基于多相似度量指标的路网匹配算法研究

路网数据融合是路网数据更新以及提升数据质量的重要方法之一。而路网数据融合的关键技术在于路网匹配。结合路网数据源的特点,提出了一种顾及路段和结点拓扑关系,基于语义、几何和拓扑多种相似度量指标的路网匹配算法。通过实验表明,该算法能在不同尺度的路网数据中准确识别出互相匹配的路段,具备可操作性和实用性。     

基于预处理的城市路网拓扑结构构建算法

路网拓扑结构构建是最优路径规划的基础。针对MapInfo数据格式电子地图不具备拓扑结构,且现有拓扑结构构建算法精度低、效率差等不足,提出在路网拓扑结构构建前,应用缓冲区分析技术和计算区域质点等预处理方法,对原始路网不规则的关系进行分类和道路信息补充,以此为基础创建路段和节点图层,建立路网拓扑关系。应用该算法,在VB6.0开发环境和MapInfo二次开发控件MapX支持下,实现了重庆市路网拓扑结构的构建。实验结果表明,该算法构建精度和效率明显提高。     

基于矢量地图数据的路径规划算法研究

分析了矢量地图数据格式的特点,在进行路网拓扑信息提取和“分层分块”存储的基础上,比较了几种常用路径搜索算法;给出一种基于多级比例尺地图模型的多比例尺启发式最优路径规划算法,并对如何提高路径规划的实效性进行了探讨。     

基于共享单车GPS数据的小区道路生成方法

利用GPS数据生成路网对城市交通有着重要意义。由于机动车自身对道路条件的要求,利用机动车GPS提取路网主要针对城市主干道及主路,忽略了小路及小区路网。为完善城市路网,提出了一种基于共享单车GPS轨迹的道路拓扑结构生成方法。首先提取路网拓扑节点,通过引入趋势夹角判断转折点后利用转向角分析确定拓扑点。然后提取道路线型,通过OW(opening window)算法对轨迹进行分割、基于DBCSAN算法思想提出一种对子轨迹聚类方法,再提取特征点来拟合道路中心线。利用缓冲区验证路网的精度,结果表明该方法生成的道路既能确保拓扑结构又具有较高的覆盖率。     

面向智能交通系统的仿真路网快速建模方法

提出了一种面向智能交通系统的仿真路网模型,与传统路网模型相比,增强了几 何表达和拓扑表达能力,同时其上可附着丰富的交通属性数据,能够满足精细化智能交通仿真 的需求。在此基础上,研究了一种路网数据迁移方法,从现有电子地图快速提取并构建面向智 能交通系统的道路路网。通过对几何精确性、拓扑完备性和建模高效性的测试表明,该路网模 型及其建模方法,提高了交通仿真基础路网建模的效率,降低了建模成本,为智能交通仿真的 广泛应用提供了高效、可靠的道路数据来源。     

基于邻近数据查询算法的街区路网规划仿真

城市街区路网的规划主要受到交通密度、主干路间隔的影响,由于交通环境的动态性,对路网的规划也需持续更新,因此通过路网规划获取最优出行路线难度较大。现提出基于邻近数据查询算法的街区路网规划方法。获取Voronoi图对街区路网空间数据集划分后的多个空间单元,并将其存储在路网结构中。基于空间均分法,将街区路网空间区域划分成不同的区域,利用邻近数据查询算法,查询路网目标节点。确定街区各个层次路网的规划拓展等级,建立街区路网拓扑树,通过对拓扑树获取街区路网最优路径节点序列,实现街区路网的规划。实验结果表明,研究方法完成路网规划时其最优路径查询时间、CPU开销以及路网规划耗时指标均优于对比方法,以此验证了提出方法具有更理想的实用性。     

基于多尺度空间划分与路网建模的城市移动轨迹模式挖掘

针对城市移动轨迹模式挖掘问题展开研究, 提出移动全局模式与移动过程模式相结合的挖掘方法, 即通过移动轨迹的起始位置点--终点位置点 (Origin-destination, OD点) 与移动过程序列分别进行移动全局模式与过程模式的发现. 在移动全局模式发现中, 提出了弹性多尺度空间划分方法, 避免了硬性等尺度网格划分对密集区域边缘的破坏, 同时增强了密集区域与稀疏区域的区分能力.在移动过程模式发现中, 提出了基于移动轨迹的路网拓扑关系模型构建方法, 通过路网关键位置点的探测抽取拓扑关系模型.最后基于空间划分集合与路网拓扑模型对原始 移动轨迹数据进行序列数据转换与频繁模式挖掘. 通过深圳市出租车历史 GPS 轨迹数据的实验结果表明, 该方法与现有方法相比在区域划分、数据转换等方面具有更好的性能, 同时挖掘结果语义更为丰富, 可解释性更强.     

