北京市浮动车交通状况信息实时计算系统

为应用于复杂城市路网的浮动车系统建设,提出了利用浮动车数据实时计算路网速度的系统建设流程,包括GPS数据接收、数据预处理、数据在电子路网底图上的匹配以及路段运行车速计算。并从数据过滤合理性、地图匹配效率、路网覆盖率及结果可信度等方面验证了该方法的可行性与实际效果。经验证,原始GPS数据经过预处理过滤后能显著提高点匹配率,而改进的路径匹配算法能使过滤后的数据达到95％左右的匹配率,基本覆盖大部分北京市快速路和主干路。     

基于拓扑判断的海量GPS数据延时地图匹配算法

由于浮动车数据采集中存在GPS数据周期过长、拓扑关联性较差、数据量大的特点,传统的车载端地图匹配算法难以直接应用,针对车辆无法初次匹配的情况,设计了一种可根据路网拓扑关联性进行判断的延时地图匹配算法.实际数据验证表明,该算法在保证数据完整性和有效性的基础上,可以实时、准确地进行地图匹配,尤其是车辆位于复杂交叉口及高架桥附近区域时车辆真实行驶道路的确定.      

基于改进AOE网络的低频浮动车数据地图匹配算法

由于低频浮动车数据时间间隔较长,现有地图匹配方法难以满足低频浮动车数据地图匹配的要求.综合考虑浮动车数据轨迹点之间的整体特性,在局部和全局地图匹配算法的基础上,提出了一种基于改进AOE网络的低频浮动车数据地图匹配方法.首先,采用相交分析判断GPS点缓冲区和候选路段的关系,以获取候选路段和候选匹配点;其次,基于四叉树空间索引和Dijkstra算法,获取候选匹配点之间的最短路径;第三,设计了一种改进AOE网络,提出了基于改进AOE网络的最短可达路径算法,以获取最终的地图匹配点;最后,对改进AOE网络的地图匹配算法进行评价,并通过实验分析了算法的时间效率和正确率.实验结果表明:基于改进AOE网络的地图匹配算法正确率为95.3%,程序执行总时间为96.8 s. 其正确率分别比点到线的局部地图匹配方法和基于弱Frchet距离的全局地图匹配方法的正确率高13.6%和2.8%.      

���ڴ��ģ���������ݵĵ�ͼƥ���㷨

地图匹配问题是浮动车技术中必须解决的关键问题。由于浮动车数据自身的特点，传统的导航地图匹配算法难以直接适用于大规模的浮动车数据匹配。本文在分析基于浮动车数据的地图匹配与传统的导航地图匹配的异同点的基础上，提出了浮动车地图匹配模型族的解决方案和相应的道路网格拓扑结构，设计了包括道路初次匹配模型、平行方向道路识别模型、节点匹配模型、延时匹配模型在内的浮动车数据地图匹配算法体系，并对算法进行了评估和验证。本文提出的浮动车数据地图匹配算法模型已经在广州市ITS示范工程中得到了实际应用，应用结果表明该算法具有准确、高效和实用的特点。     

实时分布式地图匹配系统的设计与实现

在智能交通系统的基础上,设计实现了基于实时浮动车数据的分布式地图匹配系统.分布式架构的应用旨在提高系统数据接收和处理的实时性.同时提出了一种基于道路网格和最短路径的快速地图匹配算法,通过网格划分确定候选路段,根据二次网格划分、GPS角度和数量对候选路段权重进行修正,并利用最短路径算法寻求最符合路径,在保证处理效率的同时匹配的精度也有所提升.仿真实验选用三台匹配处理节点,经验证,完成大连市1000辆出租车约130万个GPS点的地图匹配用时为1分37秒,算法的平均正确匹配率为93.3％.实验结果满足实际智能交通系统的基本要求.     

