城市路网车辆出行轨迹获取的混合轨迹拆分

针对采用车牌照进行车辆出行轨迹的调查分析过程中产生的混合轨迹问题,从分析原理、构建解集、拆分决策三方面研究了混合轨迹的拆分方法。建立了一次可达网络模型,阐明了面向轨迹交通调查的工作机理,通过对比分析正常轨迹和混合轨迹特征,采用基于栈式节点存储的深度优先搜索算法构建了车辆出行轨迹拆分解集。在此基础上,考虑时距相符程度、路径模式匹配程度、路径曲折度指标建立轨迹效用函数,利用TOPSIS法进行轨迹拆分的最优解决策,通过算例说明了算法的有效性。     

基于车牌自动识别数据的车辆OD轨迹还原

交通信息采集设备捕获的车牌数据是研究车辆出行轨迹的天然载体, 可用于追踪、还原车辆在路网的完整出行轨迹. 但是, 受技术与设备覆盖等限制, 采集的时序车牌数据总是呈现出稀疏不完整的性质. 为充分利用车牌数据, 研究并提出一种基于稀疏车牌数据的OD轨迹还原算法. 该算法首先以间隔时间阈值分离车辆的OD出行链. 然后基于K则最短路径算法(KSP)生成多个近似的候选轨迹. 最后, 采用变分自编码器(VAE)选择决策最优估计轨迹, 以获取车辆完整出行轨迹. 该方法已在杭州市萧山区实际交通小区进行实施验证. 结果显示, 所提出的还原算法在测试小区可达95%的综合准确率. 此外, 在节点缺失率高、摄像点位覆盖率低的情况下, 重构算法依然具备良好的性能(高于50%).     

基于历史行车轨迹集的车辆行为可视分析方法

随着智慧城市的不断发展,基于交通卡口自动获取车辆行车轨迹,为基于轨迹的车辆行为分析奠定了基础.但是,因为卡口的位置固定,车辆轨迹表示为卡口序列,所以文中首先将卡口和轨迹分别映射为单词和句子,应用语句的语义相似性方法计算轨迹相似性;然后在轨迹相似性的基础上提出轨迹熵,用轨迹熵度量某个车辆所有轨迹的规律性;最后基于轨迹熵分析车辆的行为特征,如轨迹熵低的车辆意味着行车特别有规律,很可能是通勤车.为便于用户进行深入分析,文中进一步提供了包含多联动视图的可视分析系统,允许用户观察和比较车辆轨迹和轨迹熵,结合聚类分析和相关交互,帮助用户发现有意义的车辆行为,如上下班的通勤车的轨迹熵较低、游街模式的出租车轨迹熵很高.对昆明市2019年2月份的卡口数据集进行了分析,结果表明所提方法能有效发现不同轨迹熵区间内的车辆出行行为及其特点,证明了所提方法的有效性.     

空间位置的关联分析及其向量化表示方法

理解地理空间位置的空间相关性,对于地理信息检索、推荐系统,城市交通管理,居民出行模式探究等应用研究具有重要支撑作用.为更具体表义空间位置及其关联关系,本文基于多种居民出行轨迹数据,提出一种基于深度学习的空间位置向量化表示方法,而后通过空间位置向量的向量运算,可计算得到空间位置的关联程度.首先将长、短距离出行轨迹进行匹配连接,构建大规模交通网络,覆盖多种出行模式,得到对不同位置间空间关联信息的完整识别.然后基于图神经网络模型,本文提出融合位置特征与轨迹信息的空间向量化表示方法,并优化其训练学习中节点采样方法,提高空间向量的表达能力.最后以北京市共享单车轨迹数据与公共交通路网数据进行实证分析,实验结果表明基于本文提出方法生成的空间向量在空间位置的关联分析、聚类分析中相比DeepMove等已有方法拥有更好的效果.     

基于GIS路网的公交路线轨迹算法

为解决公交路线轨迹偏移路网以及在GIS路网信息缺失尤其是乡村道路情况下的公交轨迹描绘.论文首先通过深入分析公交车辆GPS数据,分别聚类出线路上下行轨迹点;其次,轨迹点清洗并排序;再次,结合GIS路网基础信息进行地图匹配;最后,根据改进的Dijkstra算法解决路网拓扑结构缺失情况下制作出公交路线轨迹.将该算法实施在A市35条公交线路上,线路匹配成功率为85%,未匹配成功线路由于样本缺失或者路网基础信息错误导致,可见该算法具有较好的准确率和实用性.     

