移动污染源轨迹的跟踪匹配与预测研究
发布时间：2021-05-23 20:13
改革开放以来,中国社会经济和工业化进程发生了巨大的变革,移动污染源的保有量日益剧增,由此产生大量空气污染物,对环境带来严重的负面影响,可以通过监测站对其有效监控。移动污染源监测站带有定位设备,获得时空轨迹数据十分便捷,时空轨迹数据中包含移动对象、位置以及时间三种属性。在城市计算、移动对象的位置预测等范畴中时空轨迹数据已经被广泛使用。通过对监测站获取的移动污染源GPS时空轨迹序列数据展开研究,可以实时地跟踪匹配移动污染源的行驶轨迹和预测出移动污染源短期的轨迹路径,给有关部门提供有效的监管技术。本文分析了影响移动污染源跟踪匹配算法匹配精度的因素,并对现有算法进行研究与总结,针对GPS采样误差、相对位置误差等因素导致移动污染源行驶轨迹与实际路网存在不匹配的问题,提出了一种基于路网拓扑和权重的实时轨迹跟踪匹配算法。起先构造道路网络的拓扑结构使用广度优先遍历算法,接着利用拓扑约束与空间约束遴选出跟踪匹配轨迹的相近待选路段集合。然后将每条待选路段各自的距离权重、方向权重以及相对位置关系权重相加,总权重值当作最短路径求解的权重条件。最后,使用Dijkstra算法计算出最佳跟踪匹配路段序列。通过仿真实...
【文章来源】：杭州电子科技大学浙江省
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTARCT
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 移动污染源轨迹的跟踪匹配
1.2.2 移动污染源轨迹的预测
1.3 课题研究内容
1.4 论文组织结构
1.5 本章小结
第二章 相关基础知识介绍
2.1 全球卫星定位系统
2.1.1 GPS简介
2.1.2 WEB-GIS简介
2.1.3 GPS定位方法与原理
2.1.4 GPS定位误差
2.2 数据清洗
2.2.1 数据清洗概述
2.2.2 数据清洗的目的和过程
2.2.3 移动污染源GPS时空轨迹序列数据清洗
2.3 最短路径算法
2.4 本章小结
第三章 移动污染源轨迹跟踪匹配算法
3.1 跟踪匹配的原理
3.2 影响跟踪匹配的因素
3.2.1 影响实时性的因素
3.2.2 影响鲁棒性的因素
3.2.3 影响匹配精度的因素
3.3 基于路网拓扑和权重的实时轨迹跟踪匹配算法
3.3.1 算法流程
3.3.2 基于广度优先遍历的拓扑构建
3.3.3 考虑权重的最短路径实时轨迹跟踪匹配算法
3.4 仿真与结果分析
3.4.1 实验数据
3.4.2 仿真结果
3.4.3 算法匹配效果分析
3.4.4 算法匹配实时性分析
3.5 算法工程化实现
3.5.1 移动污染源监控子系统
3.5.2 移动污染源轨迹跟踪模块设计
3.5.3 移动污染源轨迹跟踪实现
3.6 本章小结
第四章 移动污染源轨迹预测算法
4.1 预测的原理与框架
4.2 超限学习机(ELM)
4.3 优化超限学习机(OELM)
4.4 改进的优化超限学习机算法(HGPSO-OELM)
4.4.1 混合智能遗传粒子群算法(HGPSO)
4.4.2 基于HGPSO优化的OELM
4.5 仿真与结果分析
4.5.1 数据集和参数设置
4.5.2 结果分析
4.6 算法工程化实现
4.7 本章小结
第五章 总结与展望
5.1 工作总结
5.2 展望
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]基于判别信息极限学习机的高光谱遥感图像分类[J]. 杨伊,闫德勤,张海英,楚永贺. 软件导刊. 2017(01)
[2]基于蚁群优化的极限学习机选择性集成学习算法[J]. 杨菊,袁玉龙,于化龙. 计算机科学. 2016(10)
[3]大数据环境下移动对象自适应轨迹预测模型[J]. 乔少杰,李天瑞,韩楠,高云君,元昌安,王晓腾,唐常杰. 软件学报. 2015(11)
[4]一种基于高斯混合模型的轨迹预测算法[J]. 乔少杰,金琨,韩楠,唐常杰,格桑多吉,Louis Alberto GUTIERREZ. 软件学报. 2015(05)
[5]一种基于混合遗传和粒子群的智能优化算法[J]. 马超,邓超,熊尧,吴军. 计算机研究与发展. 2013(11)
[6]一种基于约束的最短路径低频浮动车数据地图匹配算法[J]. 李清泉,胡波,乐阳. 武汉大学学报(信息科学版). 2013(07)
[7]基于B/S软件分层体系结构的研究[J]. 王嫣,张志强. 煤炭技术. 2012(10)
[8]形状匹配方法研究与展望[J]. 周瑜,刘俊涛,白翔. 自动化学报. 2012(06)
[9]基于ELM和近似熵的脑电信号检测方法[J]. 袁琦,周卫东,李淑芳,蔡冬梅. 仪器仪表学报. 2012(03)
[10]基于权重的地图匹配算法[J]. 苏海滨,陈永利,刘强. 华北水利水电学院学报. 2008(01)
硕士论文
