目前,嚴(yán)重的交通擁堵已成為大中型城市面臨的突出問題,阻礙著新型城鎮(zhèn)化建設(shè)的有序發(fā)展。隨著城市交通擁堵形勢(shì)的日益嚴(yán)峻,如何有效地識(shí)別區(qū)域內(nèi)的交通狀態(tài)成為智能交通研究中的一個(gè)熱點(diǎn)。傳統(tǒng)的識(shí)別方案基本是依靠感應(yīng)線圈、攝像頭等固定傳感器組建交通狀態(tài)檢測(cè)網(wǎng)絡(luò),此類方法由于存在建設(shè)和維護(hù)成本高的局限,對(duì)整個(gè)城市路網(wǎng)達(dá)不到完全覆蓋。而浮動(dòng)車數(shù)據(jù)憑借其采集成本低、覆蓋面廣的優(yōu)勢(shì)逐漸成為最重要的交通數(shù)據(jù)來源。通過對(duì)浮動(dòng)車軌跡數(shù)據(jù)的分析可以挖掘出交通流狀態(tài)信息,從而實(shí)現(xiàn)對(duì)擁堵道路的準(zhǔn)確識(shí)別。浮動(dòng)車的數(shù)量在不斷地增長,每天產(chǎn)生的定位信息數(shù)以億計(jì)。海量的數(shù)據(jù)為傳統(tǒng)的數(shù)據(jù)處理技術(shù)帶來了挑戰(zhàn),如何提高系統(tǒng)的吞吐量和性能成為首要解決的問題,分布式計(jì)算的出現(xiàn)為大數(shù)據(jù)處理提供了新的解決方案。本文圍繞如何利用出租車GPS數(shù)據(jù)進(jìn)行交通擁堵識(shí)別的問題展開研究,所完成的主要工作如下:(1)將原始的出租車GPS數(shù)據(jù)進(jìn)行預(yù)處理,包括數(shù)據(jù)清洗和地圖匹配。介紹了數(shù)據(jù)的來源和格式,分析了影響GPS數(shù)據(jù)質(zhì)量的無效數(shù)據(jù)和噪聲數(shù)據(jù)的特征及清洗流程。在研究了現(xiàn)有的幾種地圖匹配算法基礎(chǔ)上,采用隱馬爾科夫模型(HMM)進(jìn)行地圖匹配,以修正偏離路段的軌跡點(diǎn)位置信息。(2)采用SAGA-FCM算法進(jìn)行路段擁堵狀態(tài)的識(shí)別。選取路段平均速度作為主要的擁堵識(shí)別指標(biāo),通過單輛車的平均速度估計(jì)出路段的平均速度。針對(duì)交通狀態(tài)的模糊性,采用模糊C均值聚類算法(FCM)進(jìn)行交通狀態(tài)的模糊劃分。由于FCM算法對(duì)初始值敏感且容易陷入局部最優(yōu),結(jié)合模擬退火遺傳算法(SAGA)改進(jìn)其不足。實(shí)驗(yàn)表明,在擁堵狀態(tài)識(shí)別上SAGA-FCM算法比FCM算法準(zhǔn)確度更高。(3)設(shè)計(jì)了一個(gè)基于Storm平臺(tái)的擁堵識(shí)別系統(tǒng)。針對(duì)大規(guī)模GPS數(shù)據(jù)實(shí)時(shí)處理的問題,探討了分布式流處理系統(tǒng)的架構(gòu)�；赟torm平臺(tái),結(jié)合消息中間件和空間數(shù)據(jù)庫,對(duì)SAGA-FCM擁堵識(shí)別算法進(jìn)行實(shí)現(xiàn)。最后采用WebGIS相關(guān)技術(shù),將城市路網(wǎng)和擁堵路段在網(wǎng)頁上進(jìn)行可視化展現(xiàn)。
【學(xué)位單位】：西華師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：U491.265
【部分圖文】：

