基于图神经网络的城市关键道路选取及道路流量预测方法研究
发布时间：2020-12-13 00:16
伴随中国社会和经济的不断发展,城市交通问题变得日益严峻。通过分析城市产生的数据有助于我们更好的解决城市交通问题。本文制定了一种选取城市关键道路策略。通过在这些道路安装数据采集设备,即可了解关键道路的交通状况从而了解其余城市道路的交通状况。这样只需在城市中监控少量道路,降低城市建设成本。也可以减少城市数据分析的工作量,将数据分析效率大大提高。本文结合交通问题中常见的交通流量预测场景来验证选取关键道路的效果。主要使用长春市的出租车GPS数据,对城市道路交通流量进行统计分析,主要工作包含以下几个方面:首先,利用并行处理方式对出租车GPS数据进行道路匹配,大大提高匹配效率。爬取了长春市POI兴趣点数据、长春市路网数据与长春市地感线圈数据。根据GPS数据统计得到道路流量数据。对城市进行网格化划分。对地感线圈数据进行道路匹配,认为存在地感线圈的道路是通过人为经验选择的关键道路,将这些道路命名为现有的关键道路。其次,利用城市路网结构数据,通过图神经网络方法中的Graph Embedding系列模型获取道路的Embedding编码特征。利用Embedding特征与道路属性对道路进行聚类分析,根据聚类结...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
长春出租车GPS数据样例
第2章数据处理10图2.2长春出租车GPS数据匹配结果表2.1长春出租车GPS数据匹配结果字段解释字段名称字段含义Trackid随机生成的轨迹ID，用于区分不同轨迹TimeGPS记录时间点，缺失值填充为NoneTimeRoadid匹配后的道路IDPoint1log匹配后的道路的路口1的经度Point1lat匹配后的道路的路口1的纬度Point2log匹配后的道路的路口2的经度Point2lat匹配后的道路的路口2的纬度LogGPS记录经度，缺失值填充为NoneLogLatGPS记录纬度，缺失值填充为NoneLatCaridGPS记录的车辆ID2.2POI数据爬取POI是“PointofInterest”的缩写，可翻译为兴趣点。在地理数据的范畴，一个POI点可以对应一个房子。一座车站等[28]。通过分析POI数据的分布，可以更好的了解不同区域的功能特性。拥有相同功能特性的区域，往往也具有相同的交通模式。POI数据可以反映出道路周边的业务信息，例如道路周边的商业类POI点多时，那么这条道路往往处于商业区内，具备商业区的道路属性。本文通过百度地图的开发者接口，利用百度地图提供的API接口爬取长春市的POI数据。爬虫流程入下图2.3所示。
第2章数据处理11图2.3POI数据爬虫流程图最终爬取到长春市的POI数据共17大类别，122小类别，将相应类目数据存储于各自目录下，各类目POI数据分布情况如图2.4所示：图2.4长春市各类目POI数据统计分布情况
【参考文献】：
期刊论文
[1]图神经网络[J]. 白铂,刘玉婷,马驰骋,王光辉,闫桂英,闫凯,张明,周志恒. 中国科学:数学. 2020(03)
[2]基于时空图神经网络的交通预测[J]. 金仲明. 软件和集成电路. 2019(07)
[3]基于GPS和GSM的车辆智能定位与跟随研究[J]. 于文泰,段敏,白松让,杨晓丽,郑苏. 汽车实用技术. 2019(02)
[4]GPS在智能交通系统中的应用[J]. 文涛,岳祥楠. 人民交通. 2019(01)
[5]基于城市交通拥塞的区域路网服务退化指数研究[J]. 胡立伟,孟玲,祁首铭,张亚平,罗振武. 重庆交通大学学报(自然科学版). 2018(12)
[6]路网匹配算法综述[J]. 高文超,李国良,塔娜. 软件学报. 2018(02)
[7]利用浮动车大数据进行稀疏路段行程时间推断[J]. 张发明,朱欣焰,呙维,胡涛. 武汉大学学报(信息科学版). 2017(01)
[8]智慧交通在构建智慧城市中的重要作用[J]. 茹艳,樊阿娇,潘俊方,李永祥,黄超. 无线互联科技. 2015(20)
[9]城市计算概述[J]. 郑宇. 武汉大学学报(信息科学版). 2015(01)
