车辆缺失轨迹的智能补全

发布时间：2017-06-10 00:05

  本文关键词：车辆缺失轨迹的智能补全，由笔耕文化传播整理发布。

【摘要】：计算机技术的快速发展和GPS(Global Position System)设备的广泛应用,使记录车辆的轨迹信息变成了一项极其重要的工作。车辆的轨迹信息中蕴含着重要的商业价值,其中在已知轨迹的基础上,从海量GPS轨迹中挖掘出商业价值成为了研究的重点。但是当轨迹中存在缺失,分析结果的准确度就会下降。遗憾的是,大多数国家的智能交通系统都忍受着缺失数据的难题。例如:当车辆行驶在城市峡谷、人为的关闭GPS设备等原因,这都导致了缺失轨迹的存在。由于缺乏快速有效的补全缺失轨迹的算法,大部分缺失轨迹就被丢弃或者简单估计。这严重影响了后面轨迹的分析挖掘。本文以真实货车的行驶轨迹为研究基础,提出了轨迹补全的算法,为以后分析车辆的调度、驾驶员行为的分析、车辆的最佳行驶路线奠定了基础。数据清理阶段,本文在研究了轨迹方面的相关文献后,根据文章的需要,首先将给定的GPS原始数据(包括经度、纬度、速度等)根据要求化为标准的形式;然后挖掘出轨迹中包含的异常点,并将其去掉。在发现轨迹的断点方面,本文采用时间间隔和距离间隔的方法来发现轨迹中的缺失轨迹。首先根据GPS点中的经纬度信息来求出任意相邻两个GPS点之间的距离,然后根据相邻两个GPS点之间的时间,求出相邻两点之间的时间间隔。最后根据文中设定的阈值来找出轨迹中存在的断点。本文是在路网未知的情况下提出了两种不同的算法进行缺失轨迹的补全。第一种,首先找到缺失轨迹的起点和终点,根据同一企业不同车辆的历史轨迹信息找到所有的可行的道路。然后,计算出所有可能轨迹的时间和距离,最后根据K-modes聚类方法把所有可能轨迹分成不同的组,选择组内轨迹最多的一组的众数来补全缺失轨迹。第二种:在路网未知的情况下,轨迹的聚集情况能帮助我们了解道路的分布情况。所以本文提出了一种新STZ算法计算任意两条轨迹之间的面积,面积越小,轨迹越聚集,面积越大,轨迹越分散。然后定义了轨迹间距离的度量方法,即两条轨迹之间的面积、时间差和距离差三者的和。最后根据轨迹之间的距离,选择K-modes算法把轨迹分成不同的组,选择含有最多轨迹组的众数来补全缺失轨迹。在轨迹补全方面:在路网已知的情况下,本文首先将缺失轨迹的起点和终点映射到地图上,然后利用了A*算法来搜索可行路径中的最短路径,最后根据搜索结果补全缺失轨迹。
【关键词】：缺失轨迹 时间间隔 距离 STZ算法 K-modes算法
【学位授予单位】：北京物资学院
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 绪论9-19
• 1.1 研究背景9-10
• 1.2 研究意义10
• 1.2.1 理论意义10
• 1.2.2 实践意义10
• 1.3 国内外文献综述10-16
• 1.3.1 缺失数据的研究现状10-12
• 1.3.2 轨迹聚类12-13
• 1.3.3 轨迹的相似性度量13-15
• 1.3.4 轨迹补全的研究15-16
• 1.4 相关技术介绍16-17
• 1.4.1 GPS定位系统16
• 1.4.2 聚类算法16-17
• 1.5 论文结构17-18
• 1.6 本章小结18-19
• 第2章 轨迹数据的获取与处理19-25
• 2.1 轨迹数据的获取19-20
• 2.2 轨迹数据的来源20
• 2.3 原始数据20-21
• 2.4 轨迹数据的标准化21-22
• 2.5 异常数据处理22-23
• 2.6 本章小结23-25
• 第3章 缺失轨迹点的识别25-31
• 3.1 识别缺失点的必要性25
• 3.2 理论方法25-28
• 3.2.1 位置、行驶轨迹和缺失点的定义25-26
• 3.2.2 两点之间的距离S的计算26-28
• 3.3 识别轨迹缺失序列算法28-29
• 3.3.1 轨迹缺失序列的识别28
• 3.3.2 算法28-29
• 3.4 实验29-30
• 3.4.1 实验数据29-30
• 3.4.2 评估方法30
• 3.4.3 讨论30
• 3.5 本章小结30-31
• 第4章 路网未知时补全轨迹31-37
• 4.1 轨迹补全的意义31
• 4.2 研究方法31
• 4.3 定义31-32
• 4.4 找到所有的轨迹段32-33
• 4.4.1 计算所有的GPS点到缺失轨迹端点的距离32
• 4.4.2 目标点32-33
• 4.4.3 找到所有的需要轨迹段33
• 4.5 K-modes算法33-34
• 4.6 补全轨迹34-35
• 4.7 实验分析35-36
• 4.7.1 实验的环境35
• 4.7.2 实验结果35-36
• 4.8 本章小结36-37
• 第5章：STZ算法在路网未知时补全轨迹37-45
• 5.1 研究方法37
• 5.2 相关的定义37-38
• 5.3 轨迹间面积的计算38-39
• 5.4 轨迹之间有交点39-41
• 5.4.1 线段有一个交点39-41
• 5.4.2 两条线段之间有重叠的部分41
• 5.5 轨迹间的相似性41-42
• 5.6 数据的标准化42
• 5.7 K-modes算法42
• 5.8 聚类结果分析42-43
• 5.9 实验43-44
• 5.10 本章小结44-45
• 第6章：A*算法在路网已知时补全轨迹45-49
• 6.1 路网45
• 6.2 地图匹配算法45
• 6.3 A-Star算法的原理45-46
• 6.4 A-Star进路搜素算法的策略46
• 6.5 A-Star中启发函数的选择46-47
• 6.6 A-Star搜索最短的路径47
• 6.7 本章小结47-49
• 第7章 总结与展望49-51
• 7.1 总结49
• 7.2 本文的局限性49-50
• 7.3 展望50-51
• 参考文献51-55
• 附录55-73
• 攻读学位期间发表学术论文及科研成果73-75
• 致谢75

