共查询到20条相似文献,搜索用时 274 毫秒
1.
2.
依托于浮动车数据,基于地图匹配对城市道路交通状态模糊综合判别方法进行深入研究.首先根据浮动车数据特点和道路交通信息,基于Mapbasic编程对数据进行地图匹配,并进行MapInfo二次开发,通过相关模型计算指定时段内的道路交通参数.建立模糊综合评价判别模型,对判别结果量化处理,以最大隶属度原则确定道路交通状态.最后,选... 相似文献
3.
4.
基于蚁群优化算法与出租车GPS数据的公众出行路径优化 总被引:1,自引:0,他引:1
以出租车GPS采集的浮动车数据为依据,研究出租车驾驶员路径选择的认知及类蚂蚁的行为特征。根据城市道路功能等级与出租车的通行频率等信息素,建立出租车驾驶员路径选择信息素等级路网,并以此作为路网初始信息素,综合考虑路径通行时间、通行距离、路径信息素等级等多个因素,提出了基于蚁群优化算法的公众出行路径规划优化算法。以武汉市路网和浮动车为试验数据,将模型规划的道路与浮动车数据库中的轨迹进行了比较。结果表明:基于蚁群优化算法与出租车GPS数据的公众出行路径同出租车驾驶员选择的出行路径相似度很高,能为公众出行提供出租车驾驶员选择的行车路径。 相似文献
5.
浮动车数据路网时空分布特征研究 总被引:5,自引:0,他引:5
以出租车作为浮动车数据采集源,针对浮动车数据路网分布的不均衡性,提出覆盖强度和覆盖率2个指标,通过大量样本分析浮动车数据路网分布的时变特征,以及在不同区域、不同通道上的分布特征.结果表明:浮动车数据的路网覆盖强度和覆盖率在一天中具有持久而稳定的高峰时段,在一周的工作日内能够保持稳定;高等级道路在各个时段总是具有更高的覆盖强度和覆盖率,根据浮动车数据计算的路段行程车速与人工实测数据吻合较好;在非高峰时段、非中心区域,以及低等级道路上,浮动车数据的覆盖强度和覆盖率相对不足. 相似文献
6.
针对海量浮动车数据特点和快速处理要求,提出了一种基于矢量道路地图栅格化的海量浮动车数据方法,该算法的关键是矢量道路栅格化过程中包括了道路缓冲区和属性信息。道路缓冲区的宽度由一个与浮动车数据位置误差和道路宽度相关的置信区域决定;矢量道路缓冲区转换成栅格图后,栅格图中像素的位置对应着实际地理坐标,而像素值的灰度值表示道路的等级、名称、编号等属性或方向等信息;然后将海量浮动车数据与栅格道路地图进行叠加处理。这种方法不仅可以精确地计算出城市道路地图坐标系与浮动车数据坐标系之间的变换参数,而且还能够快速地获取区域路网以及特定道路的行驶速度。最后,通过超过一千万个真实的武汉市浮动车数据,并与经典的浮动车数据处理算法进行比较,验证了矢量道路栅格化方法处理海量浮动车数据的可行性和有效性。 相似文献
7.
基于样本容量的浮动车数据路网覆盖能力研究 总被引:1,自引:0,他引:1
以出租车作为浮动车数据采集探测车,针对探测车在路网上行驶的不确定性,提出浮动车数据路网覆盖能力的概念,研究覆盖能力与探测车样本量之间的关系.以覆盖强度和覆盖率为指标,采用简单随机抽样方法,研究了在10种样本条件下浮动车数据路网覆盖能力的变化情况,并进行回归分析.结果表明:在不同样本容量下,浮动车数据对各等级路网的覆盖强度和覆盖率均具有相似的时变特征;各等级路网的平均覆盖强度随样本容量线性增长,增长率随道路等级下降而迅速减小,高等级道路具有更高的覆盖强度;各等级路网的覆盖率随样本容量增大呈非线性增长,高等级道路能够更快达到稳定值;用浮动车数据判别高等级道路的交通状态,可适当降低样本容量. 相似文献
8.