车辆出行轨迹调查分析中的丢点轨迹还原

针对利用车牌照生成车辆出行轨迹过程中由于车牌遗漏而产生的丢点轨迹问题, 提出一种丢点轨迹还原方法。首先建立一次可达网络模型来描述调查点之间直接可达关系, 并构建轨迹还原解集; 考虑时距相符程度、路径模式匹配程度、路径曲折度指标, 构造轨迹的效用函数, 利用逼近理想解排序的TOPSIS法进行轨迹还原解集决策, 得到最优的还原解。通过一个丢点轨迹示例进行了实验分析, 结果表明, 该方法可以得到满意的丢点还原解。     

基于步行GPS轨迹的路网提取方法

准确提取和及时更新路网信息,对于道路规划和车辆导航等方面至关重要。目前,基于GPS轨迹的路网提取方法一般是从浮动车或出租车的GPS轨迹中挖掘城市主干路网。然而,现有方法忽略了小路的自动提取,它对于抗震救灾、小区导航或乡村游览等场合非常重要。因此,本文提出基于步行GPS轨迹的路网提取方法,分为数据预处理、道路中心线生成和路网精度评价3个部分。其中,先后采用轨迹点聚类、聚类点分割和中心线拟合等方法生成道路中心线。通过自行采集的步行GPS数据进行实验,结果表明,本文方法能够准确提取路网,覆盖率可达96.21%,而误检率仅3.26%;并且能够提取小路和更新路网。     

基于GPS轨迹数据的公交到站时间预测方法研究

公交到站时间预测作为智能公交的核心内容之一,不仅可以极大地提高公交服务满意度进而提高公交出行率,而且可为智能公交调度系统的优化提供数据依据。本文将公交GPS数据和公交站点与线路等GIS数据进行融合、处理与分析,基于公交车轨迹数据和路段在空间关系和时空分布上的分析和处理,设置一定的离站距离阈值对当前公交站点进行缓冲区分析,搜索在最近一段时间内停靠该站点的公交车轨迹数据,获取不同车辆的轨迹信息,进行公交到站时间预测研究,建立预测模型,推算出公交到站时间,并以经过广州市体育中心公交站的多条公交线路为例验证预测方法的准确性。研究表明:通过模型预测所得多条公交线路的公交到站时间与实际调查记录时间误差较小。     

搜索路网空间中时空相似轨迹

为了分析移动对象行为特征,需要一种度量轨迹间相似性的方法,虽然在欧氏空间检索移动对象相似轨迹的研究较多,但在路网空间这种研究还不多见。在实际应用方面,大多数移动对象位于路网空间而不是欧氏空间。本文研究了路网空间相似轨迹的特性,并提出了一种在路网空间搜索相似轨迹的度量方法。实验结果表明该方法不仅是搜索相似轨迹的实用技术,也是一种较好的轨迹聚类方法     

区别多种出行方式的城市活动轨迹预测

信息社会中,基于用户的历史活动轨迹发掘和预测人类位置轨迹及活动规律至关重要.已有研究大多采用基于时间和轨迹间相似度分类的马尔可夫模型,忽略了不同出行方式下的移动规律差异.对此,区别不同出行方式,基于轨迹的速度、加速度和航向变化速度等特征,用XGBoost算法识别轨迹所对应的出行方式,并采用基于优化的轨迹分割算法,将人类出行轨迹按出行方式分解成多个轨迹,采用由不同出行方式轨迹建立的马尔可夫模型实现出行轨迹的精准预测.实验表明,不同出行方式的轨迹的移动规律存在显著差异,且所提出方法的预测精度和距离偏差明显优于几个基准方法.     

面向套牌甄别的流式计算系统

套牌车的甄别具有时效性约束。针对现有计算检测方法中所出现的精度低、响应慢等局限,提出了一种基于实时车牌识别（ANPR）数据流的套牌车流式并行检测方法,设计了基于路段阈值表和时间滑动窗口的套牌计算模型,能够实时地甄别出交通数据流中的套牌嫌疑车。在Storm环境下,利用某市真实交通数据集模拟成实时交通流数据进行实验和评估,实验结果表明计算的准确率达到98.7%,并且一条车牌识别数据的处理时间为毫秒级。最后,在该计算模型基础上实现了套牌车稽查防控系统,能实时甄别并展现出当前时刻城市交通网中出现的所有套牌嫌疑车。     

