检索结果-内蒙古大学图书馆

哈尔滨工业大学学报 2016年第9期48卷 30-34页

作者：曲鑫林赐云杨兆升商强程泽阳吉林大学交通学院长春130022 汽车动态模拟国家重点实验室(吉林大学) 长春130022

为解决利用低频浮动车数据进行路径行程时间估计时精度不高的问题,从分析浮动车数据特征的角度出发进行行程时间分布的估计,提出并讨论利用浮动车数据估计行程时间的潜在误差,针对每种潜在误差提出修正模型,并选取上海市长寿路部分路段... 详细信息

为解决利用低频浮动车数据进行路径行程时间估计时精度不高的问题,从分析浮动车数据特征的角度出发进行行程时间分布的估计,提出并讨论利用浮动车数据估计行程时间的潜在误差,针对每种潜在误差提出修正模型,并选取上海市长寿路部分路段进行实证分析,利用1 500辆出租车数据,对各种修正方法下的行程时间进行估计,与改进内插值估计方法进行对比,并与车牌识别装置提供的直接行程时间估计结果进行相似性分析.结果表明:所有误差均修正的行程时间估计与改进内插值方法相比,平均估计精度提高9.5%,且估计的中位数、25%分位数和75%分位数与车牌识别方法有较高的匹配度.考虑低频浮动车数据误差修正的行程时间估计可以改善估计的精度,可提供有效的行程时间信息.

关键词：交通工程与交通管理低频浮动车数据误差修正模型车牌识别行程时间估计

来源：评论

学校读者我要写书评

暂无评论

基于低频浮动车数据的道路行驶时间估算与路径优化

基于低频浮动车数据的道路行驶时间估算与路径优化

引用

作者：王晋长安大学

学位级别：硕士

道路行驶时间估算与出行路径优化是智能交通的重要组成部分。传统交通信息采集技术具有代价大、不易维护等诸多弊端。随着智能交通技术的快速发展,浮动车技术成为一种获取交通流数据的重要手段,其具有数据覆盖面广、简单方便等优势。常... 详细信息

道路行驶时间估算与出行路径优化是智能交通的重要组成部分。传统交通信息采集技术具有代价大、不易维护等诸多弊端。随着智能交通技术的快速发展,浮动车技术成为一种获取交通流数据的重要手段,其具有数据覆盖面广、简单方便等优势。常用的浮动车系统为低频采样数据,数据样本少,精度低。论文提出一种基于低频浮动车数据的道路行驶时间估算与路径优化技术。论文依托陕西省交通运输厅科研项目《基于已建交通信息化平台的西安交通拥堵缓解应用研究》。首先,研究了基于低频浮动车数据的道路行驶时间估算算法,该算法包含了单车道路行驶时间的估算和多车融合道路行驶时间的估算。在单车道路行驶时间的估算过程中,提出一种基于距离权重的位置-时间插值法来计算单车道路行驶时间,同时也给出了缺失道路的构建方法和存储策略,在保证对缺失道路行驶时间估算的同时提高算法执行效率。在获取到所有单车道路行驶时间数据之后,给出了基于频数权重的多车融合道路行驶时间估算算法,降低了单车随机因素对道路行驶时间估算造成的误差。其次,研究了最短路径优化技术。根据用户出行的不同需求,论文分别提出了对应的最短路径优化算法。(1)针对最短出行距离需求,提出了一种基于方向的启发式可回溯算法,算法在无需构建路网距离矩阵数据的情况下,可快速实现最短出行距离的路径优化;(2)针对最短出行时间需求,提出了一种基于历史数据预处理和道路重要节点标记相结合的动态路径优化算法,此算法在短时间内能够根据当前道路实时行驶速度,给出起点和终点之间的最短出行时间路线。最后,对基于低频浮动车数据的道路行驶时间的估算和路径优化可视化系统进行了设计与实现,包括数据库的详细设计和功能模块接口详细设计,程序结构设计,并对系统功能进行了测试和分析。结果表明,论文提出的道路行驶时间估算算法能比较准确的估算出道路行驶时间。路径优化算法能够快速的给出最短路径优化结果。论文研究过程中所实现的可视化系统也基本满足实时处理的要求,可以为出行者与交通部门提供很好的服务体系。

