一种基于GPS终端的地图匹配方法

提出了一种复杂度低、实时性好、匹配准确率高的综合地图匹配方法。该方法综合基于权重度量值和曲线拟合的地图匹配思想,并结合路网拓扑信息,提供实时准确的车辆位置信息,可应用于车辆监控、实时交通信息采集、车辆导航。还提出了车辆位置相关的弧投影算法和GPS信号无效时的航位推算算法。     

OSM/高德路网匹配融合技术在道路空间化中的应用

“六合一”道路编码是交管业务中用来定位事故和违法的基础文本数据,缺乏空间位置信息,而已有的常用路网数据如高德路网,都是基于多车道路段表达的路网且现势性相对于OSM（OpenStreetMap）路网较低,难以满足交管业务的需求。针对上述问题,以高德路网作为基础、高现势性的OSM路网作补充,将轨迹聚类分析中的LCSS（longest common subsequence）算法应用在路网匹配过程中,并对匹配后的路网使用Stroke方法进行路网融合。实验结果表明,使用LCSS算法可以达到良好的路网匹配效果。最后基于此开发了一套路网匹配融合程序,并在武汉市交通管理局投入使用。     

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.     

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。     

基于GPS终端的实时路况信息采集方法研究

浮动车的实时路况信息采集存在采集内容复杂、信息不准确等问题.为此,提出一种基于GPS终端的实时路况信息采集方法.采用面向简化路网模型的采集方法,只考虑路段行程时间与路段中途停车时间,将GPS终端替代服务器负责采集内容和地图匹配.实验结果表明,与传统的基于服务器端采集方法相比,该方法能使采集内容更简单,采集信息更准确,可减轻服务器端的高负荷,便于采集信息的传输.     

一种适合于移动定位的路径搜索算法

随着3G时代的来临,在快速发展LBS业务中,一个重要功能是获得手机与手机之间或手机到地图上指定位置的最短路径.通过将路网划分成主干网与支路网,并且使用二级R*树来索引路网边,给出了一种获取手机周边道路与计算最短路径的算法.分析了该算法的复杂度,在适当划分主干网与支路网后,该算法可以缩小搜索空间,提高搜索性能.     

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。     

路网辅助的车载INS/GPS组合导航方法

针对车载INS/GPS组合导航系统在GPS无效时精度迅速下降的问题,提出了将车辆行驶的路网约束作为虚拟传感器,采用多传感器数据融合的方式,与INS和GPS组成INS/GPS/路网组合导航系统.当GPS失效时,使用路网辅助INS.仿真结果表明,在GPS无效时间段,该方法能有效减小系统定位误差.     

基于最小二乘法的联合地图匹配算法的研究

地图匹配是车辆监控与管理系统的主要功能之一.从提高地图匹配算法准确率和缩短监控系统所需地图匹配时间的角度出发,提出了一种新的基于最小二乘法的联合地图匹配算法.该算法利用最小二乘法改进几何线到线地图匹配算法和拓扑结构地图匹配算法,根据路段混合使用算法,能实时准确地将行驶车辆匹配到相应的道路上.实验仿真表明,该算法为几何线到线在平行路段匹配不准的问题和拓扑范围越大匹配越不准的问题提供了有效的解决方法,具体可应用于路网密集的区域,为路网密集区域的道路定位与路径匹配提供准确和快捷的途径.     

基于Google Map的交通路网构建系统的设计与实现

交通路网数据作为交通模拟仿真的前提条件和基础数据,其传统构建方法费时费力且难以满足使用要求.本文研究并设计了一种包含路网完整逻辑信息的数据结构并以此实现了一种基于Google Map的交通路网构建系统.该系统构建数据准确,可多人远程并行构建,具有更好的灵活性和实用性.     

网络流量监测和管理平台的设计与实现

网络流量的监测是提高网络管理的效率的重要手段之一,通过流量的测量,过滤规则设定和报警系统的设置,从而能够清楚的了解到自治域之间,网络之间流量的情况和趋势.从而更科学的管理和改造网络,提高网络服务和应用效率.本文根据SNMP协议,NetFlow协议和JAVA开发完成了B/S模式的通用动态实时网络流量监测管理系统.     