[10]国内外城市交通拥堵现状研究[J]. 王轶闻. 职业. 2012(32)
硕士论文
[1]城市道路交通信息实时采集系统关键技术与研究[D]. 王璞.南京邮电大学 2018
[2]基于浮动车数据的交通拥堵路段判定方法研究[D]. 曹雪茹.西安理工大学 2018
[3]基于出租车GPS的城市路网交通状态计算方法研究[D]. 侯亚帆.北京工业大学 2017
[4]基于车联网的车载终端中GPS导航系统的研究和设计[D]. 安恒亮.长安大学 2016
本文编号：2913522
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
长春出租车GPS数据样例
第2章数据处理10图2.2长春出租车GPS数据匹配结果表2.1长春出租车GPS数据匹配结果字段解释字段名称字段含义Trackid随机生成的轨迹ID，用于区分不同轨迹TimeGPS记录时间点，缺失值填充为NoneTimeRoadid匹配后的道路IDPoint1log匹配后的道路的路口1的经度Point1lat匹配后的道路的路口1的纬度Point2log匹配后的道路的路口2的经度Point2lat匹配后的道路的路口2的纬度LogGPS记录经度，缺失值填充为NoneLogLatGPS记录纬度，缺失值填充为NoneLatCaridGPS记录的车辆ID2.2POI数据爬取POI是“PointofInterest”的缩写，可翻译为兴趣点。在地理数据的范畴，一个POI点可以对应一个房子。一座车站等[28]。通过分析POI数据的分布，可以更好的了解不同区域的功能特性。拥有相同功能特性的区域，往往也具有相同的交通模式。POI数据可以反映出道路周边的业务信息，例如道路周边的商业类POI点多时，那么这条道路往往处于商业区内，具备商业区的道路属性。本文通过百度地图的开发者接口，利用百度地图提供的API接口爬取长春市的POI数据。爬虫流程入下图2.3所示。
第2章数据处理11图2.3POI数据爬虫流程图最终爬取到长春市的POI数据共17大类别，122小类别，将相应类目数据存储于各自目录下，各类目POI数据分布情况如图2.4所示：图2.4长春市各类目POI数据统计分布情况
【参考文献】：
期刊论文
[1]图神经网络[J]. 白铂,刘玉婷,马驰骋,王光辉,闫桂英,闫凯,张明,周志恒. 中国科学:数学. 2020(03)
[2]基于时空图神经网络的交通预测[J]. 金仲明. 软件和集成电路. 2019(07)
[3]基于GPS和GSM的车辆智能定位与跟随研究[J]. 于文泰,段敏,白松让,杨晓丽,郑苏. 汽车实用技术. 2019(02)
[4]GPS在智能交通系统中的应用[J]. 文涛,岳祥楠. 人民交通. 2019(01)
[5]基于城市交通拥塞的区域路网服务退化指数研究[J]. 胡立伟,孟玲,祁首铭,张亚平,罗振武. 重庆交通大学学报(自然科学版). 2018(12)
[6]路网匹配算法综述[J]. 高文超,李国良,塔娜. 软件学报. 2018(02)
[7]利用浮动车大数据进行稀疏路段行程时间推断[J]. 张发明,朱欣焰,呙维,胡涛. 武汉大学学报(信息科学版). 2017(01)
[8]智慧交通在构建智慧城市中的重要作用[J]. 茹艳,樊阿娇,潘俊方,李永祥,黄超. 无线互联科技. 2015(20)
[9]城市计算概述[J]. 郑宇. 武汉大学学报(信息科学版). 2015(01)
[10]国内外城市交通拥堵现状研究[J]. 王轶闻. 职业. 2012(32)
硕士论文
[1]城市道路交通信息实时采集系统关键技术与研究[D]. 王璞.南京邮电大学 2018
[2]基于浮动车数据的交通拥堵路段判定方法研究[D]. 曹雪茹.西安理工大学 2018
[3]基于出租车GPS的城市路网交通状态计算方法研究[D]. 侯亚帆.北京工业大学 2017
[4]基于车联网的车载终端中GPS导航系统的研究和设计[D]. 安恒亮.长安大学 2016
本文编号：2913522
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/2913522.html
