近年來,車輛運動軌跡異常檢測作為反映交通狀況的重要指標之一,也是出行者較為關(guān)注的交通信息。提前預測車輛未來異常行為信息不僅可以讓出行者更加快捷地選擇合理的行駛方案,避開擁堵路段和危險,減少燃油、時間損耗;還可以為管理者提供合理的決策依據(jù),便于交通控制與管理。本文針對車輛軌跡異常檢測問題,結(jié)合軌跡聚類分析方法,進行了研究與探討。本文主要研究內(nèi)容如下:(1)基于多特征參數(shù)修正的譜聚類流程,結(jié)合譜聚類和修正參數(shù),給出了一種車輛軌跡譜聚類的可行性方案。首先對不同車輛運動速度情況下的軌跡相似度度量方法應用問題進行了解析和探討;其次結(jié)合車輛異常行為識別流程圖,在完成譜聚類的前提下完成了二維空間內(nèi)的車輛軌跡坐標位置的異常檢測識別;然后針對所提算法給出具體的實驗方法,并對算法有效性進行了驗證。(2)針對車輛運行軌跡中的異常軌跡檢測問題,設計了一種基于DBSCAN算法的車輛異常軌跡檢測算法。首先就軌跡預處理過程和密度聚類算法進行了說明;其次對所采用的相似性度量方法--Hausdorff距離計算方法進行了闡述;然后就軌跡聚類分析流程進行了分析描述,并對所提基于DBSCAN算法的車輛異常軌跡檢測算法進行了詳...

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【部分圖文】：

圖2.1車輛軌跡數(shù)據(jù)預處理方法

第2章車輛軌跡異常檢測分析算法基本理論狀態(tài)異常，頻次異常以及方位范圍異常數(shù)據(jù)過濾后，使用Pycharm編程環(huán)境完成車輛數(shù)據(jù)相似度匹配，有效軌跡數(shù)據(jù)特征提取等處理。鑒于Oracle數(shù)據(jù)倉庫為大型數(shù)據(jù)庫，處理工序耗時較大的問題，這里只使用其完成存儲以及查詢操作。具體數(shù)據(jù)....

圖2.2聚類基本方案

第2章車輛軌跡異常檢測分析算法基本理論聚類分析方法類就是對大量未知標注的數(shù)據(jù)集，按照數(shù)據(jù)的內(nèi)在相似性將數(shù)據(jù)集劃分是類別內(nèi)的數(shù)據(jù)相似度較大而類別間的數(shù)據(jù)相似度較小的一種無監(jiān)督算聚類方案如圖2.2所示，可劃分為以下幾個步驟：聚類數(shù)據(jù)的特征清洗與法設計與模型構(gòu)建，聚類算法的可....

圖3.1軌跡的絕對方向

01()(),...,()mx,xx為線性無關(guān)的函數(shù)0011()...mmsx(x)(x)(x2(,...,),()1nttttt=y-y=sxy立損....

圖3.2軌跡的相對方向

刻的絕對方向可以設定為以下幾種情況1111111111arctan(),0&&arctan(),0&&arctan(),0&&0,0t+tt+tt+t+tt+tt+ttt+tt+tt+ttt+tt+ty-yx-x....

本文編號：3967303