機(jī)動車數(shù)量的迅猛增長與城市道路建設(shè)的限制造成了嚴(yán)重的道路供需矛盾,從而導(dǎo)致了擁堵情況的頻繁發(fā)生。如何利用合適的歷史交通流參數(shù)數(shù)據(jù)對交通擁堵情況進(jìn)行精準(zhǔn)快速地識別與預(yù)測,并通過識別和預(yù)測的結(jié)果及時采用合理的交通干預(yù)措施,是緩解交通擁堵的關(guān)鍵所在。目前網(wǎng)約車的蓬勃發(fā)展一方面在一定程度上解決了人們出行打車難的問題,另一方面網(wǎng)約車產(chǎn)生了大量的GPS定位點(diǎn)出行數(shù)據(jù),這些數(shù)據(jù)具有數(shù)據(jù)量大、覆蓋范圍廣、數(shù)據(jù)準(zhǔn)確等優(yōu)點(diǎn),因此非常適合用于交通擁堵狀態(tài)的研究當(dāng)中。本文基于網(wǎng)約車市場占有率最大的滴滴出行提供的GPS定位點(diǎn)數(shù)據(jù),通過分析數(shù)據(jù)特點(diǎn)并充分挖掘數(shù)據(jù)中蘊(yùn)含的信息,結(jié)合機(jī)器學(xué)習(xí)等相關(guān)的先進(jìn)算法,對GPS數(shù)據(jù)預(yù)處理與交通流參數(shù)提取、交通擁堵狀態(tài)劃分與識別、交通流參數(shù)預(yù)測等方面進(jìn)行了研究。本文首先分析了網(wǎng)約車GPS數(shù)據(jù)存在的時序混亂、數(shù)據(jù)冗余、數(shù)據(jù)漂移等問題,針對這些問題進(jìn)行了相應(yīng)的處理,然后進(jìn)一步進(jìn)行了坐標(biāo)轉(zhuǎn)換、地圖匹配等工作,對處理干凈的GPS數(shù)據(jù)提取了單一路段的流量、速度、密度、時間延誤指數(shù)四個交通流參數(shù),針對提取的參數(shù)中存在的問題進(jìn)一步進(jìn)行了空白時段填補(bǔ)、小波去噪等處理。在上述處理之后,本文提出了一... 

【文章來源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

基于網(wǎng)約車GPS數(shù)據(jù)的交通擁堵狀態(tài)研究技術(shù)路線圖

西南交通大學(xué)碩士研究生學(xué)位論文 數(shù)據(jù)素的影響并提高數(shù)據(jù)處理的準(zhǔn)確度和速度，本文堵情況。由于原始數(shù)據(jù)量過于巨大，全部數(shù)據(jù)量為預(yù)處理耗時巨大。而本文主要研究單一路段的交性的前提下，本文初步將數(shù)據(jù)空間范圍縮小到經(jīng)在 104.048 到 104.066 的區(qū)域內(nèi)，下圖所示為 201點(diǎn)展示，軌跡點(diǎn)相對地圖有較大范圍的偏移，后續(xù)

圖 2-2 坐標(biāo)轉(zhuǎn)換后效果圖可見軌跡點(diǎn)與路網(wǎng)之間已基本符合，但放大局部仍會發(fā)現(xiàn)數(shù)據(jù)與路網(wǎng)之間存在，這是因?yàn)?GCJ-02 坐標(biāo)是對 WGS-84 坐標(biāo)進(jìn)行的非線性加偏，使用的參數(shù)會隨著度變化而變化，在將 GCJ-02 解偏時，算法無法完全準(zhǔn)確地將其還原為 WGS-84 實(shí)標(biāo)，因此需要進(jìn)行進(jìn)一步的地圖匹配處理。由于地圖匹配不是本文的研究重點(diǎn)，文采用的原始數(shù)據(jù)精度較高，這里結(jié)合 arcgis 軟件，采用點(diǎn)（軌跡點(diǎn)）到線（路近鄰分析方法進(jìn)行地圖匹配。點(diǎn)到線的匹配算法即將軌跡點(diǎn)向路段做垂線，選擇最近的路段作為最終匹配路段，垂足作為最終匹配到路段的位置。地圖匹配后的如圖 2-3 所示：

【參考文獻(xiàn)】：
期刊論文
[1]基于GPS軌跡數(shù)據(jù)的城市路段交通擁堵時序分析[J]. 趙夏君.  湖南交通科技. 2018(03)
[2]基于機(jī)動車音頻信號的交通狀態(tài)判別研究[J]. 姚雪嬌,蔡銘.  中國公共安全(學(xué)術(shù)版). 2017(03)
[3]基于投影尋蹤動態(tài)聚類的快速路交通狀態(tài)判別[J]. 邴其春,龔勃文,楊兆升,林賜云,曲鑫.  西南交通大學(xué)學(xué)報. 2015(06)
[4]基于深度學(xué)習(xí)的交通擁堵預(yù)測模型研究[J]. 譚娟,王勝春.  計算機(jī)應(yīng)用研究. 2015(10)
[5]基于收費(fèi)數(shù)據(jù)的高速公路交通狀態(tài)判別方法[J]. 楊慶芳,馬明輝,梁士棟,梅朵.  華南理工大學(xué)學(xué)報(自然科學(xué)版). 2014(12)
[6]短時交通流預(yù)測的改進(jìn)K近鄰算法[J]. 謝海紅,戴許昊,齊遠(yuǎn).  交通運(yùn)輸工程學(xué)報. 2014(03)
[7]基于馬爾可夫鏈模型的交通擁擠狀態(tài)預(yù)測[J]. 鄭建湖,林小惠,鄭禮席,張書虎.  交通標(biāo)準(zhǔn)化. 2012(22)
[8]譜聚類算法綜述[J]. 蔡曉妍,戴冠中,楊黎斌.  計算機(jī)科學(xué). 2008(07)
[9]基于探測車技術(shù)和多級模糊模式識別的道路交通狀態(tài)評價方法[J]. 王力,范耀祖,張海.  公路交通科技. 2007(09)
[10]基于卡爾曼濾波的高速道路行程時間動態(tài)預(yù)測[J]. 杭明升,楊曉光,彭國雄.  同濟(jì)大學(xué)學(xué)報(自然科學(xué)版). 2002(09)

博士論文
[1]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
[2]基于集成學(xué)習(xí)的交通狀態(tài)預(yù)報方法研究[D]. 劉擎超.東南大學(xué) 2015
[3]城市快速路交通運(yùn)行狀態(tài)評價及預(yù)測方法研究[D]. 張亮亮.北京交通大學(xué) 2016
[4]基于混沌理論的交通狀態(tài)預(yù)測研究[D]. 馬慶祿.重慶大學(xué) 2012

碩士論文
[1]高速公路實(shí)時交通狀態(tài)判別方法研究[D]. 杜崇.北京交通大學(xué) 2017
[2]基于機(jī)器學(xué)習(xí)技術(shù)的交通流預(yù)測模型研究與實(shí)現(xiàn)[D]. 樊漢勤.西南交通大學(xué) 2017
[3]城市道路交通擁擠狀態(tài)判別及預(yù)測研究[D]. 楊俊瑛.西南交通大學(xué) 2014
[4]基于浮動車軌跡的城市交通擁堵評估與預(yù)測[D]. 張本士.大連理工大學(xué) 2014
[5]基于模糊理論的城市道路交通狀態(tài)判別研究[D]. 晏承玲.重慶大學(xué) 2013
[6]交通擁擠的度量方法與基于浮動車的交通擁擠檢測[D]. 路加.清華大學(xué) 2003



本文編號：3328887