【相似文献】

中国期刊全文数据库 前10条

1 杨基栋;;缺失数据的插补方法及其统计分析[J];华北水利水电学院学报;2010年02期

2 梁怡;庞应周;;缺失数据常见插补调整方法的比较[J];内蒙古科技与经济;2013年23期

3 苏曦;郭鹏江;夏志明;;两指数总体带缺失数据的参数估计和检验[J];三峡大学学报(自然科学版);2011年04期

4 荆文君;张晓琴;常王华;;一种基于成分数据的修正EM算法[J];中北大学学报(自然科学版);2013年05期

5 孙晓松;;利用logit模型判定数据缺失机制[J];山东理工大学学报(自然科学版);2009年02期

6 罗双华;玄海燕;李敦刚;;缺失数据下局部线性回归估计的渐近性质[J];兰州理工大学学报;2007年01期

7 李佳宁;;有缺失数据的双向有序方列联表统计推断[J];大连交通大学学报;2007年02期

8 徐亮;李艳;林金官;夏乐天;;基于SA-MCMC算法的非线性测量误差模型数据删除影响[J];河海大学学报(自然科学版);2009年04期

9 李正农;郑晶;秦付倩;吴红华;;风场实测数据缺失的插补方法研究[J];自然灾害学报;2014年03期

10 李中恢;任海平;;含缺失数据时分组数据的AMSAA模型的Bayes分析[J];兰州理工大学学报;2008年05期

中国重要会议论文全文数据库 前8条

1 耿直;葛丹丹;;纵向研究非随机缺失数据分析[A];中国现场统计研究会第12届学术年会论文集[C];2005年

2 管河山;姜青山;Steven X.Wei;;一种处理缺失数据的新方法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

3 陈楠;刘红云;;基于增长模型的缺失数据处理方法之比较[A];心理学与创新能力提升——第十六届全国心理学学术会议论文集[C];2013年

4 肖进;贺昌政;;面向缺失数据的客户价值区分集成模型研究[A];中国企业运筹学[2010(1)][C];2010年

5 曾莉;张淑梅;辛涛;;IRT模型中缺失数据处理方法比较[A];第十一届全国心理学学术会议论文摘要集[C];2007年

6 孙玲;刘浩;袁长亮;;北京市城市快速路微波检测缺失数据分析[A];2008第四届中国智能交通年会论文集[C];2008年

7 张香云;;基于EM算法缺失数据下混合模型的参数估计[A];第十三届中国管理科学学术年会论文集[C];2011年

8 李晓煦;侯杰泰;;结构方程中缺失数据的处理:FIML,EM与MI[A];全国教育与心理统计测量学术年会论文摘要集[C];2006年

中国博士学位论文全文数据库 前9条

1 马友;基于QoS缺失数据预测的个性化Web服务推荐方法研究[D];北京邮电大学;2015年

2 骆汝九;多指标综合评价的非参数方法和缺失数据的聚类方法研究[D];扬州大学;2011年

3 祝丽萍;几种缺失数据和高维数据模型的统计分析[D];山东大学;2012年

4 贾博婷;缺失数据下一类整值时间序列的统计推断[D];吉林大学;2014年

5 刘旭;在完全和缺失数据下基于非光滑估计方程的统计推断与变量选择问题[D];云南大学;2010年

6 赵鹏飞;混沌数据恢复与非线性系统的模型参考控制[D];吉林大学;2010年

7 陆福忠;数据缺失下的分布函数估计问题[D];复旦大学;2007年

8 赵慧秀;可交换的两值数据的统计分析[D];东北师范大学;2009年

9 付志慧;多维项目反应模型的参数估计[D];吉林大学;2010年

中国硕士学位论文全文数据库 前10条

1 杨利华;缺失数据的处理方法研究及应用[D];景德镇陶瓷学院;2011年

2 袁中萸;多元线性回归模型中缺失数据填补方法的效果比较[D];中南大学;2008年

3 褚培肖;缺失数据下的有限混合计数数据模型的统计推断研究[D];昆明理工大学;2015年

4 申宁宁;纵向研究缺失数据多重填补及混合效应模型分析[D];山西医科大学;2015年

5 李少琼;纵向研究二分类缺失数据处理及加权估计方程的应用[D];山西医科大学;2015年

6 高宇钊;比值缺失数据的多重估算与心脏康复二级预防干预效果评价及应用[D];山西医科大学;2015年

7 李顺静;基于EM算法的缺失数据的统计分析及应用[D];重庆工商大学;2015年

8 汪静波;Logistic回归模型中缺失数据的处理[D];南京大学;2015年

9 朱建斐;数据集缺失数据恢复算法研究[D];西安电子科技大学;2015年

10 杨旭;多视角数据缺失补全问题研究[D];北京交通大学;2016年

  本文关键词：车辆缺失轨迹的智能补全，，由笔耕文化传播整理发布。

本文编号：436953