面向大规模GPS轨迹数据的并行化地图匹配方法研究

发布时间：2021-06-08 15:39

　　轨迹数据挖掘是当前智能交通领域的一个研究热点,其中路径导航、交通出行行为分析等研究需要含有路段信息的轨迹数据。而出租车车载GPS装置采集到的GPS轨迹数据中无车辆所属路段信息,且轨迹点的经纬度坐标有误差。地图匹配算法可以在路网数据中匹配到轨迹点所属的路段,从而对该轨迹点的经纬度坐标进行校正。因此,地图匹配方法研究是轨迹数据挖掘中一项必要的基础研究内容。传统的面向GPS轨迹数据的地图匹配方法通常主要考虑匹配结果的准确度,而忽视了匹配效率。而随着机动车数量的快速增长,轨迹数据呈现出爆炸式增长的趋势。在此情况下,传统地图匹配方法匹配效率低下,大规模轨迹数据的地图匹配效率问题亟待解决。因此,本文提出一种面向大规模GPS轨迹数据的并行化地图匹配方法。本文的主要研究内容如下:（1）大部分地图匹配算法根据当前轨迹点在各路段的投影距离是否小于预设的距离阈值来判断该路段是否属于当前候选路段集合,在面对大规模轨迹数据集和大范围路网时,上述候选路段集合选取方法比较低效。提出一种基于GeoHash编码的分布式网格地图索引方法,该方法能够有效提升候选路段集合选取的效率。（2）面对海量的车辆轨迹数据,传统的地图匹... 

【文章来源】：长安大学陕西省 211工程院校 教育部直属院校

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

浮动车轨迹数据示例

清洗后轨迹数据示意图

电子地图数据示例

【参考文献】：
期刊论文
[1]一种基于HMM模型改进的地图匹配算法[J]. 刘旻,李梅,徐晓宇,毛善君.  北京大学学报(自然科学版). 2018(06)
[2]隐马尔可夫模型路网匹配的MapReduce实现[J]. 陆健,王鹏.  计算机应用与软件. 2018(02)
[3]基于深度学习的短时交通流预测研究[J]. 王祥雪,许伦辉.  交通运输系统工程与信息. 2018(01)
[4]一种改进的浮动车地图匹配算法[J]. 赵庶旭,张金秋,屈睿涛.  测绘通报. 2018(01)
[5]基于动态加权的城市路网地图匹配算法[J]. 樊娜,尉青青,康军,葛建东,唐蕾.  测控技术. 2018(01)
[6]一种LS-SVM在线式短时交通流预测方法[J]. 康军,段宗涛,唐蕾,温兴超.  计算机应用研究. 2018(10)
[7]基于曲线拟合与拓扑结构的地图匹配算法[J]. 滕志军,曲兆强,侯学艳,贾韬正,赵才博,夏滨.  计算机工程. 2018(08)
[8]基于深度学习的短时交通流预测[J]. 罗向龙,焦琴琴,牛力瑶,孙壮文.  计算机应用研究. 2017(01)
[9]利用多元Logistic回归进行道路网匹配[J]. 付仲良,杨元维,高贤君,赵星源,逯跃锋,陈少勤.  武汉大学学报(信息科学版). 2016(02)
[10]智能交通领域中地图匹配算法研究[J]. 周成,袁家政,刘宏哲,邱静.  计算机科学. 2015(10)

硕士论文
[1]浮动车GPS轨迹的实时流式地图匹配方法与实现[D]. 谢金运.深圳大学 2016
[2]基于模糊逻辑的综合地图匹配方法研究与实现[D]. 郑学远.北京交通大学 2014



本文编号：3218765