关键词：低频浮动车数据道路行驶时间估算路径优化最短路径

来源：评论

学校读者我要写书评

暂无评论

历史数据和强化学习相结合的低频轨迹数据匹配算法

引用

测绘学报 2016年第11期45卷 1328-1334页

作者：孙文彬熊婷中国矿业大学(北京)地球科学与测绘工程学院北京100083

针对低频(采样间隔大于1min)轨迹数据匹配算法精度不高的问题,提出了一种基于强化学习和历史轨迹的匹配算法HMDP-Q,首先通过增量匹配算法提取历史路径作为历史参考经验库;根据历史参考经验库、最短路径和可达性筛选候选路径集;再将地图... 详细信息

针对低频(采样间隔大于1min)轨迹数据匹配算法精度不高的问题,提出了一种基于强化学习和历史轨迹的匹配算法HMDP-Q,首先通过增量匹配算法提取历史路径作为历史参考经验库;根据历史参考经验库、最短路径和可达性筛选候选路径集;再将地图匹配过程建模成马尔科夫决策过程,利用轨迹点偏离道路距离和历史轨迹构建回报函数;然后借助强化学习算法求解马尔科夫决策过程的最大回报值,即轨迹与道路的最优匹配结果;最后应用某市浮动车轨迹数据进行试验。结果表明:本文算法能有效提高轨迹数据与道路匹配精度;本算法在1min低频采样间隔下轨迹匹配准确率达到了89.2%;采样频率为16min时,该算法匹配精度也能达到61.4%;与IVVM算法相比,HMDP-Q算法匹配精度和求解效率均优于IVVM算法,16min采样频率时本文算法轨迹匹配精度提高了26%。

关键词：低频浮动车数据轨迹匹配马尔科夫决策过程强化学习

来源：评论

学校读者我要写书评

暂无评论

面向复杂路网低频GPS采样数据新型地图匹配算法

引用

计算机应用研究 2021年第2期38卷 495-500页

作者：黄振锋乔少杰韩楠元昌安许源平曹亮覃晓魏军林成都信息工程大学网络空间安全学院成都610225 成都信息工程大学软件工程学院成都610225 成都信息工程大学软件自动生成与智能服务四川省重点实验室成都610225 成都信息工程大学管理学院成都610225 广西教育学院南宁530007 南宁师范大学计算机与信息工程学院南宁530299

大数据时代低频采样交通轨迹数据呈指数级增长,准确、高效地对复杂路网中产生的海量低频浮动车数据进行地图匹配对出租车载客热点和路线推荐具有重要意义。基于上述考虑,提出了一种基于曲线拟合的改进算法,对缺失的轨迹数据和路网数据... 详细信息

大数据时代低频采样交通轨迹数据呈指数级增长,准确、高效地对复杂路网中产生的海量低频浮动车数据进行地图匹配对出租车载客热点和路线推荐具有重要意义。基于上述考虑,提出了一种基于曲线拟合的改进算法,对缺失的轨迹数据和路网数据分别使用插值和均值化的方法进行补全,利用Geohash技术对路网和轨迹数据进行存储和搜索,充分考虑车辆速度和道路限速因素,使用轨迹点后向向量和路段向量对路候选段进行分析,设计综合评价函数得到最优匹配结果。实验结果表明,与传统垂直投影算法和曲线拟合算法进行对比,所提曲线拟合算法准确率较高,时间效率得到显著提升。

关键词：地图匹配复杂道路网络低频浮动车数据曲线拟合 Geohash

来源：评论

学校读者我要写书评

暂无评论

基于改进K-Means算法的交叉口影响路段行程速度估计

引用

公路交通科技 2017年第12期34卷 115-122页

作者：钱蕾韩印姚佼上海理工大学管理学院上海200093

基于低频、低覆盖率、数据来源多样的GPS浮动车数据,在现有数据预处理方法的基础上,以交叉口影响路段数据点为研究对象,研究出更合理且准确获得交通参数的技术方案。GPS浮动车数据由于其具有全天候、多覆盖等特性,能够实时监测交通参数... 详细信息