圖 2-1 北京市路網(wǎng)Fig. 2-1 Road network of Beijing清洗 數(shù)據(jù)格式用的出租車 GPS 數(shù)據(jù)由出租車運(yùn)營公司提供。每輛車每隔GPS 數(shù)據(jù)到數(shù)據(jù)中心，出于節(jié)約內(nèi)存資源和通信帶寬的考慮器的數(shù)據(jù)為二進(jìn)制碼流。通過對(duì)二進(jìn)制流的解碼可以得到-SeparatedValues,CSV）格式的 GPS 數(shù)據(jù)文件。文件每一行代，一行中采用逗號(hào)分割各個(gè)屬性字段。一個(gè)時(shí)空采樣點(diǎn)包含示。其中，需要說明的是采樣時(shí)間戳的格式是 yyyyMMddH24 小時(shí)制。出租車的瞬時(shí)速度為千米/時(shí)（km/h），行駛方向順時(shí)針旋轉(zhuǎn)依次取值 0-360 度。載客狀態(tài)有 0、1、2 三種取于空閑狀態(tài)、載客狀態(tài)和駐車狀態(tài)。表 2-1 出租車 GPS 數(shù)據(jù)字段Table 2-1 The data field of GPS in Taxi

影點(diǎn)作為匹配點(diǎn)[34]。最短距離匹配算法實(shí)現(xiàn)簡單，但在路段密集區(qū)域和交叉路容易造成較大的誤差。因此在實(shí)際中不常用這種算法選擇匹配路段，而是用作在經(jīng)求得匹配路段的前提下直接投影找到匹配點(diǎn)。Quddus[35]等人提出了一種基于重的幾何匹配算法，不僅考慮了待定位點(diǎn)和各路段的距離，還考慮了車輛方向與段方向的夾角。（2）概率統(tǒng)計(jì)匹配算法概率統(tǒng)計(jì)匹配算法最早由 Honey[36]等人提出，該算法的思想是設(shè)置一個(gè)置區(qū)域來選取匹配路段。當(dāng)置信區(qū)域包含多條候選路段時(shí)，再根據(jù)車輛距離、速度方向等信息確定最優(yōu)路段。概率統(tǒng)計(jì)匹配算法不要求車輛一定在路段上，當(dāng)置信域內(nèi)沒有候選路段時(shí)，算法認(rèn)為車輛不在道路上。（3）模糊邏輯匹配算法模糊邏輯匹配算法借助隸屬度函數(shù)來描述候選路段的誤差模型。宋潔[37]等提出了有關(guān)模糊邏輯算法的改進(jìn)，選擇距離、速度和方向作為評(píng)判因子，分別定其隸屬函數(shù)，計(jì)算出模糊向量和權(quán)向量，最后做模糊變換得到距離、速度和方向自的權(quán)重值。模糊邏輯算法的優(yōu)點(diǎn)是具有較高的匹配準(zhǔn)確度，并且適用于多種路

第 3 章 基于模糊聚類的交通擁堵識(shí)別算法A-F 六個(gè)等級(jí)，主要衡量自由流速度、密度和流量三個(gè)指標(biāo)[49]。如圖 3.1 所示，LO被分為六個(gè)區(qū)間，圖中坐標(biāo)系縱軸為交通流量，表示一段道路上每小時(shí)通過的車輛數(shù)，各區(qū)間分割線斜率的的倒數(shù)為交通流密度，表示一段道路上每英里通過的車輛數(shù)。此外，一些州根據(jù)自身情況采用一些其他的參數(shù)來評(píng)判交通擁堵，如德州使用同一條路段上車輛的實(shí)際行駛時(shí)間和自由交通流通過路段的時(shí)間的比值來量化擁堵程度，芝加哥將 5min 內(nèi)車道占用率超過 30%的交通狀態(tài)判定為發(fā)生擁堵。

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 許佳捷;鄭凱;池明e

本文編號(hào)：2812787