基于梯度提升决策树的城市车辆路径链重构

发布时间：2021-12-12 13:03

　　为了提取城市路网中车辆实际的行驶轨迹,支撑交通规划、设计、管理和评价等需求,提出了基于梯度提升决策树的城市车辆丢失路径链的重构方法。首先,根据车牌号码匹配目标车辆,以时间排序提取视频检测器获得的路径链,并结合交叉口邻接矩阵及路段行程时间估计进行路径链初次分离;然后,依据车辆出行特征和交通状况提取影响路径选择的关键特征,并基于此提出了基于梯度提升决策树的局部丢失路径链重构算法;最后,以某市南明区实际视频车牌识别数据为例,根据重构算法准确性和计算效率验证了文中算法与传统算法。结果表明,本文算法的重构准确率达到91%,对比传统算法,梯度提升决策树算法在车辆路径链重构方面有较大优势。 

【文章来源】：华南理工大学学报(自然科学版). 2020,48(07)北大核心EICSCD

【文章页数】：10 页

【部分图文】：

路网视频检测点分布图

表2 某市南明区平峰时段1 h流量Table 2 One- hour traffic volume during non- peak hours in the Nanming District of a city 位置 左转 直行 右转 采集值 调研值 采集值 调研值 采集值 调研值 点位1 532 655 1 596 1 844 456 616 点位2 171 208 516 593 199 269 点位3 232 275 684 763 138 192 点位5 490 566 1 477 1 669 393 579 点位6 169 211 523 573 193 257 点位7 276 352 811 966 161 212 点位9 109 123 321 361 151 186 点位10 355 436 1 066 1 240 381 482 点位11 369 444 1 124 1 278 329 439为说明视频检测漏检对路径链提取的影响,先假设车辆经过n个交叉口、其设备间的检测率独立,又因研究区域内各点位检测率较接近,则完整路径链被检测到的概率大致为0.82n。进一步分析可知,视频设备准确检测m个连续交叉口(这种情况下才能被路径链提取算法检测识别)的概率P为

根据上述OD5- 3起讫点的实验数据样本,对驾驶者路径选择的因素进行数据探索性分析,通过热力图展示出行特征与实际出行路径之间的关系。对OD5- 3起讫点对应的数据按TOw和B1进行分组。对每组内的TOD取平均,绘制图5所示的热力图。从图5中可知:B1取为b13和b15时,所有时间窗下的行程时间大于B1取为b11、b12、b14时;这说明,在出行者选择不同的出行路径方案时,B1取为b13和b15的路径方案相对于B1取为b11、b12、b14的方案,在各TOw下需花费更多的行程时间。GBDT是基于树的模型,理论上可通过在TOw及TOD变量上划分不同特征子区间表征各出行路径之间的差异,但对于B1取为b11、b12、b14的路径方案,由于其在各TOw下,行程时间花费相对较为接近,因此模型仅依据TOw和TOD两个变量并不足以区分不同的出行路径,而需进一步挖掘可利用的其他特征。

【参考文献】：
期刊论文
[1]基于车牌识别数据的机动车出行轨迹提取算法[J]. 阮树斌,王福建,马东方,金盛,王殿海.  浙江大学学报(工学版). 2018(05)
[2]基于车牌识别数据的城市道路旅行时间分布规律及估计方法研究[J]. 柴华骏,李瑞敏,郭敏.  交通运输系统工程与信息. 2012(06)
[3]行程时间异常值处理方法研究[J]. 李晓莉,石建军.  武汉理工大学学报(交通科学与工程版). 2012(01)
[4]遗传算法优化的BP神经网络遥感图像分类研究[J]. 可华明,陈朝镇,张新合,王金亮.  西南大学学报(自然科学版). 2010(07)

博士论文
[1]基于车牌照的车辆出行轨迹分析方法与实践研究[D]. 王龙飞.长安大学 2011



本文编号：3536724