基于长春市浮动车数据的城市交通运行状态分析

为了掌握长春市道路交通运行状态,通过提取出租车GPS信息作为长春市浮动车数据源,以长春市浮动车原始数据为基础,探讨浮动车数据采集与处理的方法,并与长春市现状道路模型进行地图匹配。通过拥堵感知数据分析和浮动车速度数据分析两种方法互相校验确定各等级道路阈值,对长春市路网速度进行时空特征分析。数据表明:除极端天气可能导致大面积、系统性拥堵外,长春市道路交通拥堵主要表现为局部时段和局部区域,并有扩散的趋势。此外,探讨了目前长春市浮动车数据的不足及下一步研究方向,为相关部门政策制定提供数据支撑和决策依据。     

基于大规模浮动车数据的交叉口转向规则自动提取算法

针对传统电子地图在生成时只包含路网拓扑关系,不具备路口转向规则的自动生成及更新能力,提出了利用大规模浮动车数据自动生成交叉口转向规则的算法.该方法建立转向规则数学表达和存储模型,并依托大规模浮动车数据分析和处理,引入置信点概念,提出基于首尾置信点控制的转向规则自动提取算法;以广州市为例,选取1d的浮动车GPS数据,对提出的算法进行效用评价,实验结果表明提出的算法准确率达90.4％,可准确实现多数交叉口转向规则的自动提取.     

基于时空贝叶斯模型的快速地图匹配算法

为了优化海量浮动车数据的地图匹配的精度和效率,从候选路段筛选和最佳路段匹配两个层面研究地图匹配过程。首先,根据路网拓扑和形状点,采用最近邻分治法划分路网和筛选路段;进而,基于时空贝叶斯模型分析轨迹序列的时空关联,并结合方位角因素,建立最佳路段匹配模型。通过在实际轨迹数据集中测试,在保持匹配准确度为92%以上时,相比最短路径匹配方法,将运行时间缩减到50%左右,并且将异常轨迹点有效地匹配到目标路段中,表明该模型在提升计算效率和精度上具有实用性。     

一种基于WSN和GPS融合定位的 浮动车路况优化研究与验证

为解决浮动车数据在城市范围内存在的“信号漂移”和“信号盲区”问题,提高地图道路 适配准确率和路况信息准确率,研究应用WSN无线定位技术以及地图匹配技术,设计数据融合 框架,提出基于WSN和GPS的融合数据路况优化算法及计算流程,监测车辆在路网上的行驶状 况和各路段的拥堵程度。通过选取广州市800 个车载传感器节点、20 个路侧传感器节点以及3 个路段进行现场数据验证,结果显示在加入WSN定位数据并采用上述算法处理后,地图道路适配准确率提高约4%,路况信息准确率提高约5%,同时路况信息的处理速度也得以提高。可见,基于该优化算法,WSN和GPS融合定位数据能有效提高浮动车路况的准确性和有效性。     

城市浮动车数据定位误差分布研究

提出了计算城市浮动车定位误差的方法,分析了定位误差数据的分布情况和特征,给出并验证浮动车定位误差的概率分布函数,给出不同等级道路的浮动车定位误差分布规律。通过出租车载客状态和地图匹配的路径来推导浮动车的参考位置并计算误差,然后分别运用多种误差分布密度函数进行拟合,发现最适合的定位误差概率密度函数。以广州市浮动车数据为例进行了验证,结果表明偏p-范分布最适合复杂城市路网的浮动车误差分布,可作为浮动车数据进一步应用的基础。     

基于浮动车数据的出租车规模确定方法

通过对出租车GPS数据进行预处理、地图匹配、运营信息挖掘,可以获得与出租车运营有关的信息,单次行驶的时间、距离、经过的路径等。从浮动车数据钟挖掘出租车运营信息,获得出租车在城市运营中的平均运营速度、平均运营时间、平均出行距离等信息,并在结合城市出租车需求的基础上,给出了确定出租车合理规模的方法。同时以广州的出租车数据为基础,对该方法进行了验证。结果表明该方法能够更准确地为出租车提供合理规模,为出租车管理及交通规划等提供科学依据。     

