面向实际道路网络的浮动车采样间隔优化方法

发布时间：2018-01-18 13:33

本文关键词：面向实际道路网络的浮动车采样间隔优化方法　出处：《数据采集与处理》2014年05期 　论文类型：期刊论文

【摘要】：目前基于浮动车的城市交通信息采集通常采用等间距进行采样,无法根据道路网络几何条件和状态的差异进行合理的采样间隔优化。针对现有采样算法的不足,本文提出了一种面向实际道路网络的浮动车采样间隔优化方法。首先通过构建四叉树模型对城市道路网络进行划分,确定空间采样分辨率,然后利用历史轨迹对浮动车的速度进行短时预测,最后在不影响空间采样分辨率的基础上实时动态优化采样间隔,在交通信息的精度与信息的采集成本之间取得平衡。通过仿真试验的定性定量分析,新算法能够在不同复杂程度的道路网络情况下动态调整采样间隔,不仅确保了采样数据的精度,而且降低了采样数据容量。
[Abstract]:At present, the urban traffic information collection based on floating vehicle usually adopts equal distance sampling, which can not optimize the sampling interval according to the geometric condition and state difference of road network, aiming at the shortcomings of the existing sampling algorithms. In this paper, a floating-vehicle sampling interval optimization method for practical road network is proposed. Firstly, the spatial sampling resolution is determined by constructing a quadtree model to partition the urban road network. Then the speed of the floating vehicle is predicted in a short time by using the historical track. Finally, the sampling interval is dynamically optimized on the basis of not affecting the spatial sampling resolution. Through the qualitative and quantitative analysis of simulation experiments, the new algorithm can dynamically adjust the sampling interval in different complexity of road network. Not only the precision of sampling data is ensured, but also the capacity of sampling data is reduced.
【作者单位】：解放军信息工程大学地理空间信息学院;中国人民解放军61922部队;
【基金】：国家高技术研究发展计划(“八六三”计划)(2009AA12Z305)资助项目
【分类号】：U491.11;U495
【正文快照】： 引言交通信息是支持智能交通系统的重要基础。随着3S技术、无线通信、汽车产业的发展,通过安装GPS和通讯设备的浮动车采集车辆行驶信息,然后配合车辆管理系统、地理信息系统和数据挖掘技术获取动态实时交通信息的技术已经成为了交通信息获取技术的研究热点[1]。它具有成本低、

【参考文献】