發(fā)布時間：2017-06-16 15:09

  本文關(guān)鍵詞：不同交通狀態(tài)下基于手機GPS軌跡的出行信息采集效果評估研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來隨著我國城市化進(jìn)程的不斷加快和城市人口的集聚,交通擁堵問題日益突顯,交通基礎(chǔ)數(shù)據(jù)采集是解決城市交通問題的重要手段。居民出行調(diào)查是把握城市居民交通需求的基本途徑,是交通相關(guān)部門制定科學(xué)的交通管理政策以及編制交通規(guī)劃方案的重要依據(jù)。手機GPS定位技術(shù)作為一種新型居民出行調(diào)查技術(shù),相對于傳統(tǒng)的居民出行調(diào)查,其采集的個體出行軌跡數(shù)據(jù)具有實時性、動態(tài)性等特點,也極大提高了調(diào)查效率和調(diào)查數(shù)據(jù)質(zhì)量,因此手機GPS調(diào)查具有明顯的優(yōu)勢,已經(jīng)成為國內(nèi)外學(xué)者的研究熱點。本文提出利用手機GPS技術(shù)采集不同交通狀態(tài)下的個體出行軌跡數(shù)據(jù),然后運用模式識別算法對試驗數(shù)據(jù)進(jìn)行采集效果評估。首先,本文設(shè)計了在暢通狀態(tài)、一般擁堵、嚴(yán)重?fù)矶氯N不同交通狀態(tài)下的個體出行試驗,提出運用地圖網(wǎng)絡(luò)調(diào)查的方法實時獲取調(diào)查路段的交通狀態(tài)信息,同時在調(diào)查途中記錄實際出行日志,為后續(xù)的出行信息識別與數(shù)據(jù)采集效果評估奠定堅實的基礎(chǔ)。其次,本文通過數(shù)理統(tǒng)計和數(shù)據(jù)挖掘算法提取了GPS軌跡數(shù)據(jù)特征,提出運用支持向量機算法對個體出行軌跡信息進(jìn)行識別,結(jié)合支持向量機算法理論以及數(shù)學(xué)模型,依次對搜索步長、特征參數(shù)的選取、模型核函數(shù)參數(shù)值的優(yōu)化等研究,從而構(gòu)建了最優(yōu)的出行信息識別模型,并運用該模型對不同交通狀態(tài)下的GPS數(shù)據(jù)進(jìn)行識別出行方式,在此基礎(chǔ)上提取步行-機動車出行方式的換乘點信息。最后,本文主要對交通方式和換乘點識別誤差兩方面進(jìn)行數(shù)據(jù)效果評估：在不同交通狀態(tài)下,運用支持向量機算法可以對不同交通狀態(tài)的步行-公交車-步行組合數(shù)據(jù)進(jìn)行精確識別,僅用支持向量機算法對步行-小汽車-步行組合得到的交通方式識別正確率差異較大,但在運用地圖匹配算法對結(jié)果進(jìn)行修正之后,最終的識別正確率得到極大提高,此外,研究發(fā)現(xiàn)不同交通狀態(tài)對換乘點識別沒有明顯影響,相對于傳統(tǒng)的居民出行調(diào)查,其獲取的換乘點誤差在合理范圍之內(nèi)。
【關(guān)鍵詞】：手機GPS技術(shù) 不同交通狀態(tài) 出行信息 效果評估
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U495
【目錄】：