基于区域划分的GPS/DR组合导航定位研究

建立广域车辆定位导航系统的服务区区域划分，在此基础上实现了GPS定位模式切换、建立分层地图数据库和实现通过路网数据对GPS及推算定位的结果进行匹配的快速匹配算法。对车载导航系统的中心模块进行了相应的改进，实现了基于区域 发和地图分级思想的车辆定位导航系统基础模型，并结合成都中心区和广州市的试验结果进行了分析。分析表明，区域划分思想用于车辆定位导航系统，可以提高系统的总体性能。基于该思想实现的车辆空平导航系统模型不仅能在局域，而且能在广域范围内提供满意的定位导航服务。     

��������ͨ��Ϣ�ɼ��봦��ؼ���������Ӧ���о�

为了推动浮动车交通信息采集与处理技术的深入研究、沟通交流和推广应用，本文在概括总结国内外研究及应用现状的基础上，重点描述了基于浮动车运行数据进行实时旅行时间和平均速度估计及预测、拥堵状态判断的核心流程，介绍了国家智能交通系统工程技术研究中心自主研发的创新性的关键技术，其中主要包括浮动车地图匹配算法和路段旅行时间估计算法等，展望了浮动车交通信息采集与处理技术的应用前景。     

导航电子地图中GPS坐标定位的改进算法

将GPS坐标定位的改进算法与传统的Gauss—Kmger投影公式进行比较分析,得出改进算法的误差精度和适用范围,并借助VB编程,通过具体算例,证明在满足精度条件和适用范围的情况下,改进算法比Gauss—Kmger投影算法更方便快捷。该算法可应用于导航电子地图的测量与绘制。     

基于长间隔大规模数据的地图匹配算法研究

随着GPS定位技术应用的日益推广,GPS技术被大量应用于公交车辆及出租车辆的定位与预测.公共交通调度中心的数据量和处理负荷将变得非常巨大,而且租用电信无线网络的费用也很高.如何使用尽可能少的数据得到比较好的定位信息和节约计算资源就成为我们面对的一个重要课题.针对杭州交通调度中心的出租车和公交车的大间隔定位信息,本文提出了一种将基于权值,道路拓扑和最优路径选择相结合的综合地图匹配算法,并应用于实际,取得了很好的效果.     

智能电动车弯曲道路场景中的避障路径规划

为研究智能电动车在弯曲道路场景下进行避障规划的有效性, 提出了一种将笛卡尔坐标系转换为曲线坐标系的方法, 利用5次贝塞尔曲线对弯曲道路场景中的车道线进行逼近得到参考路径, 通过对参考路径进行弧长参数化, 以弧长为横坐标, 横向偏移为纵坐标的方法建立曲线坐标系, 根据车辆和子目标点在曲线坐标系中的位置关系, 采用3次多项式实时生成候选路径, 利用序列二次规划算法对候选路径进行优化; 为验证所提算法的有效性, 以某智能电动车为平台, 利用单目相机、64线激光雷达、工控机等设备搭建试验车, 通过Apollo平台对车辆在弯曲道路场景中的避障算法进行在线仿真, 在园区实车试验中对避障算法进行了GPS位置误差和航向角累计误差分析。研究结果表明: 在曲线坐标系中进行车辆弯曲道路场景下的避障路径规划, 能有效地描述规划路径曲率半径、车辆中心位置偏移车道线距离等信息, 容易确定自身车辆的可行驶区域、前方障碍物位置信息, 从而生成最优路径; 在园区场景的避障过程中, GPS位置误差发生在初始点、转弯点以及避障点, 最大误差为0.15 m, 航向角累计误差为12°, 突然增大的弯道位置误差主要由车辆姿态瞬时改变及障碍物匹配过程引起, 但是误差都能够很好地控制在一定范围之内, 利用曲线坐标系解决弯曲道路场景中的避障路径规划是可行的。      

浮动车数据在车辆路径问题中的应用

利用浮动车信息采集系统预测路段行程时间,实现对带时间窗的混合车辆配送路径选择的优化.提出了带时间窗的混合车辆路径选择优化问题的求解模型;设计了浮动车地图匹配和路段行程时间预测算法,以实现对路段行程时间的预测,并通过给出的成都市浮动车数据证明了所提出的算法比同类算法更有效——地图匹配率提高6%,路段行程时间预测值与实测值的拟合度更高,运输总费用节约24%.