近年來,隨著智慧城市和智能交通的發(fā)展,特別是大數(shù)據(jù)、物聯(lián)網(wǎng)和云計算等技術(shù)的廣泛應(yīng)用,城市交通路口的基礎(chǔ)設(shè)施配置愈發(fā)完善。經(jīng)過檢測器返回的交通路口動態(tài)數(shù)據(jù)與城市路網(wǎng)空間數(shù)據(jù)的融合后,從海量歷史時空數(shù)據(jù)中快速而準(zhǔn)確的匹配相似信息,已經(jīng)成為交通路口時空數(shù)據(jù)挖掘、信號配時方案推薦和短時交通流預(yù)測等研究的迫切需求。針對已有的交通路口相似度計算方法缺乏空間數(shù)據(jù)分析、計算效率低、準(zhǔn)確性差等問題,本文從實(shí)際的交通需求入手,提出了一種基于時空特征的交通路口相似度計算方法,分別對交通路口的空間相似性、本體屬性相似性和動態(tài)數(shù)據(jù)相似性進(jìn)行了深入研究。主要工作如下:（1）提出了交通路口空間場景的相似度計算方法。首先將交通路口置于空間場景中,并分析空間場景內(nèi)的幾何類型和空間關(guān)系,然后針對空間幾何間的拓?fù)潢P(guān)系、方位關(guān)系和距離關(guān)系,采用統(tǒng)一的集合排列標(biāo)準(zhǔn),分別構(gòu)建空間關(guān)系特征描述模型。最后,結(jié)合空間分析的研究思路,計算交通路口空間場景相似度。（2）提出了交通路口本體屬性的相似度計算方法。首先,依據(jù)交通路口特性,確定交通路口本體屬性包含狀態(tài)值的數(shù)量,并劃分屬性類型。然后針對數(shù)值屬性和標(biāo)稱屬性的特點(diǎn),定義不同的屬性特征描... 

【文章來源】：浙江工業(yè)大學(xué)浙江省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

杭州市路網(wǎng)數(shù)據(jù)

基于時空特征的交通路口相似度計算方法研究9通路口空間場景整體的屬性相似度單獨(dú)計算，因此不考慮單個空間對象的屬性。幾何特征的描述是通過對幾何外輪廓，特征點(diǎn)等參數(shù)的提取，描述幾何的形狀、大孝角度和方向等特征[50]。獨(dú)立的空間對象具有一般性、無序性、方向性和不重疊性。一般性表示空間對象的形狀相對多樣并且難以分類；無序性表示空間對象輪廓點(diǎn)的順時針排序和逆時針排序一般不影響形狀的變化；方向性表示大部分線目標(biāo)是帶有方向的，例如本文所定義的Link；不重疊性表示面狀矢量空間對象不允許存在重疊或相交的現(xiàn)象。因此，復(fù)雜的空間幾何特性也對幾何特征的提取方法提出了各種要求：唯一性、幾何變換不變性、穩(wěn)定性和靈敏性[51]。唯一性要求在提取幾何特征時，描述模型能夠指定唯一的空間幾何。幾何變換不變性要求幾何特征描述模型不會受到幾何基本變換的影響。穩(wěn)定性要求幾何特征提取方法能夠在局部細(xì)節(jié)發(fā)生變化時，保證描述模型的改變不會過大。靈敏性要求幾何特征描述模型能夠靈敏的捕捉相似幾何對象的差異。本文將對目前應(yīng)用比較廣泛的幾何特征描述方法進(jìn)行簡要介紹。（1）最小外接矩形法最小外接矩形法是通過繪制幾何圖形的最小外接矩形來表述幾何形狀的一種方法[52]，通常分為最小面積外接矩形和最小周長外接矩形兩種方法[53]。如圖2-2所示，最小面積外接矩形是幾何對象外輪廓頂點(diǎn)構(gòu)成的面積最小矩形，最小周長外接矩形是幾何對象外輪廓頂點(diǎn)構(gòu)成的周長最小矩形。圖2-2最小外接矩形法示意圖Figure2-2.Minimumcircumscribedrectangle當(dāng)該幾何對象為多邊形時，最小周長外接矩形會存在至少一條邊與幾何對象的

浙江工業(yè)大學(xué)碩士學(xué)位論文10邊重合，因此最小外接矩形受到更多的約束條件，計算相對簡單。計算最小周長外接矩形時，首先提取坐標(biāo)系中幾何對象P在坐標(biāo)軸上的四個最值點(diǎn)，其次構(gòu)造四個最值點(diǎn)與P的切線并旋轉(zhuǎn)至某條邊與P的一邊重合，記錄每次重合時的外接矩形周長直到線的旋轉(zhuǎn)角度超過/2弧度。最小面積外接矩形法可用來表述各種復(fù)雜的幾何對象，更具一般性，但時間復(fù)雜度也相對較差。計算最小面積外接矩形時，將坐標(biāo)系中的幾何對象P在/2弧度范圍內(nèi)均勻旋轉(zhuǎn)，并記錄每次旋轉(zhuǎn)時固定角度的外接矩形面積，最后集合中面積最小值的外接矩形。雖然最小外接矩形法可以表述空間幾何的大小，面積等基本特征，而且也確實(shí)與大部分地面建筑物的形狀比較貼合，但是建筑物的占地面積與建筑物對交通流的影響之間并沒有絕對的關(guān)聯(lián)。例如，當(dāng)交通路口場景中的學(xué)校在相鄰道路一側(cè)沒有出口時，該學(xué)校對于交通路口場景中交通流的影響可以忽略不計。另一方面，無論是最小面積外接矩形還是最小周長外接矩形都會因為幾何對象外輪廓的復(fù)雜程度而增加計算量。（2）形狀全方向特征描述法為了能夠描述出更具體的幾何形狀并且應(yīng)用于各種類型的幾何對象，田澤宇等人提出了一種形狀全方向特征描述法[54]。如圖2-3所示，該方法首先將空間幾何對象P在某一確定方向上繪制出寬度邊界線，然后利用方向線平均等分空間幾何P，統(tǒng)計每一等分的形狀特征描述量，最后將空間幾何對象P在/2弧度范圍內(nèi)指定方向旋轉(zhuǎn)并表征旋轉(zhuǎn)順序特征描述量。圖2-3形狀分割示意圖Figure2-3.Shapesegmentationdiagram該方法為了能夠統(tǒng)一描述多樣性的面狀矢量幾何，使用了大量的參數(shù)表述每一

