基于路口信息的出租车异常轨迹检测

针对出租车的异常轨迹检测问题,根据已有的出租车GPS数据,结合城市道路路口信息,提出了一种基于路口的异常轨迹检测算法(Intersection-Based Anomalous Trajectories Detection,IBATD)。该算法将GPS数据进行地图匹配,并将匹配后的GPS轨迹以路口的形式描述,再以多叉树的方式实现轨迹聚类。通过计算待测轨迹的轨迹概率,并与给定异常阈值进行比较,将轨迹分类为正常或异常。与经典的基于Hausdorff距离的谱聚类算法相比,多叉树轨迹聚类具有更准确的轨迹模型库、更快的运算速度以及实时检测的特点。

基于射频通讯的路口交通信息解析系统

智能交通系统是将数据通信、传感器、电子控制等运用于整个交通运输管理体系。本文主要介绍一种基于射频通信,协调人、车、路之间安全运行,实时高效的路口交通信息解析系统。

基于众源轨迹的OSM路网转向信息增强

OpenStreetMap(OSM)路网数据是一个开放性的数据集,旨在为全球用户提供免费的数字地图资源,但路口转向信息的缺失,成为制约其进一步服务于车辆导航和路径规划的瓶颈。为此,本文提出一种基于地图匹配和字符串映射的路口转向探测方法,通过挖掘众源GNSS轨迹数据在交通路口的动态连接信息,为OSM路网结构赋予转向关系。首先,基于一种自上而下的四叉树分裂思想,设计了OSM路口结构探测方法,进而将路口结构简化为一个连接点;在此基础上改进HMM地图匹配算法,识别漂移异常的轨迹序列,从而将低频、高噪的众源轨迹投影到OSM路段上;接着,引入面向路口的路段字符编码技术,将路口相关的轨迹映射为转向过程中的方向字符串,进一步借助于最优路径分析思想,设计了空字符的信息增强处理方法还原低频轨迹行驶的路线信息,以有效提高短路段的轨迹支持度;最后,直接针对轨迹方向字符串,通过字符串匹配挖掘轨迹在目标路口的转向类别,实现OSM路网的转向信息增强。本文将复杂的路口转向关系识别转化为简单的字符串匹配,基于上海市数据的试验表明,该方法可以识别结构与大小各异的路口转向关系,其精确率达到90%,召回率超过98%,F1值超94%。