激光测距仪/GPS下城市道路SVM-AID算法研究

为减少交通事件引起的交通延误,有效预防偶发性交通事件导致二次事故的发生,提出一种基于支持向量机(SVM)和数据融合技术的城市道路交通事件自动检测(AID)算法。利用车载激光测距仪采集本车与前车的距离,利用搭载全球定位系统(GPS)的浮动车采集本车瞬时速度。将这2种交通数据按一定的规则进行数据级融合,然后运用线性、多项式和径向基(RBF)3种核函数的SVM模型分别进行事件检测。最后,用实测数据对其进行验证。结果表明:核函数为RBF的非线性SVM模型检测率(DR)值最大,误判率(FAR)值最小,检测指标均优于经典算法,说明算法检测性能良好。

GPS在车载导航系统中的应用

研究基于GPS的车载导航系统的原理,从监控中心、车辆状态及车主手机3个方面对GPS车载导航系统进行总体的功能设计及相关的模块设计.在已搭建的电子地图(super m ap)上,利用GSM移动通讯系统传递信息,进行GPS的定位导航,选择河海大学作为导航的地点,测得GPS车载导航系统的实时定位导航数据,进行比较分析,通过误差判断定位精度及控制效果.

一种基于WSN和GPS融合定位的浮动车路况优化研究与验证

为解决浮动车数据在城市范围内存在的"信号漂移"和"信号盲区"问题,提高地图道路适配准确率和路况信息准确率,研究应用WSN无线定位技术以及地图匹配技术,设计数据融合框架,提出基于WSN和GPS的融合数据路况优化算法及计算流程,监测车辆在路网上的行驶状况和各路段的拥堵程度。通过选取广州市800个车载传感器节点、20个路侧传感器节点以及3个路段进行现场数据验证,结果显示在加入WSN定位数据并采用上述算法处理后,地图道路适配准确率提高约4%,路况信息准确率提高约5%,同时路况信息的处理速度也得以提高。可见,基于该优化算法,WSN和GPS融合定位数据能有效提高浮动车路况的准确性和有效性。

基于MapObjects的浮动车中心地图匹配综合算法开发

浮动车技术是一种新型交通流信息采集技术。以杭州市浮动车中心地图匹配算法开发为例,对地图匹配算法的实现步骤、组成进行了分析,基于MapObects组件技术,给出了部分功能的具体实现方法。

宝钢铁水供应管理系统的二次开发

通过对宝钢铁钢界面结构和物流现状的详细分析,确定完善宝钢现行铁水调度系统功能的优化方案,并经过软件开发和调试,最终实现了铁水供求的计算机智能调度。

城市浮动车数据定位误差分布研究

提出了计算城市浮动车定位误差的方法,分析了定位误差数据的分布情况和特征,给出并验证浮动车定位误差的概率分布函数,给出不同等级道路的浮动车定位误差分布规律。通过出租车载客状态和地图匹配的路径来推导浮动车的参考位置并计算误差,然后分别运用多种误差分布密度函数进行拟合,发现最适合的定位误差概率密度函数。以广州市浮动车数据为例进行了验证,结果表明偏p-范分布最适合复杂城市路网的浮动车误差分布,可作为浮动车数据进一步应用的基础。

基于GSM的汽车事故求救系统设计

为了在汽车意外事故后伤者能得到及时的救援,设计了一种基于嵌入式的汽车事故求救系统。该系统以MC9S12XS128为主控芯片,利用三轴加速传感器MPU6050和GPS(Global Positioning System)判断车辆的姿态信息和位置信息,并通过GSM(Global System for Mobile Communications)模块将车况数据传给呼叫中心和家属端,接收端对事故确认后迅速救援。测试结果证明了该系统的可靠性。

一种基于轨迹数据的红绿灯位置检测方法

红绿灯位置是道路上行人和车辆的交会点,极大影响着道路结构和交通运行,在城市路网中起着重要的枢纽作用。针对目前红绿灯位置检测方法准确率不够高、覆盖面区域不完整等问题,提出了一种基于轨迹数据的交通灯位置检测方法。该方法基于聚类-合并-分类-合并的四级模型,首先从清理过的轨迹数据中提取隐含的车辆行驶特征,再采用具有噪声的基于密度的聚类(density-based spatial clustering of applications with noise,DBSCAN)方法得到转向和停驻两类聚类中心,对这两类聚类中心进行合并,获得红绿灯位置的候选位置;根据候选位置一定范围内的轨迹点提取该区域的车流行驶特征,然后采用梯度提升决策树(gradient boosting decision tree,GBDT)算法进行分类,最后将候选位置的正样本融合,以检测红绿灯位置。采用成都市浮动车GPS轨迹数据进行实验,检测结果的F1分数为0.947,效果优于常规的机器学习方法。实验结果表明,基于GPS轨迹数据,采用提出的四层模型能有效检测出红绿灯的位置,该模型可被用于城市大范围红绿灯位置信息的快速获取和更新。

基于浮动车停车点数据交叉口车辆排队长度计算方法

浮动车数据中存在许多行驶速度为零的停车点数据记录,它们和交叉口车辆排队长度存在一定的空间关系。针对此提出一种新的基于浮动车停车点数据计算交叉口前车辆排队长度的方法。首先根据车辆停车点地理位置和正常行驶点的连续关系及和路段的相对位置进行地图匹配,提取出路段上交叉口前正常排队停车点数据;然后从正常排队停车点数据中计算出相对交叉口的浮动车数据相对位置关系,根据对浮动车停止点距离交叉口的位置密度分布变化进行2次统计计算,推算出交叉口前车辆排队长度。最后通过实际浮动车数据计算实例对本方法进行了说明和验证。

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。