本文關(guān)鍵詞：基于車(chē)輛軌跡挖掘的城市路網(wǎng)分析關(guān)鍵問(wèn)題研究，由筆耕文化傳播整理發(fā)布。

【摘要】：城市路網(wǎng)是一個(gè)開(kāi)放的高復(fù)雜性系統(tǒng),評(píng)估其健康狀態(tài),把握其運(yùn)行脈搏對(duì)于提高整個(gè)交通系統(tǒng)的效率至關(guān)重要。一直以來(lái),研究者依賴(lài)各種物理模型、微觀仿真等方法來(lái)揭示路網(wǎng)的運(yùn)行機(jī)理,取得了較多研究成果。隨著感知和計(jì)算技術(shù)的蓬勃發(fā)展,城市中各種大數(shù)據(jù)悄然而至,特別是被譽(yù)為“城市移動(dòng)傳感器”的出租車(chē)在行駛過(guò)程中所匯集成的大規(guī)模軌跡數(shù)據(jù),蘊(yùn)含了豐富的路網(wǎng)動(dòng)態(tài)信息,為我們提供了前所未有的契機(jī)來(lái)智能化的檢測(cè)、分析和評(píng)估路網(wǎng)的運(yùn)行狀態(tài),同時(shí)也對(duì)現(xiàn)有的數(shù)據(jù)分析技術(shù)和方法提出了新的挑戰(zhàn)。本文圍繞軌跡數(shù)據(jù)的挖掘技術(shù),針對(duì)低采樣率軌跡數(shù)據(jù)的地圖匹配、路網(wǎng)關(guān)鍵節(jié)點(diǎn)的識(shí)別、路網(wǎng)異常事件的檢測(cè)和區(qū)域連通性評(píng)估等一系列重要問(wèn)題展開(kāi)研究。這些研究成果在優(yōu)化交通流的控制與疏導(dǎo)、改善路網(wǎng)的規(guī)劃、提高路網(wǎng)的應(yīng)急響應(yīng)能力等方面有較好的學(xué)術(shù)價(jià)值和應(yīng)用價(jià)值,為路網(wǎng)的智能化運(yùn)行提供了必要的技術(shù)支撐。本文貢獻(xiàn)、創(chuàng)新點(diǎn)主要體現(xiàn)在以下幾個(gè)方面：(1)在軌跡數(shù)據(jù)預(yù)處理技術(shù)方面,提出一個(gè)針對(duì)低采樣率軌跡的離線(xiàn)地圖匹配方法。該方法采用了條件隨機(jī)場(chǎng)模型,其能夠?yàn)橹丿B的、非獨(dú)立的特征提供靈活的支持。基于這個(gè)優(yōu)點(diǎn),本文引入了采樣點(diǎn)的時(shí)間相關(guān)性特征并將其與空間特征進(jìn)行融合,大幅度提高轉(zhuǎn)移特征的分辨能力,同時(shí)發(fā)現(xiàn)對(duì)于采樣率過(guò)低(采樣間隔3分鐘以上)的軌跡樣本,其時(shí)空上下文無(wú)法提供足夠的差異化信息以確定其匹配的路線(xiàn),本文進(jìn)一步通過(guò)挖掘路徑偏好來(lái)彌補(bǔ)時(shí)空特征區(qū)分能力不足。在真實(shí)軌跡數(shù)據(jù)集上的實(shí)驗(yàn)驗(yàn)證了該方法的有效性。(2)為了解決路網(wǎng)關(guān)鍵節(jié)點(diǎn)的識(shí)別問(wèn)題,本文提出了一種三部圖模型來(lái)刻畫(huà)出行網(wǎng)絡(luò),從而充分利用了從車(chē)輛軌跡數(shù)據(jù)中提取的流量、出行需求、路徑選擇經(jīng)驗(yàn)以及拓?fù)涞刃畔�。在此基礎(chǔ)上,分別提出了兩種數(shù)據(jù)驅(qū)動(dòng)的關(guān)鍵節(jié)點(diǎn)識(shí)別算法。1)基于流量和OD熵的計(jì)算方法,能夠在節(jié)點(diǎn)流量及其樞紐程度兩種因素之間做出合理的權(quán)衡,2)基于特征向量計(jì)算的方法,其利用了三部圖節(jié)點(diǎn)之間的互增強(qiáng)關(guān)系,不僅結(jié)合了流量和樞紐程度兩個(gè)因素,同時(shí)還兼顧了路徑的不可替代性和距離影響,并且在對(duì)節(jié)點(diǎn)排序的過(guò)程中,還能夠計(jì)算出對(duì)路網(wǎng)負(fù)載較大的OD對(duì)和路徑。在合成數(shù)據(jù)和真實(shí)數(shù)據(jù)上的實(shí)驗(yàn)結(jié)果表明,本章提出的兩個(gè)方法均能有效的解決路網(wǎng)的關(guān)鍵節(jié)點(diǎn)識(shí)別問(wèn)題。(3)針對(duì)現(xiàn)有的異常檢測(cè)方法無(wú)法檢測(cè)多種類(lèi)型的路網(wǎng)異常,以及在路網(wǎng)這種復(fù)雜多變的環(huán)境中檢測(cè)效果不佳的問(wèn)題,本文提出了一種基于滑動(dòng)窗口快速?gòu)埩糠纸獾漠惓z測(cè)方法。該方法首先從大規(guī)模軌跡數(shù)據(jù)中提取交通流量信息,將其表示成3階張量,然后通過(guò)張量分解技術(shù)來(lái)獲得交通流在多個(gè)模式互相重疊作用下的主要變化趨勢(shì)。該方法具有以下3個(gè)特點(diǎn)：1)結(jié)合了滑動(dòng)窗口和快速SVD分解技術(shù)(IFAST),每次只需計(jì)算更新的部分?jǐn)?shù)據(jù),能同時(shí)保證計(jì)算效率和分解質(zhì)量,滿(mǎn)足實(shí)時(shí)檢測(cè)的需求。2)同時(shí)結(jié)合空間、時(shí)間和歷史三個(gè)模式上的綜合交叉分析,可以有效地檢測(cè)出多種類(lèi)型的異常；3)能夠?qū)崿F(xiàn)全路網(wǎng)范圍的異常檢測(cè)。此外,本文還提出了一個(gè)基于流量和稀疏性特征的異常OD推斷方法,能夠準(zhǔn)確的推斷出任一類(lèi)型異常的關(guān)聯(lián)OD,為進(jìn)一步分析異常原因提供參考依據(jù)。(4)提出了一種基于車(chē)輛軌跡數(shù)據(jù)的區(qū)域連通性評(píng)估方法。該方法首先從出租車(chē)軌跡和電子地圖中提取區(qū)域間旅行的速度、距離等度量信息并進(jìn)行歸一化,然后用它們?cè)诙S坐標(biāo)系中對(duì)應(yīng)的矩形面積來(lái)表示該區(qū)域?qū)Φ倪B通能力,考慮到軌跡的不確定性,利用云模型對(duì)連通能力進(jìn)行建模。然后再結(jié)合云模型的定量到定性的轉(zhuǎn)換功能和黃金分割法對(duì)區(qū)域?qū)B通能力的等級(jí)進(jìn)行劃分,從而對(duì)區(qū)域間的連通性給出準(zhǔn)確的評(píng)估。
【關(guān)鍵詞】：地圖匹配 路徑偏好 關(guān)鍵節(jié)點(diǎn) 三部圖 張量分解 云模型
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：U495;TP311.13
【目錄】：