基于低频、低覆盖率、数据来源多样的GPS浮动车数据,在现有数据预处理方法的基础上,以交叉口影响路段数据点为研究对象,研究出更合理且准确获得交通参数的技术方案。GPS浮动车数据由于其具有全天候、多覆盖等特性,能够实时监测交通参数,估计交通状态。为克服数据本身缺陷,使数据能有效利用,精确得到交通参数,本研究获取短时内路段所有数据点代表整体状态。首先基于数据的特性和在路段分布的节律,利用曲线拟合及拉格朗日中值定理确定交叉口的影响范围;其次在该范围内利用改进K-Means聚类方法,确定初始聚类中心,并以有效性指数作为优化目标确定聚类数;在此基础上分配权重,结合交叉口影响范围外的数据点,对整个交叉口影响路段的行程速度进行估计。用杭州市局部路网中GPS数据进行案例分析,验证技术方案。通过实地调查获取实验真实值,分别讨论了在主、次干路路段本方案估计差异,并与传统模型进行了对比分析。分析表明,该方法得到的路段行程速度估计值与真实值较为接近,误差较小,在城市主干路和次干路中的误差分别为4.1%和9.5%,比传统模型误差更小更稳定,能较好地满足城市智能交通控制系统对于交通参数的精度要求。

关键词：交通工程路段行程速度 K-Means聚类低频浮动车数据聚类有效性指数

来源：评论

学校读者我要写书评

暂无评论

基于深度学习融合时空关系分析的地图匹配算法研究

基于深度学习融合时空关系分析的地图匹配算法研究

引用

作者：刘志佳福州大学

学位级别：硕士

地图匹配算法旨在将一系列GPS轨迹点映射到道路网络中,实现车辆行驶轨迹与路网空间的对应。传统的地图匹配算法对高精度和高频率的GPS数据能取得较好的匹配效果,但难从高噪声和低采样率的浮动车轨迹中寻找出车辆的真实定位信息和行驶路... 详细信息

地图匹配算法旨在将一系列GPS轨迹点映射到道路网络中,实现车辆行驶轨迹与路网空间的对应。传统的地图匹配算法对高精度和高频率的GPS数据能取得较好的匹配效果,但难从高噪声和低采样率的浮动车轨迹中寻找出车辆的真实定位信息和行驶路径。主要是由于现有的算法更专注于路段之间几何和拓扑关系的研究,历史的路网状态数据和浮动车轨迹信息尚未得到充分利用。本文拟采用基于深度学习融合空间-时间关系分析的地图匹配算法(DSTMM)来寻找浮动车轨迹点的具体位置信息和推理出车辆的行驶路径。该模型考虑了道路几何与拓扑信息,同时充分挖掘浮动车轨迹数据与路段的历史状态信息。该算法的研究内容主要包括以下三个方面:1)地图匹配的误差主要是由于不合理的匹配机制导致的,它可以通过在执行地图匹配主算法程序之前缩小候选区域的范围来减少匹配误差。本文通过动态候选区域和动态候选路径集构造了基于GPS轨迹点的动态候选路径图,以此来过滤不合理的行驶路径。2)基于动态候选路径图可以初步获取车辆所有可能的候选匹配点和候选路径,本文提出的地图匹配模型进一步从空间角度分析筛选浮动车GPS轨迹的真实行驶路径。主要包括:空间几何分析、拓扑关系分析和节点转向分析。3)目标路段内的车辆行驶状态会受到相邻时刻和相邻路段车辆运行状态与道路条件影响,同时也会受到外部因素的影响,例如天气,工作日与非工作日,平高峰时间等。本文构建了基于深度学习模型(BD-LSTM NN)来捕获路段运行状态在空间-时间域上的依赖关系,同时引入天气条件和工作日周期变化作为外界影响因素。本研究将中国漳州市中心城区作为实验区域,路段感应线圈数据和GPS轨迹数据分别作为深度学习模型和DST-MM模型的实验数据,对本文所提出的基于深度学习融合空间-时间关系的地图匹配算法进行了实例评测。实验结果表明,本文所提出的DST-MM算法优于实验对比的三种地图匹配算法,在复杂城市中心区域的道路网络中效果更突出。

关键词： GPS数据低频浮动车数据地图匹配神经网络车辆轨迹

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：