一种基于空间语义特征的浮动车轨迹匹配技术

针对浮动车轨迹数据挖掘中的空间语义分析问题,阐述了传统的电子导航地图匹配方法用于浮动车轨迹地图匹配时的主要问题,提出了基于空间语义特征的浮动车轨迹匹配算法,并结合实际数据进行了试验验证,本文提出的基于空间语义特征的全局路径匹配方法取得了很好的匹配效果,并可还原浮动车轨迹经由的真实路径。

基于浮动车轨迹数据的路网快速提取

浮动车轨迹数据包含丰富的路网信息,随着浮动车轨迹数据的逐渐公开,从中提取路网信息已成为可能。目前,大多数算法提取路网时,使用统一的阈值忽略了轨迹数据的密度差异,且只考虑了轨迹的形态没有考虑轨迹的方向,严重影响了提取结果的几何精确度和拓扑正确度。为此,该文提出了一种自适应半径质心漂移聚类方法,能根据轨迹密度、道路宽度自动调整聚类参数和利用轨迹方向实现道路拓扑连接。首先,通过自适应半径质心漂移聚类方法计算路网骨架点,采用小波聚类算法获取路网骨架点的方向集;然后,根据聚类半径和方向对骨架点进行递归连接,生成路网数据。利用深圳市福田区一天的浮动车轨迹数据进行了算法实验验证,将实验结果与栅格化方法、约束三角网方法的结果进行了定性定量评价分析。实验结果表明,该文算法提取的路网数据在几何精确度及拓扑正确度上都有明显的提高,且算法适合大数据处理。

基于浮动车轨迹的城市出行分析与流量预测

在城市化速度不断加快的背景下,城市路网的复杂程度和通行压力都在不断增加,这给城市路况带来了很大影响。基于数据驱动的城市交通优化已经成为现代智慧交通的主要发展方向。根据日照市出租车行驶路口起讫点分布情况,运用K-Means聚类刻画出城市路网中乘客出行量、出行分布在时间和空间上的特征;建立ARIMA乘法季节模型,预测城市主要路口出租车过车量。本次研究从数据出发,为城市交通预测提供了一个方向。

浮动车轨迹数据聚类的有向密度方法

为了充分挖掘浮动车轨迹数据的潜在特性,本文在OPTICS空间密度聚类算法基础上,提出了一种有向密度的快速聚类方法(D-OPTICS)。该方法通过扇形空间邻域计算其有向密度信息,并基于方向信息约束其密度可连通性,通过有向可达距离曲线生成数据基本簇,最后,通过空间网格及类簇聚合等优化方法,实现其大规模浮动车轨迹数据的快速聚类处理。通过有向时空数据的聚类分析,发现浮动车轨迹的时空分布特性,以提取复杂路网的结构信息。本文以福州市大规模浮动车轨迹数据,对D-OPTICS进行了系统实验,分析表明,该算法可实现浮动车轨迹数据的快速有向密度聚类分析,有助于挖掘发现时空轨迹数据的分布规律,且基于聚类结果提取了福州市区复杂路网的有向拓扑结构图。同时,与DBSCAN及OPTICS等传统的密度聚类算法进行性能对比,实验表明,DOPTICS算法能更好地支持大规模浮动车轨迹数据的处理要求。

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。

浮动车轨迹点地图匹配及插值算法

针对带有定位误差和异常值的浮动车轨迹点数据,该文设计并实现了滑动窗口最优路径地图匹配算法,在综合考虑轨迹点的空间几何关系和路网拓扑关系基础上,为轨迹点匹配最优道路并纠正轨迹点误差。其次,针对稀疏且时间间隔不稳定的匹配后轨迹点,设计改进的Hermite插值法拟合车辆运动状态,并对稀疏轨迹点进行时序插值。利用南京市出租车轨迹点数据进行匹配算法与插值算法的验证,实验结果表明匹配算法具有较高准确性,插值算法能有效还原车辆行驶状态。

基于协调影响流量的交叉口群主要流线识别

为了确定交叉口群的主要流线,以更好地进行交叉口群协调控制,建立基于协调影响流量交叉口群主要流线识别算法。首先分析路径协调影响流量成分,通过对交叉口群范围内的浮动车轨迹路径进行统计分析,确定备选主要流线并计算流线协调影响浮动车数量;然后利用交叉口流量和转向比例估计备选主要流线的协调影响流量;最后根据备选主要流线的统计协调影响浮动车数量和估计协调影响流量来计算流线权重指标,通过权重指标确定交叉口群的主要流线。以西安雁塔区划分的一个交叉口群为例,对交叉口群主要流线进行识别,验证本文算法的效果。实验结果表明,本文算法能利用浮动车数据和流量数据对交叉口群主要流线进行实时识别,为交叉口群信号协调控制提供支撑。

轨迹墙可视化方法的可用性评价

针对目前轨迹墙的研究主要侧重墙地图的构建,对可用性研究较缺失这一问题,该文以浮动车为例来设计可用性实验,通过对比墙地图、时序地图和平面地图在不同测试任务下的可视化情况,选取正确率、时间、用户喜好等级作为衡量指标,并用T检验分析完成不同任务时间差异的显著性,主要得到以下结论:对于识别任务,墙地图的效果要次于时序地图;对于比较任务,墙地图的表达效果要明显优于时序地图;对于排序任务,墙地图的表达效果与平面地图基本相当;对于关联任务,墙地图的表达效果要好于平面地图;对于定位任务,墙地图的表达效果要比平面地图差;对于联系任务,墙地图表达要明显优于平面地图。