嵌入式GIS 地图快速显示方法的应用

为提高嵌入式GIS环境下矢量地图的显示速度,设计了一种适用于嵌入式环境基于LOD的地图数据组织模型.针对嵌入式设备硬件条件限制,从减少非显示区域的冗余地图数据的读取和提高外存检索矢量数据的效率两方面入手,对矢量地图数据进行了分层、分块和建立索引等处理.通过实验表明,该方法能很好地提高矢量地图的显示速度,可以满足嵌入式环境下地图快速显示的要求.     

导航终端中的兴趣点数据压缩检索技术

为了在资源相对有限的嵌入式导航终端上对导航电子地图中包含的大量兴趣点（POI）数据进行有效的组织和存储,基于嵌入式数据库Berkeley DB,提出一种分块压缩的POI数据压缩存储方法。该方法根据POI数据的特点,对其进行聚类、排序、分词以及基于记录块的压缩和存储,通过分词数据的倒排索引,实现POI数据的快速检索。实验结果表明,该方法能够获得较高的压缩率和检索性能。     

基于STL三角网格的数据快速读取研究

STL格式文件用三角网格面来描述实体模型,实际应用如逆向工程中需要建立三角形、边和顶点的郐接拓扑关系,其中查找并去除重复顶点是建立拓扑结构的关键.着重讨论拓扑关系构建过程中数据查找的3种方法:线性表、平衡二叉树和三轴分块排序,通过实测数据对这3种方法的性能进行了分析和比较.     

Modular Neural Tile Architecture for Compact Embedded Hardware Spiking Neural Network

Biologically-inspired packet switched network on chip (NoC) based hardware spiking neural network (SNN) architectures have been proposed as an embedded computing platform for classification, estimation and control applications. Storage of large synaptic connectivity (SNN topology) information in SNNs require large distributed on-chip memory, which poses serious challenges for compact hardware implementation of such architectures. Based on the structured neural organisation observed in human brain, a modular neural networks (MNN) design strategy partitions complex application tasks into smaller subtasks executing on distinct neural network modules, and integrates intermediate outputs in higher level functions. This paper proposes a hardware modular neural tile (MNT) architecture that reduces the SNN topology memory requirement of NoC-based hardware SNNs by using a combination of fixed and configurable synaptic connections. The proposed MNT contains a 16:16 fully-connected feed-forward SNN structure and integrates in a mesh topology NoC communication infrastructure. The SNN topology memory requirement is 50 % of the monolithic NoC-based hardware SNN implementation. The paper also presents a lookup table based SNN topology memory allocation technique, which further increases the memory utilisation efficiency. Overall the area requirement of the architecture is reduced by an average of 66 % for practical SNN application topologies. The paper presents micro-architecture details of the proposed MNT and digital neuron circuit. The proposed architecture has been validated on a Xilinx Virtex-6 FPGA and synthesised using 65 nm low-power CMOS technology. The evolvable capability of the proposed MNT and its suitability for executing subtasks within a MNN execution architecture is demonstrated by successfully evolving benchmark SNN application tasks representing classification and non-linear control functions. The paper addresses hardware modular SNN design and implementation challenges and contributes to the development of a compact hardware modular SNN architecture suitable for embedded applications     

基于多链表结构的嵌入式系统内存管理

针对复杂嵌入式系统中的动态内存管理,提出了一种新的方法.将可以使用的动态内存划分成多个内存块组,每组中内存块大小相同,不同组的内存块大小不同.分配动态内存时可以按照需求,使用不同大小的内存块.根据这种新的划分方式,设计了相应的内存块管理链表的数据结构和动态内存的分配、释放算法.并在试验中使用了这种管理方法,给出了该方法和其它方法相比较的试验结果.     

Exploration of distributed shared memory architectures for NoC-based multiprocessors

Multiprocessor system-on-chip (MP-SoC) platforms represent an emerging trend for embedded multimedia applications. To enable MP-SoC platforms, scalable communication-centric interconnect fabrics, such as networks-on-chip (NoCs), have been recently proposed. The shared memory represents one of the key elements in designing MP-SoCs to provide data exchange and synchronization support.This paper focuses on the energy/delay exploration of a distributed shared memory architecture, suitable for low-power on-chip multiprocessors based on NoC. A mechanism is proposed for the data allocation on the distributed shared memory space, dynamically managed by an on-chip hardware memory management unit (HwMMU). Moreover, the exploitation of the HwMMU primitives for the migration, replication, and compaction of shared data is discussed. Experimental results show the impact of different distributed shared memory configurations for a selected set of parallel benchmark applications from the power/-performance perspective. Furthermore, a case study for a graph exploration algorithm is discussed, accounting for the effects of the core mapping and the network topology on energy and performance at the system level.     

