异种浮动车数据融合的城市道路交通状态判别及时空分析

发布时间：2017-04-03 20:06

  本文关键词：异种浮动车数据融合的城市道路交通状态判别及时空分析，由笔耕文化传播整理发布。

【摘要】：城市道路交通状态的准确判别是掌握城市交通运行情况的关键。近年来,浮动车技术的快速发展为城市道路交通状态研究提供了新的解决方案。受复杂的交通环境和条件影响,传统的单一类型浮动车数据不能全面地反映实时交通状态变化。另一方面,路段的交通状态只是路网交通流的一部分,因此有必要将对交通状态的研究从单独路段扩展到整个路网,从整体上把握交通状态时空特征。而目前的方法只考虑了交通状态的时空演化特征与其当前所处的状态有关,而忽略了波动程度的影响,不能完全有效表征交通状态的实际情况。对上述问题展开研究,可以改进目前城市道路交通状态判别方法,更好地揭示路网交通流内在规律。论文以城市道路代表路段为研究对象,综合公交车和出租车两种浮动车的优缺点,针对单一类型浮动车数据不能全面刻画交通实时状态的问题,研究异种浮动车数据融合的城市道路交通状态判别方法。在此基础上,深入分析路网交通状态在时空聚类和演化两方面的特征。主要内容包括:(1)确定了基于动态聚类的城市道路交通状态判别标准。针对交通状态划分存在模糊性的特点,运用改进的K-均值聚类算法确定道路交通状态划分类型数,在此基础上引入FCM方法对交通状态进行评价研究,得出不同交通状态下的阈值,作为交通状态实时判别的判别标准。(2)研究了异种浮动车数据融合的城市道路交通状态判别方法。综合公交车和出租车两种浮动车的优缺点,考虑其运行特性,提出了异种浮动车数据融合的判别方法,从特征级层次对估计的路段的平均行程速度进行了融合,使之更加准确地反映道路交通状态的连续性变化。最后利用实时GPS数据对提出的判别方法进行检验,实验结果表明该方法具有较好的判别效果。(3)分析了路网交通状态时空特征。对交通状态的研究从单独路段扩展到整个路网,以异种浮动车数据融合下的路段平均行程时间及其标准差作为时空单位,定义路网时空连通度以实现交通状态聚集特征分析。利用交通相对拥挤度和交通相对波动度分析时空状态演化特征。实例分析验证了上述研究的有效性。综上所述,本文提出了异种浮动车GPS数据融合的城市道路交通状态判别方法,同时分析了路网了交通状态在聚类和演化两方面的特征,实验结果验证了上述工作的有效性,可为城市道路交通服务和管理提供支持和参考。
【关键词】：交通状态判别 浮动车GPS数据 数据融合 时空分析
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U491
【目录】：

• 中文摘要3-4
• 英文摘要4-8
• 1 绪论8-14
• 1.1 研究背景8-9
• 1.2 国内外研究现状9-11
• 1.2.1 城市道路交通状态判别研究现状9-10
• 1.2.2 路网交通状态时空分析研究现状10-11
• 1.3 研究的目的及意义11-12
• 1.4 研究内容及论文结构12-13
• 1.5 小结13-14
• 2 论文研究方案及关键问题14-19
• 2.1 城市道路交通状态概述14
• 2.2 论文研究方案14-16
• 2.3 关键问题分析16-18
• 2.4 小结18-19
• 3 城市道路交通数据采集方法及浮动车特性分析19-30
• 3.1 城市道路交通数据采集方法及特性19-21
• 3.1.1 固定型交通数据采集方法及特性19-20
• 3.1.2 移动型交通数据采集方法及特性20-21
• 3.2 浮动车运行特性及GPS数据特点分析21-29
• 3.2.1 浮动车运行特性分析21-23
• 3.2.2 GPS数据特点分析23-27
• 3.2.3 GPS数据预处理27-29
• 3.3 小结29-30
• 4 动态聚类的城市道路交通状态判别标准确定30-40
• 4.1 城市道路交通状态分类概述30
• 4.2 K-均值聚类改进算法30-34
• 4.2.1 K-均值聚类算法简介31
• 4.2.2 基于方差分析的K-均值聚类改进算法31-32
• 4.2.3 基于方差分析的K-均值聚类改进算法的优化32-34
• 4.3 交通状态评价因子的选择34
• 4.4 实例验证34-38
• 4.4.1 K-均值聚类改进算法确定最佳分类数35-36
• 4.4.2 阈值确定36-38
• 4.5 小结38-40
• 5 异种浮动车数据融合的城市道路交通状态判别方法研究40-50
• 5.1 数据融合技术概述40-41
• 5.2 异种浮动车数据融合的城市道路交通状态判别方法设计41-43
• 5.2.1 交通状态判别方法与应用的基本框架41-42
• 5.2.2 异种浮动车数据融合的城市道路交通状态判别方法42-43
• 5.3 基于浮动车GPS数据的路段平均速度估计43-45
• 5.3.1 基于公交车GPS数据的路段平均速度估计43-44
• 5.3.2 基于出租车GPS数据的路段平均速度估计44-45
• 5.4 道路交通状态判别算法评价指标45-46
• 5.5 实验验证46-49
• 5.5.1 研究路段选择46-47
• 5.5.2 实验验证及分析47-49
• 5.6 小结49-50
• 6 路网交通状态时空特征分析50-61
• 6.1 城市道路网络概述50-52
• 6.2 时空单位定义及表征参数选取52-54
• 6.2.1 时空单位定义52
• 6.2.2 表征参数选取52-54
• 6.3 时空聚类特征及演化特征分析54-55
• 6.3.1 聚类特征分析54
• 6.3.2 演化特征分析54-55
• 6.4 实例分析55-60
• 6.4.1 交通状态聚类特征56-58
• 6.4.2 交通状态演化特征58-60
• 6.5 小结60-61
• 7 结论与展望61-63
• 7.1 论文结论61-62
• 7.2 展望62-63
• 致谢63-64
• 参考文献64-68
• 附录68
• A. 作者在攻读硕士学位期间发表论文68
• B. 作者在攻读硕士学位期间公开的发明专利68
• C. 作者在攻读硕士学位期间参与的科研项目68