一种基于车流量的司乘推荐模型

作为城市交通的基础设施,出租车在日常交通中起着重要作用。随着城市规模的扩大,人们的出行需求不断增加,然而出租车的分布与叫车需求分布之间难以匹配,从而导致打车困难问题的出现,这一现象在大型城市尤其明显。造成打车难的主要原因在于司乘之间信息不能互通,GPS、车联网等技术能够提供车辆位置、运行轨迹等信息,通过对这些信息数据进行处理,可以获得有价值的信息,将其提供至司乘双方能够提升出租车运营效率。现有信息处理方法较为简单,忽略了较多关键影响因素,难以达到理想的效果。因此,本文提出了一种基于出租车轨迹和路网数据来衡量打车难度的出租车流量模型,并通过综合时间、天气等因素对模型进行优化,提升了模型的实用性。基于该模型利用数据挖掘算法抽取有用信息,提供给出租车司机和乘客。最后,本文基于实际出租车数据对模型进行实验验证,结果证明了模型的有效性及实用性。     

无人机群多目标协同主动感知的自组织映射方法

针对主动感知问题多为单机器人系统的主动视觉问题,本文提出了基于自组织映射特征网络的异构机器人主动感知框架,为无人机团队规划出遍历所有目标所需时间最短的平滑路径。首先把多目标主动感知场景建模为带邻域的多旅行商问题,然后使用自组织映射网络为无人机团队规划出旅行时间最短的闭环轨迹,最后利用三阶贝塞尔曲线对轨迹做平滑处理。仿真结果和对比实验表明,本文的方法在多目标主动感知的应用中有着较好的效果。     

RFID，GPS和GIS技术集成在交通智能监管系统中的应用研究*

为实现在城市复杂路网情况下对交通车辆的实时监控,并且能通过一定数量的车辆运行状态来判断道路交通的拥挤状况,采用射频识别技术(RFID)对道路上运行的车辆进行动态识别和数据信息交换;依靠全球定位系统(GPS)技术实时获得目标车辆的位置信息,并通过地理信息系统(GIS)将车辆的运行状况以及路网的交通状况以电子地图形式实时地展现给用户。将GPS、GIS与RFID技术综合应用于城市道路交通管理系统中,在此基础上设计出道路交通车辆的全程监控模型和系统框架。对交通监管的信息化建设具有一定的借鉴意义。     

面向轨道分割与侵入物检测的多任务学习

轨道车智能防护会涉及轨道车侵入物检测与行驶区域分割任务,在深度学习领域已有针对各任务的算法,却无法很好满足多任务情形时的需求.该算法使用轻量级卷积神经网络(CNN)作为编码器提取特征图,随之将特征图送到两个基于one-stage检测网络的解码器中,进而完成各自的任务.不同级别和尺度的语义特征在编码器输出的特征图中被融合,良好地完成像素级语义预测,在检测和分割效果上有明显提升.采用本算法的设备将掌握对新目标的识别检测判断与追踪,为提升轨道车行驶安全做出保障.     

基于联网收费数据预测行程时间的实现

高速公路海量的联网收费记录汇聚了很多极具价值的交通信息,利用数据挖掘方法,实现收费数据的增值利用具有重要的理论与应用意义。行程时间是交通规划与管理中的一项重要基础数据,以往行程时间的预测方法依赖于交通调查与检测数据,数据采集成本很高。本文以决策树理论建立起利用联网收费数据预测行程时间的思路,并借助SQL2005提供的数据挖掘功能,建立起数据分析系统,实现利用联网收费数据进行OD行程时间的预测。     

网联共享车路协同智能交通系统综述

网联车辆、交通大数据、共享出行等技术给智能交通系统的发展与应用革新带来了机遇和挑战.在全面总 结共享出行系统、网联车辆协同优化控制、交通大数据分析等领域最新研究成果的基础上,系统论述智能交通技术的研究进展,特别对智能交通系统中的交通流及出行需求预测、共享出行系统车辆调度、交通网及电网联合优化、网联车辆协调控制及车-路协同控制等方面进行全面综述.分析智能交通系统存在的问题及挑战,并对其未来发展方向进行展望.     

Urban arterial traffic two-direction green wave intelligent coordination control technique and its application

This paper presents a new two-direction green wave intelligent control strategy to solve the coordination control problem of urban arterial traffic. The whole control structure includes two layers — the coordination layer and the control layer. Public cycle time, splits, inbound offset and outbound offset are calculated in the coordination layer. Public cycle time is adjusted by fuzzy neural networks (FNN) according to the traffic flow saturation degree of the key intersection. Splits are calculated based on historical and real-time traffic information. Offsets are calculated by the real-time average speeds. The control layer determines phase composition and adjusts splits at the end of each cycle. The target of this control strategy is to maximize the possibility for vehicles in each direction along the arterial road to pass the local intersection without stop while the utility efficiency of the green signal time is at relatively high level. The actual application results show the proposed method can decrease the average travel time and average number of stops, and increase the average travel speed for vehicles on the arterial road effectively.