基于两级筛选机制及深度学习组合模型实现短时交通流预测

准确实时的短时交通流预测对现代交通管理服务体系的构建至关重要.为了充分挖掘并利用不同路段短时交通流交互作用而表现出的时空特性,构建由自相关函数、互相关函数和KNN算法组成的两级筛选机制评估与目标路段的相关性优化路段组合,实现空间信息深度挖掘;提出一种GCN-GRU组合预测模型,利用图卷积网络(GCN)全局处理路段拓扑信息的优势进一步捕捉短时交通流的空间特性,并借助门控循环单元(GRU)对时间信息的长时记忆能力提取其时间特性.利用实测高速公路短时交通流数据进行验证,仿真结果表明,采用两级筛选机制对路段进行有效筛选并引入深度学习组合模型,预测性能明显改善,优于堆栈式自编码网络(SAEs)和GRU等经典模型.     

一种基于GPS轨迹的道路拓扑生成方法

复杂路网拓扑的自动生成建立在道路提取和交叉路口识别的基础之上,是智能交通控制和自动导航服务等领域的研究热点之一,基于浮动车或出租车的GPS轨迹可以反映交通路网的拓扑结构。为此,提出了一种基于GPS轨迹的道路拓扑生成方法,即在无道路地图辅助的情况下,该方法基于大规模GPS轨迹,能够快速提取路口交叉点,自动构建具有地理位置信息的拓扑结构和计算相邻路口的网络距离。实验结果表明,该方法能够提取出各个道路交叉点并建立各点之间的拓扑关系。在提取主干道路拓扑实验中,在设置路宽为55米的情况下提取路口交叉点的正确率达到了87.08%,各路口之间的平均网络距离误差率为8.87%,并且能够正确地得到交叉点之间的连通关系。     

基于等效网络的车辆导航系统路线规划算法

在实际交通行为中,不可避免地存在着交叉口时间延迟,而且交通管制信息如交叉口转向限制也普遍存在,这些交通特征使得常规的最短路算法难以满足车辆导航系统路线规划的要求。提出基于“节点-弧段-特征”的数据结构存储方案,能够完整描述路网的平面拓扑和交通特征属性;针对具有交叉口转向限制和交叉口延迟等特征的交通网络,首先采用对偶图方法构造等效网络,在等效网络中采用常规的最短路算法计算最优路线,然后将它转化为原道路网中的行车路线。试验证明这种方法能够有效解决包含交通特征的车辆导航系统路线规划问题.     

城市复杂道路网络交通流的分解模型

针对城市道路交通流非线性、不确定性和模糊性特点,将城市道路与快速干道作为整体对待,提出了面向控制应用的城市交通网络宏观动态离散模型。将城市街区作为划分基点,把整个城市道路复杂交通网络分解为交叉口和单向环形道路两个子系统,分别建立了它们的宏观动态模型。通过对交叉口进行理想虚拟变形,将各个单向环形道路连接在一起,从而形成各种复杂网络。对西安市中心区域的实际交通流数据进行了仿真研究,结果表明该交通流模型基本实现了城市道路与快速干道的统一分析建模,较好地反映了城市路网的交通流信息,可以作为城市交通控制系统分析和设计的有力工具。     

智能网联车环境下基于路段评分的数据转发模型

智能网联车之间的拓扑快速变化导致车间链路质量不稳定,从而使得数据转发的效率降低。对此,本文面向城市路网提出一种基于路段实时评分的智能网联车数据转发模型(Road section scoring-based data forwarding model for intelligent connected vehicles,RSSM)。首先,根据车辆密度将路段分为两部分,并分别对两部分路段上节点间的连通性进行建模,之后得到整条路段上节点间的连通性作为该路段的得分。然后,计算整个路网中所有路段上节点间的连通性并将其作为上述路段的得分,依据整个路网对路段的评分实现源节点到目的节点的动态路径规划,保障所规划的数据转发在整体上最优。最后,在结合实验平台NS3与SUMO上进行仿真对比,实验结果表明：与同类算法相比,本文提出的数据转发模型RSSM在数据投递成功率和时延方面均优于同类数据转发方法。