基于MapObjects的浮动车中心地图匹配综合算法开发

浮动车技术是一种新型交通流信息采集技术。以杭州市浮动车中心地图匹配算法开发为例,对地图匹配算法的实现步骤、组成进行了分析,基于MapObects组件技术,给出了部分功能的具体实现方法。     

浮动车信息处理系统关键技术的研究

本文介绍了智能交通领域中一种先进的交通信息采集发布系统-浮动车信息系统。浮动车使用GPS车载装置采集车辆的行驶参数(如时间、速度、坐标、方向等),并将这些数据通过GPRS网络传送到浮动车信息中心,经过汇总、处理后生成实时的路况交通信息,并通过互联网和GPRS、CDMA网络向公众发布。本文提出了浮动车信息处理的核心算法模型,主要包括地图匹配、路径推测和道路路况计算三部分,并分别对这些算法进行了详细描述。     

基于小样本浮动车系统的平均行程时间估计

针对浮动车技术的特性以及低浮动车采样率条件下信号交叉口给行程时间估计造成的影响,提出了一种新的浮动车路段行程时间估计方法。利用感应线圈的流量数据计算出周期内的动态排队长度,根据信号周期内的最长排队长度确定受交叉口影响区域,剔除该区域内的浮动车数据,计算浮动车在区域外的正常行程时间以及区域内的延误时间,最终求得浮动车的路段平均行程时间。仿真结果表明了本算法的可用性,为浮动车行程时间设计提供了参考。     

混合浮动车交通状态估计的样本数量研究

在保证GPS浮动车获取的交通信息准确可靠的前提下,如何确定浮动车数量是浮动车信息采集技术应用中的一个重要问题。在考虑数据有效性、浮动车运行速度和采样时间间隔等因素的基础上,重点考虑了浮动车样本的混合情况,分析了混合比例系数对样本数量的影响,通过对不同种类浮动车的计算模型进行融合,建立了面向道路网的浮动车样本数量计算模型。仿真实验表明：与前人模型相比,该模型更具合理性,并极大地提高了模型的实际应用能力。     

基于时空分析的地图匹配算法研究

地图匹配技术被广泛用于GPS导航、城市道路交通状态分析等领域。针对目前城市浮动车数据量日益庞大,地图匹配算法实时性差、匹配率不高的缺点,提出了一种基于时空分析的地图匹配算法。算法在对城市路网建立网格索引的基础上,综合考虑了空间几何、路网拓扑信息及上下文因素对选取GPS投影点的影响,大大提高了匹配效率和匹配精度。实验结果表明,算法能够满足工程应用中浮动车地图匹配的实时性和准确性。     

大规模浮动车系统路网变更检测技术综述

利用浮动车系统提供的车辆动态位置数据进行路网变更检测,可有效提高电子地图数据的更新效率,降低更新成本。本文综述比较了浮动车系统及其利用图像处理技术进行路网变更检测中各个关键环节采用的经典算法,并对基于浮动车数据的路网变更检测技术中的一些关键问题进行了深入探讨。     

浮动车车速处理分析系统中的数据融合技术

利用浮动车技术可以方便地获取路网车速,但由于采集的原始数据存在误差等原因,使得处理后的车速不能反映路网实际车速,利用数据融合技术可以解决这些问题。结合数据融合的三个级别,提出利用关联检验的方法过滤误差数据,利用统计车速与历史库车速的融合解决由于浮动车少造成车速代表性差的问题,利用浮动车同固定检测器的融合解决复杂路网下车速的处理问题。     

基于BP网络的浮动车与线圈检测数据融合模型

浮动车技术和线圈检测技术在获取交通数据方面各有所长,为了得到更高质量的数据,需要对GPS浮动车数据与线圈检测数据进行融合。针对此问题,建立了基于BP网络的融合模型,该模型包括三个部分,即初始数据产生模块、BP神经网络数据融合模块和融合结果分析模块。模型的输入参数为线圈检测模块的行程时间、交通量和GPS浮动车检测模块的行程时间、浮动车数量,输出结果为融合后的行程时间。通过仿真试验对融合模型进行了评价,融合后的行程时间的准确度和稳定性都较高,表明数据融合模型是有效的。     

基于浮动车数据的快速交通拥堵监控

浮动车技术是近年来智能交通系统中所采用的、获取道路交通信息的先进技术手段之一,可作为大规模实时交通监控的数据源.由于浮动车数据规模庞大,从大量移动对象中有效处理流数据是其中一大难点.采用相似轨迹聚类的思想,结合与拥堵特征相关的交通参数,提出了拥堵同伴发现算法.该算法能从浮动车轨迹流数据中筛选出可能发生拥堵的浮动车数据,从而对拥堵区域变化趋势进行概化预测,由预测结果决定负载处理方式.此外,设计基于预测的多优先级调度算法用以实现整个监控流程.提出的方法可有效降低处理浮动车数据的代价,实现快速交通拥堵监控.通过在城市路网中大规模出租车轨迹数据上的实测,验证了这种算法的有效性和优势.     

