN算法具有高时间复杂度的缺点,结合定位点簇的空间尺寸限制条件构建了特定的空间索引,提高了聚类算法的效率。试验结果验证了该方法的有效性。     

数据清洗和空间可视化在浮动车数据处理中的应用

浮动车数据清洗是交通大数据研究的基础性工作之一。针对浮动车数据量大,数据冗余度高,普通研究者不便于分析等问题,利用FME软件设计了数据清洗与空间可视化方法,有效提高了数据的可靠性和准确性;并对浮动车数据进行了空间可视化表达,提供了一种直观、可靠、有效的空间化、可视化分析方法,有效促进了浮动车数据的研究和利用。     

基于浮动车轨迹数据的路口车道结构求解

文章针对道路交叉口处车道转向信息变化快、采集困难的问题,提出了利用浮动车轨迹数据自动提取道路交叉口处车道结构及转向的方法.首先根据选取规则对研究区域轨迹点进行约束选取,并依据预处理策略对研究区轨迹点序列进行去噪与优化;其次运用混合高斯密度模型对交叉口处道路的细部车道结构进行建模,利用贪心EM算法解算高斯混合密度模型参数,求得车道数目和车道结构特征;然后给出通过轨迹相关性计算车道转向的计算思路;最后选取一组真实路口数据进行实验,结果验证了该方法的有效性:该方法为车道信息更新提供了参考,亦可应用于精细化导航以提高出行者的服务体验.     

利用地图栅格化的海量浮动车数据道路匹配快速算法

目的 提出了在大城市路网环境下快速确定海量浮动车数据匹配路段的方法。首先构建路网道路缓冲区,再对道路缓冲区地图进行栅格化处理,并构建空间位置与道路ID的索引,然后基于每个浮动车数据中的地理位置信息依据索引找出浮动车数据可能的匹配道路,最后对这些道路进行匹配度计算,确定浮动车数据的匹配道路。实验表明,该方法能显著减少每个浮动车数据需要计算匹配度道路的数量,成倍地提高海量浮动车数据道路匹配算法的效率。     

基于流动车数据的道路车速匹配与实时发布

介绍了流动车数据的概念,给出了处理流动车数据基本流程。给出了顾及历史定位数据的流动车数据地图匹配算法,提出了在一定准则下的路段速度匹配的方法,并根据现场检验结果分析了方法的有效性。随后给出了基于网络地理信息系统构建道路拥挤状况实时发布系统的框架。     

基于GPS浮动车采集交通信息的路段划分方法

针对目前GPS浮动车采集交通信息的路段划分方法大多忽略交叉口不同行驶方向车流运行条件的差别,且假设路段不同位置的交通状态均衡,从而导致交通信息质量偏低,无法有效满足交通状态判别和车辆动态导航系统数据需求的问题,设计了能够区分车流不同行驶方向统计交通数据的方向路段划分方法与区分路段不同位置统计交通数据的子路段划分方法,以便从路网空间数据结构方面改善交通状态判别和车辆动态导航系统的信息基础。     

利用词向量模型分析城市道路交通空间相关性

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。     

一种改进的快速浮动车地图匹配方法

浮动车地图匹配算法能够实现浮动车离散点与路段的快速准确匹配,是浮动车路况信息生成技术中的核心环节。本文针对现有方法的不足,实现了建立定位点的有效阈值缓冲区,并依据空间关系检索候选匹配路段,研究实现了一种利用行驶速度、行驶方向、投影距离、行驶距离4个参数进行行车轨迹判别的逻辑匹配算法。试验表明,该方法无需对路网数据进行大量的前期处理工作,简化了候选匹配路段的检索过程,在保证匹配正确率的同时也表现出了更高的效率。     

基于分布式实时流数据的交通速度计算方法

随着城市规模的不断扩大,道路拥堵已经成为制约经济发展以及影响居民生活的一个重要因素,根据道路交通速度发现拥堵成为了解决这一问题的首要手段。道路交通速度计算的准确性和时效性是影响动态交通管理措施实施效果的关键因素。本文利用GPS浮动车技术获得的流数据,引入实时计算和流式计算平台Storm对数据进行分析处理,通过道路速度计算达到实时发现拥堵交通的目的,为交通管理部门疏导交通以及广大用户出行的道路选择提供参考依据。     

基于特征的城市交通网络非平面数据模型

本文通过分析交通网络特征,提出了一种适合城市交通网络数据表达与操作、基于完整交交通特征的ＧＩＳ数据模型,以弥补传统基于弧段－节点的ＧＩＳ数据模型在城市交通网络建模中的不足,并在此基础上将传统的交通网络平面图表达模式升华到非平面模式,设计了基于特征的交通网络非平面数据模型的概念建模与逻辑建模方法,为相应的数据结构与数据库实现奠定了基础。     

事件驱动的城市公共交通时空数据模型研究

以模型驱动架构为理论基础,以事件驱动的方法进行面向对象的时空数据建模研究,建立城市公共交通领域的概念模型、静态结构模型、动态行为模型和时态行为模型,并结合软件模型实现时空数据面向对象的组织与操作。事件驱动的面向对象时空数据模型实现了关系数据库和对象关系型GIS平台下面向对象的数据建模,扩展空间对象的动态行为与时态行为特征,实现对复杂空间对象的操作并保证了其空间关系及时态一致性。本研究为行业空间数据建模提供理论和方法上的参考,通过在广州市公共交通规划管理地理信息系统中的应用对模型的实用性进行验证。