基于车牌识别数据的机动车出行轨迹提取算法

为了提取城市路网上所有运行车辆的出行轨迹,系统科学地再现所有车辆的运行场景,进而为分析城市交通需求的结构和时空分布特性提供数据支撑,提出基于车牌识别数据的机动车出行轨迹提取算法.通过车牌及时间戳排序提取出行链;利用相邻节点间的速度,结合交叉口邻接矩阵完成行链的分离;基于K则最短路径算法(KSP算法)及灰色关联法(GRA算法),对出行轨迹进行补全重构.对贵阳市南明区的实际车牌识别数据进行算法测试.结果表明,提出的基于车牌识别数据的机动车出行轨迹提取算法在测试区域的综合准确率大于92%.

基于号牌识别数据的车辆出行特征分析

为给城市交通精细化管理和科学治堵提供信息支撑,对成都市主城区机动车出行特征进行了探讨。选取了2019年9月成都市三环内全域3032套号牌识别系统数据为例进行挖掘分析,对初始数据进行预处理后,通过机动车出行链分离算法提取机动车出行次数、出行时长等出行强度特征信息,并在此基础上,结合月出行次数、日出行总时长以及交通管理实际对通勤形态、营运形态、短期到访、随机形态共四类车辆进行识别,研究其在路网中的出行特征规律。分析结果能客观反映成都市主城区车辆出行现状,辅助城市交通管理决策。