本文選題：盲信息處理 + 異常數(shù)據(jù)分離　； 參考：《山東大學(xué)》2016年碩士論文

【摘要】：城市智能交通系統(tǒng)能夠提高道路通行效率,是解決交通擁堵這一城市發(fā)展瓶頸的有效方法。但是智能交通系統(tǒng)的正常運(yùn)行必須依賴于能夠準(zhǔn)確描述即時交通路網(wǎng)結(jié)構(gòu)的電子地圖。傳統(tǒng)方法建構(gòu)城市路網(wǎng)地圖時,利用地圖匹配模型將遙感數(shù)據(jù)和探測車數(shù)據(jù)進(jìn)行融合,這需要漫長的時間來采集數(shù)據(jù),而且兩種來源不統(tǒng)一的數(shù)據(jù)之間的兼容可能會引入誤差。及時更新城市交通路網(wǎng)地圖數(shù)據(jù)的先決條件包括兩個方面,即得到單條矢量道路(如道路路段)結(jié)構(gòu)數(shù)據(jù)和關(guān)鍵點(diǎn)(如交通信號燈)位置數(shù)據(jù)。浮動車軌跡定位數(shù)據(jù)可以描述道路結(jié)構(gòu),另外其中包含的瞬時速度和瞬時方向角等行駛特征數(shù)據(jù)還可以描述浮動車的行駛狀態(tài)。根據(jù)浮動車在某條道路上的行駛特征可以估計(jì)出該道路的某些屬性參數(shù)。綜上,浮動車軌跡定位數(shù)據(jù)是建構(gòu)和更新交通路網(wǎng)的理想數(shù)據(jù)源�；诖�,本文提出一種基于時空大數(shù)據(jù)交通路網(wǎng)盲信息處理的算法,首先提出交通數(shù)據(jù)盲信息處理理論,具體分析浮動車觀測數(shù)據(jù)之間空間位置分布關(guān)系和浮動車軌跡與矢量道路的空間相遇關(guān)系；然后設(shè)計(jì)了一種按時段分離交通異常數(shù)據(jù)的方法,分離得到不存在明顯異常的觀測數(shù)據(jù)；通過實(shí)驗(yàn)提出鄰域質(zhì)心聚類方法并通過線性插值和弧段插值的方法得到矢量道路結(jié)構(gòu)核心點(diǎn)；最后提出利用鄰域平均速度提取道路關(guān)鍵點(diǎn)的方法,并根據(jù)矢量道路上下行對稱的特征對結(jié)果進(jìn)行了修正。本文方法不借助任何人工測量數(shù)據(jù),只利用浮動車觀測數(shù)據(jù),通過盲信息處理建構(gòu)矢量道路結(jié)構(gòu)并提取出道路中的關(guān)鍵點(diǎn)位置(公交站點(diǎn)、交通信號燈位置)。本文將上述方法結(jié)合濟(jì)南市出租汽車和公交車的GPS軌跡觀測數(shù)據(jù)進(jìn)行了實(shí)驗(yàn),結(jié)果表明該方法建構(gòu)的矢量道路精度較高,能夠準(zhǔn)確描述真實(shí)道路特征,提取的道路公交站點(diǎn)和交通信號燈位置距離真實(shí)位置的平均誤差分別是6.31米和7.58米,數(shù)據(jù)更新頻率是10天／次,能夠快速準(zhǔn)確實(shí)現(xiàn)交通路網(wǎng)拓?fù)涞慕?gòu)和迭代更新。
[Abstract]:Urban Intelligent Transportation system (its) can improve the traffic efficiency and is an effective method to solve the bottleneck of urban development. However, the normal operation of its depends on the electronic map which can accurately describe the structure of real-time traffic network. When the traditional method is used to construct the urban road network map, the remote sensing data and the rover data are fused by using the map matching model, which takes a long time to collect the data, and the compatibility between the two kinds of data with different sources may introduce errors. The precondition of updating the map data of urban traffic network in time includes two aspects: the structural data of single vector road (such as road sections) and the position data of key points (such as traffic lights). The track location data of the floating vehicle can describe the road structure, and the driving characteristic data such as instantaneous velocity and instantaneous direction angle can also be used to describe the driving state of the floating vehicle. According to the driving characteristics of a floating vehicle on a road, some attribute parameters of the road can be estimated. In summary, floating vehicle locus location data is an ideal data source to construct and update traffic network. Based on this, this paper presents an algorithm for blind information processing of traffic network based on space-time big data. Firstly, the theory of blind information processing of traffic data is proposed. The spatial position distribution relationship between the observation data of the floating vehicle and the spatial encounter between the track of the floating vehicle and the vector road are analyzed in detail, and then a method of separating the abnormal traffic data according to the period of time is designed. The observed data without obvious anomalies are separated and the core points of vector road structure are obtained by linear interpolation and arc-segment interpolation, and the neighborhood centroid clustering method is proposed by experiments. Finally, a method of extracting the key points of the road by using the average velocity of the neighborhood is proposed, and the results are corrected according to the symmetric feature of the vector road. In this paper, the vector road structure is constructed by blind information processing without any manual measurement data, and only the floating vehicle observation data is used. The key points in the road (bus stations, traffic lights) are extracted. In this paper, the above method is combined with the GPS track observation data of taxi and bus in Jinan. The results show that the vector road constructed by this method has high accuracy and can accurately describe the real road characteristics. The average error between the location of the bus stop and the traffic signal is 6.31 m and 7.58 m, respectively, and the frequency of data updating is 10 days / time, which can quickly and accurately realize the topology construction and iterative updating of the traffic network.
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U495