• 摘要6-7
• Abstract7-10
• 第一章 緒論10-18
• 1.1 研究背景與意義10-12
• 1.1.1 研究背景10-11
• 1.1.2 研究意義11-12
• 1.2 研究綜述12-15
• 1.2.1 國外研究現(xiàn)狀12-14
• 1.2.2 國內(nèi)研究現(xiàn)狀14-15
• 1.2.3 國內(nèi)外文獻(xiàn)總結(jié)15
• 1.3 研究內(nèi)容15-16
• 1.4 技術(shù)路線16-17
• 1.5 論文結(jié)構(gòu)安排17-18
• 第二章 出行調(diào)查試驗設(shè)計及數(shù)據(jù)采集18-29
• 2.1 出行相關(guān)概念18-20
• 2.1.1 出行活動18
• 2.1.2 出行調(diào)查18-20
• 2.2 手機GPS定位技術(shù)20-21
• 2.2.1 手機GPS技術(shù)簡介20
• 2.2.2 手機GPS定位系統(tǒng)20-21
• 2.3 手機GPS采集軟件21-23
• 2.3.1 手機GPS軟件功能21-22
• 2.3.2 手機GPS軟件界面22
• 2.3.3 網(wǎng)絡(luò)數(shù)據(jù)庫管理平臺22-23
• 2.4 出行試驗設(shè)計23-29
• 2.4.1 出行調(diào)查方案設(shè)計23-25
• 2.4.2 交通狀態(tài)調(diào)查25-27
• 2.4.3 基礎(chǔ)數(shù)據(jù)采集27-29
• 第三章 數(shù)據(jù)預(yù)處理及數(shù)據(jù)特征分析29-42
• 3.1 數(shù)據(jù)預(yù)處理29-33
• 3.1.1 原始數(shù)據(jù)29-30
• 3.1.2 數(shù)據(jù)格式轉(zhuǎn)換30
• 3.1.3 數(shù)據(jù)過濾及修復(fù)30-33
• 3.2 數(shù)據(jù)定位精確性33-35
• 3.2.1 軌跡匹配精度分析33-34
• 3.2.2 GPS定位誤差分析34-35
• 3.3 GPS軌跡數(shù)據(jù)特征35-42
• 3.3.1 GPS軌跡數(shù)據(jù)分析類型35-36
• 3.3.2 不同交通狀態(tài)下的GPS軌跡匹配特征36-37
• 3.3.3 不同交通狀態(tài)下的GPS軌跡數(shù)據(jù)分析37-42
• 第四章 出行信息識別算法理論研究42-49
• 4.1 支持向量機簡介42
• 4.2 支持向量機算法42-47
• 4.2.1 線性支持向量機43-45
• 4.2.2 非線性支持向量機45-47
• 4.3 算法特點及適用性47-48
• 4.4 支持向量機工具箱48-49
• 4.4.1 LIBSVM軟件包48
• 4.4.2 LIBSVM使用方法48-49
• 第五章 不同交通狀態(tài)下的出行信息采集效果評估49-63
• 5.1 SVM識別模型構(gòu)建49-52
• 5.1.1 試驗數(shù)據(jù)49
• 5.1.2 搜索步長研究49-50
• 5.1.3 訓(xùn)練特征參數(shù)評估50-51
• 5.1.4 核函數(shù)參數(shù)選取51-52
• 5.2 不同交通狀態(tài)下出行信息識別52-55
• 5.2.1 組合出行信息識別結(jié)果52-54
• 5.2.2 組合方式正確識別統(tǒng)計54-55
• 5.2.3 基于地圖匹配法的識別結(jié)果修正55
• 5.3 不同交通狀態(tài)下出行方式識別評估55-58
• 5.3.1 公交車組合識別結(jié)果56
• 5.3.2 小汽車組合識別結(jié)果56-57
• 5.3.3 小汽車組合修正結(jié)果57-58
• 5.4 不同交通狀態(tài)下交通換乘點識別評估58-63
• 5.4.1 步行-公交車-步行換乘點識別結(jié)果58-60
• 5.4.2 步行-小汽車-步行換乘點識別結(jié)果60-63
• 結(jié)論與展望63-65
• 1.研究結(jié)論63-64
• 2.研究展望64-65
• 致謝65-66
• 參考文獻(xiàn)66-69
• 攻讀碩士學(xué)位期間發(fā)表的論文69

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 韓悅臻,曹三鵬;城市道路交通狀態(tài)指標(biāo)體系設(shè)計探討[J];公路;2005年06期

2 皮曉亮;王正;韓皓;孫亞;;基于環(huán)形線圈檢測器采集信息的交通狀態(tài)分類方法應(yīng)用研究[J];公路交通科技;2006年04期

3 勞云騰;楊曉光;云美萍;劉競宇;;交通狀態(tài)檢測方法的評價研究[J];交通與計算機;2006年06期

4 王偉;楊兆升;李貽武;劉新杰;陳昕;;基于信息協(xié)同的子區(qū)交通狀態(tài)加權(quán)計算與判別方法[J];吉林大學(xué)學(xué)報(工學(xué)版);2007年03期

5 戢曉峰;;城市道路交通狀態(tài)分析方法回顧與展望[J];道路交通與安全;2008年03期

6 李娟;羅霞;姚琛;;基于多源數(shù)據(jù)的交通狀態(tài)判定研究[J];鐵道運輸與經(jīng)濟;2009年03期

7 李清泉;高德荃;楊必勝;;基于模糊支持向量機的城市道路交通狀態(tài)分類[J];吉林大學(xué)學(xué)報(工學(xué)版);2009年S2期

8 強添綱;邱潔;;基于熵和耗散結(jié)構(gòu)理論的道路交通狀態(tài)演變機理[J];交通標(biāo)準(zhǔn)化;2010年Z1期

9 竇慧麗;王國華;;基于模糊聚類和判別分析的交通狀態(tài)提取算法[J];交通信息與安全;2010年02期

10 曹成濤;崔鳳;林曉輝;;基于神經(jīng)網(wǎng)絡(luò)的交通狀態(tài)模糊判別方法[J];科學(xué)技術(shù)與工程;2010年21期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 郭義榮;張曉棟;董寶田;吳蕾;;基于模糊理論的交通狀態(tài)快速識別與躍遷轉(zhuǎn)變方法[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第四分冊）[C];2013年

2 竇瑞;云美萍;楊曉光;;基于視頻錄像的交通狀態(tài)判別算法準(zhǔn)確度評測[A];第七屆中國智能交通年會優(yōu)秀論文集——智能交通技術(shù)[C];2012年

3 余碧瑩;邵春福;;基于時空模型的道路網(wǎng)交通狀態(tài)預(yù)測[A];2008第四屆中國智能交通年會論文集[C];2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前9條

1 馬旭輝;城市道路交通網(wǎng)絡(luò)過飽和狀態(tài)信號控制方法研究[D];北京交通大學(xué);2016年

2 徐東偉;道路交通狀態(tài)多維多粒度獲取方法研究[D];北京交通大學(xué);2014年

3 宋淑敏;非常態(tài)下異常道路交通狀態(tài)信息獲取技術(shù)研究[D];吉林大學(xué);2012年

4 許昱瑋;VANETs中面向交通狀態(tài)的車輛主動探測方法研究[D];南開大學(xué);2012年

5 孫曉亮;城市道路交通狀態(tài)評價和預(yù)測方法及應(yīng)用研究[D];北京交通大學(xué);2013年

6 錢U，

本文編號：455711