• 摘要5-7
• ABSTRACT7-14
• 第一章 緒論14-19
• 1.1 研究背景、目的和意義14-15
• 1.2 主要研究工作15-17
• 1.3 課題來(lái)源17-18
• 1.4 本文內(nèi)容和結(jié)構(gòu)18-19
• 第二章 相關(guān)研究綜述19-30
• 2.1 路網(wǎng)軌跡挖掘預(yù)處理技術(shù)19-21
• 2.1.1 噪聲過(guò)濾19-20
• 2.1.2 地圖匹配20-21
• 2.2 路網(wǎng)關(guān)鍵路口(路段)識(shí)別技術(shù)21-23
• 2.3 路網(wǎng)異常檢測(cè)技術(shù)23-27
• 2.3.1 基于統(tǒng)計(jì)模型的異常檢測(cè)技術(shù)23-25
• 2.3.2 基于距離度量的異常檢測(cè)技術(shù)25
• 2.3.3 基于子空間學(xué)習(xí)的異常檢測(cè)技術(shù)25-27
• 2.4 路網(wǎng)可靠性評(píng)估研究27-28
• 2.5 面向路網(wǎng)分析的軌跡挖掘技術(shù)28-30
• 第三章 低采樣率軌跡的地圖匹配方法30-46
• 3.1 引言30-31
• 3.2 基于條件隨機(jī)場(chǎng)的地圖匹配方法31-35
• 3.2.1 問(wèn)題定義31-32
• 3.2.2 方法框架32-33
• 3.2.3 條件隨機(jī)場(chǎng)33
• 3.2.4 特征選擇33-35
• 3.2.5 模型推斷35
• 3.3 基于條件隨機(jī)場(chǎng)和路徑偏好挖掘的地圖匹配35-37
• 3.4 實(shí)驗(yàn)37-45
• 3.4.1 實(shí)驗(yàn)搭建與數(shù)據(jù)驗(yàn)證37-40
• 3.4.2 實(shí)驗(yàn)結(jié)果40-45
• 3.5 本章小結(jié)45-46
• 第四章 基于車(chē)輛軌跡的路網(wǎng)關(guān)鍵節(jié)點(diǎn)識(shí)別46-67
• 4.1 引言46-47
• 4.2 網(wǎng)絡(luò)節(jié)點(diǎn)重要性評(píng)估47-48
• 4.2.1 節(jié)點(diǎn)重要性評(píng)估指標(biāo)47-48
• 4.2.2 特征向量中心性48
• 4.3 基于流量和OD熵的路網(wǎng)節(jié)點(diǎn)關(guān)鍵度評(píng)價(jià)48-52
• 4.4 基于特征向量計(jì)算的路網(wǎng)關(guān)鍵節(jié)點(diǎn)排序方法52-57
• 4.5 實(shí)驗(yàn)57-65
• 4.5.1 模擬數(shù)據(jù)的驗(yàn)證58-62
• 4.5.2 真實(shí)數(shù)據(jù)的驗(yàn)證62-65
• 4.6 小結(jié)65-67
• 第五章 基于車(chē)輛軌跡的路網(wǎng)異常檢測(cè)67-88
• 5.1 引言67-68
• 5.2 張量分解概述68-70
• 5.2.1 張量概念68-70
• 5.2.2 張量分解70
• 5.3 基于張量分解的路網(wǎng)異常檢測(cè)70-77
• 5.4 異常OD推斷77-79
• 5.5 實(shí)驗(yàn)79-86
• 5.5.1 仿真實(shí)驗(yàn)數(shù)據(jù)79-81
• 5.5.2 仿真對(duì)比與驗(yàn)證結(jié)果81-85
• 5.5.3 真實(shí)數(shù)據(jù)實(shí)驗(yàn)結(jié)果85-86
• 5.6 小結(jié)86-88
• 第六章 基于車(chē)輛軌跡的路網(wǎng)連通性評(píng)估88-96
• 6.1 引言88-90
• 6.2 區(qū)域連通性的不確定性計(jì)算90-93
• 6.3 實(shí)驗(yàn)對(duì)比93-95
• 6.4 小結(jié)95-96
• 第七章 總結(jié)與展望96-98
• 7.1 總結(jié)96-97
• 7.2 展望97-98
• 參考文獻(xiàn)98-103
• 致謝103-104
• 攻讀博士學(xué)位期間發(fā)表論文104-106
• 攻讀博士學(xué)位期間參加的科研項(xiàng)目106