磁头浮动特性有限元研究的理论与方法

近年来兴起了用有限元方法研究磁头浮动特性,实算表明,该方法收敛性、稳定性好,精度高,特别适用于解决低浮动间隙的计算问题。本文研究用有限元方法求解磁头静态和动态浮动特性的理论和方法,并给出了具体算例。     

基于路网相似性的路段行程时间估计

虽然浮动车GPS数据量很大,但是在某些时段,仍然有一些路段缺少实时浮动车数据,从而难以对行程时间进行估计。针对实时浮动车实时数据在估计路段行程时间时存在数据缺失的问题,本文提出了利用路网间属性和空间结构的相似性,从浮动车历史大数据中提取相似路段之间的时空关联特征,以目标路段与相似路段间的时空关联关系为输入,目标路段行程时间为输出,利用构建的三层神经网络模型进行数据缺失路段的行程时间估计。实验结果表明,路段行程时间估计值的平均绝对百分比误差可达到30%,与Naive Model相比具有较好的估计精度,验证了从路网相似角度解决实时数据缺失的可行性。     

面向实际道路网络的浮动车采样间隔优化方法

目前基于浮动车的城市交通信息采集通常采用等间距进行采样,无法根据道路网络几何条件和状态的差异进行合理的采样间隔优化.针对现有采样算法的不足,本文提出了一种面向实际道路网络的浮动车采样间隔优化方法.首先通过构建四叉树模型对城市道路网络进行划分,确定空间采样分辨率,然后利用历史轨迹对浮动车的速度进行短时预测,最后在不影响空间采样分辨率的基础上实时动态优化采样间隔,在交通信息的精度与信息的采集成本之间取得平衡.通过仿真试验的定性定量分析,新算法能够在不同复杂程度的道路网络情况下动态调整采样间隔,不仅确保了采样数据的精度,而且降低了采样数据容量.     

城市道路状况概率神经网络判别方法

针对移动交通流检测信息的特点,在分析概率神经网络与Global K-means聚类算法的基础上,提出了一种基于移动交通流检测信息的城市路况概率神经网络判别方法。通过分析路况的相关因素,同时考虑信号控制交叉口红灯对车辆行程时间延误的影响,利用Global K-means算法改进的概率神经网络对探测车采集的实时交通信息进行处理,进而得出城市的道路状况。应用结果表明该方法能够有效地判别和跟踪道路状况的变化,比不考虑交叉口红灯的影响时能够更准确地反映城市道路的路况信息。     

.基于GIS的城市道路交通流信息发布系统应用研究*

根据基于GPRS/GPS/GSM浮动车交通流信息采集系统实时采集的交通流瞬时速度、路段速度、车辆定位等信息,借助面向对象技术、GIS技术、数据库技术设计、开发了基于GIS的城市交通流信息发布系统,系统采用数据库中的存储过程技术处理海量交通流信息与GIS信息等数据表的多表连接,实现了高效率信息查询,并融合GIS专题地图技术和数据库技术实现浮动车辆历史轨迹动态回放、交通流路段速度查询、可视化显示。开发的系统在天津市部分路段进行试验,系统能稳定、可靠地实现交通流信息发布,并能快速有效查询城市道路交通流信息及识别城市道路网络路况瓶颈,可以辅助交通管理者进行交通管理决策。     

Urban Traffic Information Service Application Grid

Traffic information processing is very complicated because of dynamic, cooperative and distributed features.This paper describes the prototype system version 2.0 of Urban Traffic Information Service Application Grid (UTISAG),which is based on the previous version. In this version, a new architecture and more enhanced services are introduced.The remarkable characteristic of the new system is providing dynamic information services for travelers by grid technology.Therefore, the key research includes integrating large multi-source traffic data, forecasting route status, simulating regional traffic flow parallelly, and implementing optimum dynamic travel scheme based on massive GPS data.     

Urban traffic congestion estimation and prediction based on floating car trajectory data

Traffic flow prediction is an important precondition to alleviate traffic congestion in large-scale urban areas. Recently, some estimation and prediction methods have been proposed to predict the traffic congestion with respect to different metrics such as accuracy, instantaneity and stability. Nevertheless, there is a lack of unified method to address the three performance aspects systematically. In this paper, we propose a novel approach to estimate and predict the urban traffic congestion using floating car trajectory data efficiently. In this method, floating cars are regarded as mobile sensors, which can probe a large scale of urban traffic flows in real time. In order to estimate the traffic congestion, we make use of a new fuzzy comprehensive evaluation method in which the weights of multi-indexes are assigned according to the traffic flows. To predict the traffic congestion, an innovative traffic flow prediction method using particle swarm optimization algorithm is responsible for calculating the traffic flow parameters. Then, a congestion state fuzzy division module is applied to convert the predicted flow parameters to citizens’ cognitive congestion state. Experimental results show that our proposed method has advantage in terms of accuracy, instantaneity and stability.     

虚拟传感器技术在车流量检测系统中的应用

基于视频的交通车流量检测系统的设计,从准确地建立虚拟传感器输出信号与实际车流量的对应关系的角度进行分析与研究,介绍了新的虚拟传感器设计方法,同时提出了信息流的预处理算法和有效信息的判断算法.从而克服了传统设计方法中由于传感器的设计不够合理、信息的获取和判断算法不够科学,导致在有效信息提取过程中消耗大量的软硬件资源等缺点...     

智能交通系统信息特征及亟待解决的相关问题

信息是智能交通系统中最为重要和核心的内容之一,正是信息的采集、加工和共享, 实现了交通管理从简单静态管理到智能动态管理的转变,满足了人们对实时、动态及历史交 通信息的需求．正是基于对信息在智能交通系统中重要性的认识,本文从研究智能交通系统 信息特征的角度出发,总结分析了ITS信息的一些主要特征,并根据这些特征,提出了一些 亟待解决的信息组织和处理问题．