基于EMD算法的切换系列区分及时空转换参数选取仿真

鉴于由于个人隐私而导致的数据获取困难问题,依托基于无线通信网络与交通集成仿真的手机切换数据平台采集手机数据,用EMD算法将不同道路切换序列的差异程度进行量化区分,根据时空转换参数ρ的不同取值得到相邻道路、不同道路之间手机切换序列对的EMD。结果表明：将EMD算法应用于不同道路序列的区分是可行的,ρ的选值不影响该算法应用的效果。     

基于手机基站数据的混合地图匹配算法研究

基于移动通信的交通信息采集是智能交通系统中新兴的应用技术之一,将车载 手机定位到电子地图上是其应用的基础,而地图匹配技术则是解决车载手机定位的关键. 本文通过对车载手机行驶在不同的路网时所产生的基站切换数据信息,分析得到车载手 机实际运行时基站切换的基本规律;并结合电子地图的数据结构特点,对使用基站切换 数据进行地图匹配时需解决的难点问题展开研究;在使用基站切换对代替道路稳定切换 序列的方法的基础上,提出了结合切换对和基站源址的混合地图匹配算法.此算法可以缩 小待选路段集,有效处理交叉口和平行路段等复杂情况,提高匹配准确率.最后,选取广州 大学城为实地测试区域,验证了此算法的可行性.     

基于车载连续序列图像的道路曲率计算方法

提出一种基于车载连续序列图像的道路曲率计算方法.算法首先利用车载视 觉系统进行内外参数标定实现对路面车道线的三维重建,利用三维重建误差模型对重建 的数据点进行误差估计,并对数据点进行选弃.对序列图像中路面车道线重建出来的曲线 采用ICP 算法进行曲线匹配,并将匹配后的曲线映射到统一的参考坐标系中.最后利用匹 配曲线上的数据点进行圆周拟合,计算道路曲率.实验中利用真实的车载连续序列图像对 算法进行验证.针对曲率半径分别为96 m和430 m两段不同程度的弯道,利用本文算法计 算对应道路的曲率半径.结果表明,本文算法能够精确地计算出不同弯道的道路曲率,特 别是针对平缓弯道的曲率计算,比基于单幅图像的曲率计算方法更加准确与稳定.     

基于手机信令的城市机动化方式细分双层模型研究

针对现阶段手机信令数据难以适用城市复杂出行环境，无法有效区分密集路网下机动化出行方式，本文提出一种考虑路径精准拟合与多维时空特征的双层识别模型。在出行路径识别层面，Savitzky-Golay(S-G)滤波能有效平滑信令数据相对实际出行路径的波动，线性插值算法能弥补信令数据时空缺失。在出行方式识别层面，探究了识别路径相似度、出行时间相似度、加速度、小波速度等关键因素，利用K-临近算法识别公交、小汽车。结果表明：本文提出方法能有效细分城市密集路网环境下的公交与小汽车出行，识别准确度分别达到88.29%和82.28%。在不同出行距离、出行时段、拥挤状态、道路等级、道路类型及识别路径相似度等角度，识别效果均优于随机森林等算法。研究支撑了基于信令数据的出行特征精准挖掘，为道路规划建设，公交线网规划等提供重要基础。     

���ڶ����ѧϰ�������ԵĶ�ʱ��ͨ��Ԥ��

交通流量预测是当前交通大数据应用的重要议题之一.经典的交通流量预测方法通常只根据被预测道路自身的数据进行分析和决策,而往往较少考虑由于同一区域不同道路之间的交通流量关联性.本研究根据城市核心区交通流量数据的特点,构建同区域内多条相关道路的交通流量多维度数据模型.并且,基于该数据模型提出了一种基于多机器学习竞争策略的交通流量预报算法.该算法的主要核心思想是利用时间序列聚类的方式将多维交通流量数据进行降维,然后通过引入多种多机器学习方法进行并发训练,其训练结果通过竞争获得最优分类器群.最后设计了多最优机器学习集成预测方法进行交通流量预测.本模型通过在南昌市中心道路进行的实验显示,其预测结果优于传统单时间序列机器学习方法.     

基于混沌时间序列的道路断面短时交通流预测模型

为了提高道路断面短时交通流预测的精确性,本文对道路断面的短时交通流数据进行混沌时间序列分析,并对多维交通流时间序列数据进行了相空间重构,建立基于混沌时间序列分析的道路断面短时交通流预测模型,利用粒子群优化算法优化模型的参数选择．最后应用本文的方法对城市快速路采集的断面交通流数据进行分析,对道路断面短时交通流建立预测模型并验证其有效性．     

�ֻ�̽�⳵�쳣�л�λ�����������о�

以切换定位技术作为手机探测车的定位技术,针对切换定位技术低定位精度的特征,对手机探测车异常切换位置修正问题进行了研究．根据问题描述,提出一个两阶段手机探测车异常切换位置修正方法,分别为异常切换路段速度修正和异常切换位置重置．在第一阶段中,结合桥接切换路段构建一个双层数据融合模型,对异常切换路段速度修正值进行求解．在第二阶段中,采用遗传算法求解异常切换位置重置问题得到异常切换位置修正结果．通过实证数据,评估分析了基于本文修正方法计算得到的手机探测车切换路段速度估计绝对误差,与原始数据比较表明,本文提出的方法是可行有效的,可以应用于道路交通信息提取的研究中．     

手机切换时间分配方法研究

在Hellinga模型的基础上,结合信号交叉口信号配时方案提出切换时间分配修正模型。以成都市人民南路为研究对象,搭建无线通信网络和道路交通网络集成仿真平台获取畅通及拥堵状态下的手机切换数据,在试验分析中,对比评估Hellinga模型与修正模型的切换时间分配精度及效果。研究结果表明,在不同交通状态下,修正模型的切换时间分配结果优于Hellinga模型。     

基于EMD-ARIMA模型的边坡位移分析与预测

针对波动性大、规律性差且含噪声的高速公路边坡位移监测时间序列,提出了一种基于经验模态分解技术(EMD)和自回归移动平均(ARIMA)相结合的预测算法,基本思想为"数据分解-数据预测-数据合成"。通过对重庆奉云高速公路247 d边坡位移监测数据的预测和分析,表明EMD-ARIMA具有较高的精度,好于单一ARIMA模型,可为工程建设及防灾减灾提供技术指导。     

GSM-R网络中共享中继增强型切换机制

为了提高GSM-R系统的切换成功率,设计了一种共享中继增强型切换机制,利用共享中继改善相邻基站重叠区内来自目标基站的信号质量,明显区分不同基站的信号,减少信号波动导致的切换误判.仿真结果表明:利用增强型切换机制将列车的切换触发地点提前约500 m,从而保证列车在重叠区内具有足够的距离完成切换,并且由于信号质量的改善,减...