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 許明;吳建平;杜怡曼;謝峰;肖云鵬;;基于三部圖的路網(wǎng)節(jié)點(diǎn)關(guān)鍵度排序方法[J];北京郵電大學(xué)學(xué)報(bào);2014年S1期

2 王翠英;;Folksonomies的語(yǔ)義挖掘研究[J];圖書(shū)情報(bào)工作;2009年08期

3 王道平;周丹云;李秀雅;;基于三部圖的隨機(jī)游走知識(shí)推送方法研究[J];情報(bào)雜志;2013年09期

4 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前2條

1 許明;吳建平;杜怡曼;謝峰;肖云鵬;;基于三部圖的路網(wǎng)節(jié)點(diǎn)關(guān)鍵度排序方法[A];2013年全國(guó)通信軟件學(xué)術(shù)會(huì)議論文集[C];2013年

2 史云飛;吳江寧;;企業(yè)書(shū)簽系統(tǒng)中的知識(shí)推薦研究[A];第六屆（2011）中國(guó)管理學(xué)年會(huì)——商務(wù)智能分會(huì)場(chǎng)論文集[C];2011年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 許明;基于車(chē)輛軌跡挖掘的城市路網(wǎng)分析關(guān)鍵問(wèn)題研究[D];北京郵電大學(xué);2015年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前5條

1 唐凱;完全三部圖色唯一性的研究[D];北京交通大學(xué);2007年

2 李鳳琴;三部圖K（m，n，r）-A（|A|=2）的色唯一性[D];內(nèi)蒙古大學(xué);2004年

3 蘇克義;若干完全三部圖的色等價(jià)性和色唯一性[D];西北師范大學(xué);2009年

4 尹君;若干三部圖的色唯一性[D];青海師范大學(xué);2010年

5 馬新苗;完全三部圖K_（2，2，，r）（r=4，5，6）具有M（3）性質(zhì)[D];河北工業(yè)大學(xué);2005年

  本文關(guān)鍵詞：基于車(chē)輛軌跡挖掘的城市路網(wǎng)分析關(guān)鍵問(wèn)題研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：466876