[1]基于浮动车大数据的城市交通拥堵自动辨识与可视化系统[D]. 孟凡林.长安大学 2016
[2]基于在线SaE-ELM的煤矿多等级突水预测方法研究[D]. 胡梦珂.中国矿业大学 2015
[3]基于极限学习机的脉冲星信号辨识[D]. 杨宁彬.西安电子科技大学 2014
[4]GPS车辆导航中的数据处理与地图匹配研究[D]. 夏州.北京交通大学 2009
[5]基于数据仓库的数据清洗技术研究[D]. 杨宏娜.河北工业大学 2006
本文编号：3202909
【文章来源】：杭州电子科技大学浙江省
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTARCT
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 移动污染源轨迹的跟踪匹配
1.2.2 移动污染源轨迹的预测
1.3 课题研究内容
1.4 论文组织结构
1.5 本章小结
第二章 相关基础知识介绍
2.1 全球卫星定位系统
2.1.1 GPS简介
2.1.2 WEB-GIS简介
2.1.3 GPS定位方法与原理
2.1.4 GPS定位误差
2.2 数据清洗
2.2.1 数据清洗概述
2.2.2 数据清洗的目的和过程
2.2.3 移动污染源GPS时空轨迹序列数据清洗
2.3 最短路径算法
2.4 本章小结
第三章 移动污染源轨迹跟踪匹配算法
3.1 跟踪匹配的原理
3.2 影响跟踪匹配的因素
3.2.1 影响实时性的因素
3.2.2 影响鲁棒性的因素
3.2.3 影响匹配精度的因素
3.3 基于路网拓扑和权重的实时轨迹跟踪匹配算法
3.3.1 算法流程
3.3.2 基于广度优先遍历的拓扑构建
3.3.3 考虑权重的最短路径实时轨迹跟踪匹配算法
3.4 仿真与结果分析
3.4.1 实验数据
3.4.2 仿真结果
3.4.3 算法匹配效果分析
3.4.4 算法匹配实时性分析
3.5 算法工程化实现
3.5.1 移动污染源监控子系统
3.5.2 移动污染源轨迹跟踪模块设计
3.5.3 移动污染源轨迹跟踪实现
3.6 本章小结
第四章 移动污染源轨迹预测算法
4.1 预测的原理与框架
4.2 超限学习机(ELM)
4.3 优化超限学习机(OELM)
4.4 改进的优化超限学习机算法(HGPSO-OELM)
4.4.1 混合智能遗传粒子群算法(HGPSO)
4.4.2 基于HGPSO优化的OELM
4.5 仿真与结果分析
4.5.1 数据集和参数设置
4.5.2 结果分析
4.6 算法工程化实现
4.7 本章小结
第五章 总结与展望
5.1 工作总结
5.2 展望
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]基于判别信息极限学习机的高光谱遥感图像分类[J]. 杨伊,闫德勤,张海英,楚永贺. 软件导刊. 2017(01)
[2]基于蚁群优化的极限学习机选择性集成学习算法[J]. 杨菊,袁玉龙,于化龙. 计算机科学. 2016(10)
[3]大数据环境下移动对象自适应轨迹预测模型[J]. 乔少杰,李天瑞,韩楠,高云君,元昌安,王晓腾,唐常杰. 软件学报. 2015(11)
[4]一种基于高斯混合模型的轨迹预测算法[J]. 乔少杰,金琨,韩楠,唐常杰,格桑多吉,Louis Alberto GUTIERREZ. 软件学报. 2015(05)
[5]一种基于混合遗传和粒子群的智能优化算法[J]. 马超,邓超,熊尧,吴军. 计算机研究与发展. 2013(11)
[6]一种基于约束的最短路径低频浮动车数据地图匹配算法[J]. 李清泉,胡波,乐阳. 武汉大学学报(信息科学版). 2013(07)
[7]基于B/S软件分层体系结构的研究[J]. 王嫣,张志强. 煤炭技术. 2012(10)
[8]形状匹配方法研究与展望[J]. 周瑜,刘俊涛,白翔. 自动化学报. 2012(06)
[9]基于ELM和近似熵的脑电信号检测方法[J]. 袁琦,周卫东,李淑芳,蔡冬梅. 仪器仪表学报. 2012(03)
[10]基于权重的地图匹配算法[J]. 苏海滨,陈永利,刘强. 华北水利水电学院学报. 2008(01)
硕士论文
[1]基于浮动车大数据的城市交通拥堵自动辨识与可视化系统[D]. 孟凡林.长安大学 2016
[2]基于在线SaE-ELM的煤矿多等级突水预测方法研究[D]. 胡梦珂.中国矿业大学 2015
[3]基于极限学习机的脉冲星信号辨识[D]. 杨宁彬.西安电子科技大学 2014
[4]GPS车辆导航中的数据处理与地图匹配研究[D]. 夏州.北京交通大学 2009
[5]基于数据仓库的数据清洗技术研究[D]. 杨宏娜.河北工业大学 2006
本文编号：3202909
本文链接：https://www.wllwen.com/kejilunwen/huanjinggongchenglunwen/3202909.html