部分连通网络流量伪装模型研究

针对部分连通的网络提出了一种伪装网络流量的模型，并对该模型进行伪装网络流量的实现过程进行了详细的讨论．另外，对由于伪装网络流量带来的费用开销作了定性的分析．研究表明，该模型能够有效地伪装部分连通网络的网络流量，从而能有效地防止以分析网络流量为手段的黑客攻击．     

基于信息熵的网络流量信息结构特征研究

随着人们对网络流量特征研究的深入,网络异常检测技术得以不断发展,因此流量特征分析是网络异常检测的基础性重要工作。文章研究基于熵的流量信息结构特征,不同于已有的网络流量初级统计特征研究,它以提取的流量属性在单位时间内分布特征为研究对象。基于 DARPA 99数据集的实验表明,该方法相对于基于流量初级统计特征方流量异常表示方法具有更强的敏感性。     

高速网络流产生系统

描述了一个高速网络流产生系统的设计与实现，记录了对该系统进行测试的过程，并对测试的结果进行了分析。利用改进后的网卡驱动程序，系统可以以接近网卡极限速度的速率产生并发的、不重复的、含应用层数据的TCP流。     

基于NETFLOW与SNMP的园区网流量监控系统

随着园区网不断扩展,IP网络承载的数据流量越来越大,业务也越来越复杂。加上病毒泛滥、黑客攻击等因素,更加重了网络管理的负担。传统网络管理工具都是基于SNMP协议的,但SNMP只适合于简单的流量监控与设备管理,缺乏流量分析功能,当需要对流量进行分析或依据流量分析的结果实施网络管理时,传统工具就力不从心了。NETFLOW是一种可用于流量分析的协议,将其与SNMP协议结合使用,可有效弥补SNMP的不足,在充分发挥NETFLOW流量分析与SNMP流量监控与设备管理性能基础上建立的监控系统,可有效提高园区网管理的质量与效率。     

基于软件定义网络的流量工程

作为一种新型网络架构,软件定义网络(software defined network,简称SDN)将网络的数据层和控制层分离,通过集中化控制和提供开放控制接口,简化网络管理,支持网络服务的动态应用程序控制.流量工程通过对网络流量的分析、预测和管理,实现网络性能的优化.在SDN中开展流量工程,可以为网络测量和管理提供实时集中的网络视图,灵活、抽象的控制方式以及高效、可扩展的维护策略,具有突出的研究意义.对基于SDN的流量工程相关工作进行综述.分别从测量的方法、应用和部署角度出发,对SDN中流量测量的基本框架、基于测量的正确态检测以及测量资源的管理进行概述.分析传统网络流量调度方案的问题,介绍SDN中数据流量和控制流量调度的主要方法.从数据层和控制层两个方面概述SDN中故障恢复方法.最后,总结并展望未来工作.     

网络流量监测技术

网络流量监测技术对网络流量行为描述、网络规划、设计和管理提供基本依据,对网络运行的QoS保证和网络安全也产生很大影响。基于路由的网络流量监测技术（RMON、Net Flow、SFlow）以及基于非路由的网络流量监测技术（主动测量和被动测量）,分析对比各种监测技术的性能,在此基础上探讨当前两种最新的组合网络流量监测技术：SCNM与WREN。     

基于周期性网络流量模型的流量预测

文中使用自主开发的网络监控系统，对数据链路实施长期的测试监控。通过大量流量测试数据统计分析表明，WAN／LAN实际流量可以分为时间相关分量和时间无关分量。文中介绍了一个基于周期性网络流量模型的流量预测算法，以便对给定时刻的网络流量进行在线预测，并给出了不同预测精度下预测流量取值区间和实际流量的比较结果。     

基于Netflow的异常流量分离以及归类

针对以往的各种异常流量检测算法只能在宏观上进行流量异常监测,不能进一步实时地将异常流量分离处理,提出了在Netflow流数据环境下对单体IP历史数据的研究的方法,通过对单体IP统计、预测,能快速的检测出导致网络异常流量的主机,并根据其流的类型判断,分类以发现其发生异常的原因并提供ACL策略,从而将网络流量控制在稳定的空间和时间之内,实验结果表明了此方法的可行性和有效性.     

基于径向基函数神经网络的网络流量识别模型

提出了一种基于径向基函数神经网络的网络流量识别方法。根据实际网络中的流量数据,建立了一个基于RBF神经网络的流量识别模型。先介绍了RBF神经网络的结构设计及学习算法,针对RBF神经网络在隐节点过多的情况下算法过于复杂的缺点,采用了优化的算法计算隐含层节点。仿真实验证明,该模型具有较好的准确率、低复杂度、高识别效果和良好的自适应性。