【參考文獻(xiàn)】：
期刊論文
[1]排陣式交叉口延誤及最佳周期模型[J]. 趙靖,鄭喆,韓印.  中國公路學(xué)報. 2019(03)
[2]復(fù)雜區(qū)域?qū)ο笸負(fù)潢P(guān)系分解與計算[J]. 王占剛,杜群樂,王想紅.  測繪學(xué)報. 2017(08)
[3]顧及尺度變化和數(shù)據(jù)更新的道路網(wǎng)匹配算法[J]. 郭慶勝,謝育武,劉紀(jì)平,王琳,周林.  測繪學(xué)報. 2017(03)
[4]應(yīng)用全方向形狀特征碼的圖像檢索方法[J]. 田澤宇,門朝光,湯亞楠,蔣慶豐.  哈爾濱工業(yè)大學(xué)學(xué)報. 2016(11)
[5]基于形狀及空間關(guān)系的場景相似性檢索[J]. 田澤宇,門朝光,湯亞楠.  電子學(xué)報. 2016(08)
[6]居民地增量更新中拓?fù)錄_突自動檢測方法研究[J]. 李靖涵,武芳,翟仁健,鞏現(xiàn)勇.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2017(03)
[7]基于特征矩陣和關(guān)聯(lián)圖的空間場景相似性度量方法[J]. 陳占龍,呂夢樓,吳亮,徐永洋.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2017(07)
[8]短時預(yù)測下的單點(diǎn)交叉口無模型自適應(yīng)控制方法[J]. 郭海鋒,程君,方良君,彭起濤.  中國公路學(xué)報. 2014(12)
[9]基于體數(shù)據(jù)空間相似性的傳輸函數(shù)優(yōu)化設(shè)計方法[J]. 周志光,張斌,陶煜波,林海.  計算機(jī)學(xué)報. 2015(06)
[10]基于空間結(jié)構(gòu)約束的改進(jìn)迭代最近點(diǎn)影像配準(zhǔn)[J]. 李愛霞,程效軍,關(guān)澤群,馮甜甜.  同濟(jì)大學(xué)學(xué)報(自然科學(xué)版). 2014(04)

博士論文
[1]城市道路路網(wǎng)交通運(yùn)行狀態(tài)分析方法及應(yīng)用研究[D]. 蘇飛.北京交通大學(xué) 2017
[2]基于機(jī)器學(xué)習(xí)的交通狀態(tài)判別與預(yù)測方法研究[D]. 商強(qiáng).吉林大學(xué) 2017
[3]空間場景約束的室內(nèi)定位方法研究[D]. 史永.南京師范大學(xué) 2016
[4]城市道路交通擁堵判別、疏導(dǎo)與仿真[D]. 張婧.東南大學(xué) 2016
[5]基于特征矩陣的空間場景相似性度量模型與約束指標(biāo)松弛化研究[D]. 張丁文.中國地質(zhì)大學(xué) 2016
[6]基于實(shí)時數(shù)據(jù)的路網(wǎng)交通狀態(tài)可靠性分析方法研究[D]. 楊聚芬.吉林大學(xué) 2015

碩士論文
[1]城市路網(wǎng)交通信號的區(qū)域協(xié)調(diào)優(yōu)化與控制理論研究[D]. 陳仁思.東南大學(xué) 2018
[2]城市綜合交通樞紐與鄰接區(qū)協(xié)同規(guī)劃控制指標(biāo)研究[D]. 馮曉敏.西南交通大學(xué) 2018
[3]基于SCOOT數(shù)據(jù)的VMS交通狀況信息發(fā)布[D]. 林玉峰.東南大學(xué) 2018
[4]基于多目標(biāo)優(yōu)化模型的中小城市信號優(yōu)化配時研究[D]. 劉洋.長安大學(xué) 2017
[5]基于GPS定位技術(shù)的車輛行駛里程計算研究與應(yīng)用[D]. 陳光榮.西南交通大學(xué) 2016
[6]基于云計算的交通流預(yù)測與狀態(tài)識別關(guān)鍵技術(shù)研究[D]. 馮青平.江蘇大學(xué) 2016
[7]城市道路區(qū)域交通信號控制的動態(tài)子區(qū)劃分[D]. 陳珊珊.東南大學(xué) 2016
[8]矢量面狀地物的空間場景相似性計算方法研究[D]. 潘柔.長安大學(xué) 2015
[9]基于智能交通系統(tǒng)的城市路網(wǎng)短時交通預(yù)測[D]. 張建.西安電子科技大學(xué) 2013



本文編號：3226895