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王志強(qiáng);徐瑞華;;基于復(fù)雜網(wǎng)絡(luò)的軌道交通路網(wǎng)可靠性仿真分析[J];系統(tǒng)仿真學(xué)報(bào);2009年20期

2 王忠強(qiáng),黎青松,陳旭梅;軌道交通路網(wǎng)基本圖式研究[J];西南交通大學(xué)學(xué)報(bào);2000年03期

3 金雁中;;交通路網(wǎng)自動綜合方法研究與實(shí)現(xiàn)[J];科技情報(bào)開發(fā)與經(jīng)濟(jì);2007年13期

4 黃敏;饒明雷;李敏;;基于規(guī)則的交通路網(wǎng)建模及其應(yīng)用[J];公路交通科技;2012年01期

5 唐建橋;左大杰;王慈光;;基于分形維數(shù)的交通路網(wǎng)覆蓋形態(tài)特性研究[J];公路交通科技;2014年04期

6 鄒亮,徐建閩;公共交通路網(wǎng)描述方法及誘導(dǎo)模型設(shè)計(jì)[J];華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年09期

7 杜勤,謝曉暉;上海市快速路(高架)系統(tǒng)交通路網(wǎng)的配套研究[J];中國市政工程;2005年04期

8 楊俊宴;吳明偉;;中國特大城市CBD交通路網(wǎng)模式量化研究[J];規(guī)劃師;2010年01期

9 黃敏;趙建華;吳海賓;沙志仁;;基于道路標(biāo)線布設(shè)方案的交通路網(wǎng)數(shù)據(jù)庫構(gòu)建研究[J];測繪科學(xué);2012年01期

10 ;今日映秀[J];交通建設(shè)與管理;2013年05期

相關(guān)重要報(bào)紙文章 前10條

1 特約記者 陳永和 通訊員 楊蝶飛;劍川縣大交通路網(wǎng)“雛形”初顯[N];大理日報(bào)(漢);2014年

2 記者 郭京泉;市政府專題調(diào)度對外交通路網(wǎng)建設(shè)工程[N];廊坊日報(bào);2006年

3 記者 王海平;我市交通路網(wǎng)建設(shè)取得新進(jìn)展[N];安陽日報(bào);2011年

4 記者 李松華 李聰華 魏道俊;我州綜合交通路網(wǎng)建設(shè)邁出堅(jiān)實(shí)步伐[N];紅河日報(bào);2014年

5 本報(bào)記者 黎光;�？诮煌肪W(wǎng)更暢通了[N];海口晚報(bào);2014年

6 ;本市軌道交通路網(wǎng)新票制票價10月7日實(shí)施[N];北京日報(bào);2007年

7 記者 王紀(jì)霞;完善提升交通路網(wǎng) 切實(shí)造福人民群眾[N];許昌日報(bào);2013年

8 本報(bào)記者 李雪婷;完善交通路網(wǎng)建設(shè) 改善居民出行條件[N];鶴壁日報(bào);2014年

9 劉鍵;全力構(gòu)建現(xiàn)代化交通路網(wǎng)體系[N];深圳特區(qū)報(bào);2006年

10 通訊員 邱興躍;巍山全力構(gòu)建大交通路網(wǎng)格局[N];大理日報(bào)(漢);2013年

相關(guān)碩士學(xué)位論文 前7條

1 張振宇;基于安全域的軌道交通路網(wǎng)安全狀態(tài)評估與預(yù)測[D];北京交通大學(xué);2016年

2 趙慶濤;基于時空大數(shù)據(jù)交通路網(wǎng)盲信息處理算法與實(shí)現(xiàn)[D];山東大學(xué);2016年

3 焦騰;基于高分辨率遙感影像的交通路網(wǎng)提取技術(shù)研究[D];湖南大學(xué);2013年

4 譚云峰;基于均衡原理的城市土地利用與交通路網(wǎng)的協(xié)調(diào)性研究[D];重慶交通大學(xué);2012年

5 劉寰;基于手機(jī)數(shù)據(jù)的城市交通路網(wǎng)預(yù)測與路徑選取[D];北京交通大學(xué);2014年

6 何晉川;軌道交通路網(wǎng)票務(wù)清算系統(tǒng)的研究與實(shí)踐[D];東華大學(xué);2010年

7 孫昕;基于Stackelberg博弈模型的城市交通優(yōu)化研究[D];杭州電子科技大學(xué);2015年

，

本文編號：1830756