【相似文献】

中国期刊全文数据库 前10条

1 秦玲;张剑飞;郭鹏;桑丽;;浮动车交通信息处理与应用系统核心功能及实现[J];公路交通科技;2006年11期

2 翁剑成;荣建;于泉;任福田;;基于浮动车数据的行程速度估计算法及优化[J];北京工业大学学报;2007年05期

3 郭继孚;温慧敏;陈锋;;浮动车系统功能分析与应用设计研究[J];交通运输系统工程与信息;2007年03期

4 张存保;杨晓光;严新平;;浮动车采样周期优化方法研究[J];交通运输系统工程与信息;2007年03期

5 辛飞飞;陈小鸿;林航飞;;浮动车数据路网时空分布特征研究[J];中国公路学报;2008年04期

6 周舒杰;廖孝勇;赵敏;孙棣华;;面向道路网的浮动车最小覆盖率模型[J];重庆工学院学报(自然科学版);2009年04期

7 邹文杰;翁剑成;周翔;荣建;;基于浮动车数据的宏观路网运行状态评价研究[J];公路交通科技;2009年S1期

8 李宇光;李清泉;;基于矢量道路栅格化的海量浮动车数据快速处理[J];公路交通科技;2010年03期

9 周双全;杨小文;张建忠;张志平;韩舒;;浮动车数据和定点检测数据的融合算法研究[J];交通标准化;2010年16期

10 刘春;黄美娴;杨超;;浮动车数据缺失道路的速度推估模型与实现[J];同济大学学报(自然科学版);2010年08期

中国重要会议论文全文数据库 前10条

1 孙立;王海峰;林绵峰;;浮动车系统的规模参数研究[A];第二届中国智能交通年会论文集[C];2006年

2 范跃祖;王力;王川久;张海;;浮动车技术的发展及应用研究综述[A];第一届中国智能交通年会论文集[C];2005年

3 李秋萍;李必军;;基于浮动车的道路网变化探测方法[A];2008第四届中国智能交通年会论文集[C];2008年

4 扈中伟;温慧敏;孙建平;陈锋;;基于车牌照识别数据的浮动车系统分析与验证[A];2008第四届中国智能交通年会论文集[C];2008年

5 王雪松;刘浩冰;;基于浮动车数据的上海市主干道车速特征分析(英文)[A];第七届中国智能交通年会优秀论文集——智能交通技术[C];2012年

6 张永强;;浮动车覆盖率问题初探[A];第二届中国智能交通年会论文集[C];2006年

7 曾维;王海峰;孙立;;不同浮动车规模下的城市道路路况相似性判据研究[A];2008第四届中国智能交通年会论文集[C];2008年

8 周元峰;吴建平;董敬欣;;使用浮动车检测路网可达性及交通管理策略的研究[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（上册）[C];2005年

9 徐建闽;邹亮;;浮动车与感应线圈检测技术融合模型[A];第二十四届中国控制会议论文集（下册）[C];2005年

10 张存保;杨晓光;;基于浮动车的道路交通信息采集系统研究[A];第二届中国智能交通年会论文集[C];2006年

中国重要报纸全文数据库 前2条

1 Chi-Chu TsChang 美国《商业周刊》 本报编译 于景浩;北京奥运疏导交通采用世界前沿科技[N];世界报;2008年

2 耿闻;奥运会推动北京交通快速发展[N];中国旅游报;2007年

中国博士学位论文全文数据库 前4条

1 廖孝勇;浮动车交通参数检测及在道路交通状态分析中的应用研究[D];重庆大学;2011年

2 余洋;云计算环境下的大样本浮动车数据处理关键技术研究[D];武汉大学;2010年

3 李宇光;海量低频浮动车数据道路匹配及行程时间估算[D];武汉大学;2013年

4 计会凤;基于浮动车GPS数据的动态交通预测与诱导模型研究[D];辽宁工程技术大学;2009年

中国硕士学位论文全文数据库 前10条

1 王许涛;基于交通信息路网覆盖率的浮动车系统配置优化研究[D];北京交通大学;2012年

2 汪向飞;基于浮动车数据的城市交通流信息感知方法研究[D];浙江工业大学;2015年

3 万林峰;基于浮动车数据的道路交通路况分析系统的设计与实现[D];东南大学;2015年

4 赵斌;基于GPS的公交浮动车到站时间预测[D];北京交通大学;2016年

5 訾宪娟;基于浮动车轨迹数据的路网重构和地图匹配[D];山东大学;2016年

6 李梦琦;基于浮动车数据的道路拥堵状态评价及宏观基本图研究[D];北京交通大学;2016年

7 陈明东;基于浮动车的交通信息交互平台研究与开发[D];哈尔滨工业大学;2016年

8 王伟生;车辆路径动态导航算法研究[D];电子科技大学;2016年

9 孟凡林;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];长安大学;2016年

10 刘璐;基于多元线性回归模型的缺失浮动车数据填充研究[D];哈尔滨工业大学;2015年

  本文关键词：异种浮动车数据融合的城市道路交通状态判别及时空分析，由笔耕文化传播整理发布。

，

本文编号：284887