为了提高城市道路交通事件自动检测算法的性能,引入算法性能可靠度概念对基于浮动车数据和感应线圈数据的事件自动检测算法检测结果进行决策融合。决策融合算法包括3个模块:①感应线圈数据算法模块:选择流量、占有率、路段长度、前一个检测周期的检测参数作为输入参数,训练BP网络进行事件判别;②浮动车数据算法模块:使用误差分析理论确定满足数据精度要求的最小浮动车样本量,选择路段行程时间、行程速度作为BP网络输入参数,进行事件判别;③决策融合模块。引入算法性能可靠度概念,计算模块一和模块二判别结果的权重值,使用加权平均法进行决策融合。通过Vissim仿真获得数据,在Matlab中编程实现算法的计算,仿真结果表明决策融合算法的性能优于单数据源事件自动检测算法。 相似文献
9.
《公路》2015,(1)
现阶段,基于浮动车数据的道路交通状况预测成为路况计算的主要方法之一。通常情况下,上述方法利用装设在出租车或其他小型车辆上的GPS接收设备计算被监测车辆的平均车速,从而获取车辆行驶路段的道路交通状况。使用该方法计算路况的前提是,浮动车的行驶速度近似等于道路自由交通流速度。在很少有出租车行驶的城际高速公路和郊区道路上,只能通过装有GPS设备的大型车辆,如大型客、货车作为浮动车计算路况,然而,上述车辆的行驶速度往往低于所在道路的自由交通流速度,使用传统浮动车路况算法会造成较大的误差。因此,需要引入一种新的算法,以实现基于大型低速浮动车的道路交通状况计算。本文针对这一问题,提出了基于加速度噪声的浮动车路况计算方法理论,并结合路况直报系统真值对计算结果准确性进行了验证,为通过大型低速浮动车GPS数据计算道路交通状况提供了一种可行的解决方案。 相似文献
10.
11.
12.
13.
一种适用于复杂城市路网的浮动车实时地图匹配技术 总被引:2,自引:0,他引:2
地图匹配技术是浮动车系统从数据接收到结果展示各个环节中最为关键的一项内容,但是目前国际上浮动车系统多用于路网结构简单的高速公路系统,而将匹配技术应用于立交遍布、主辅路交错的复杂城市道路系统时往往得不到满意的匹配效果.文章通过对现有各种地图匹配方法的分析比较,针对大采集时间间隔GPS数据在北京市复杂路网结构中遇到的实际问题,提出了一种局部节点匹配的改进的最优路径选择算法,将该算法应用于实验系统后,获得了令人满意的匹配速度与准确度,证实了这一地图匹配算法能较好地适用于现代复杂城市路网的实时浮动车计算系统. 相似文献
14.
15.
16.
城市路网中浮动车数据和线圈数据的融合 总被引:3,自引:0,他引:3
交通信息是 ATMS 的基础和核心,从实时交通数据中准确估计交通参数、判断和预测交通状态是 ATMS 的重要内容.文中在信息融合理论的基础上,介绍了交通数据融合的基本内容.分析了浮动车数据和线圈数据的特点后得出:在城市路网环境中,虽然浮动车采集和线圈采集方式各有优劣,但他们在时间和空间上具有很强的互补和冗余.为充分利用已获取的交通信息,应实现这两类数据的融合,并对浮动车数据和线圈数据的一般融合模型和基本融合方法进行了论述,明确了交通融合问题的2种研究方法,即通过仿真手段得到的数据和现场采集数据作为融合的数据源来验证融合模型. 相似文献
17.
18.
19.
基于浮动车移动检测与感应线圈融合技术的行程时间估计模型 总被引:7,自引:0,他引:7
综合考虑到浮动车检测技术与感应线圈检测技术的优缺点,为了提高道路行程时间估计的精度及完备性,提出基于浮动车与感应线圈的融合检测技术的行程时间估计模型。该模型利用神经网络技术对两种检测技术同一路段的检测数据进行融合,从而达到提高道路行程时间估计精度和完备性的目的。最后,以广州市7 000多辆装有GPS装置的出租车所提供的浮动车数据、100多个安装在广州市各主要道路口上的感应线圈检测器提供的感应线圈数据以及广州市交通电子地图为基础,在10条道路上分别随机选取的500个两种检测数据对提出的模型进行了验证,试验结果表明,此模型在道路行程时间估计的精度方面较浮动车移动检测技术与感应线圈技术有较大提高。 相似文献
20.
基于浮动车停车点数据交叉口车辆排队长度计算方法 总被引:1,自引:0,他引:1
浮动车数据中存在许多行驶速度为零的停车点数据记录,它们和交叉口车辆排队长度存在一定的空间关系.针对此提出一种新的基于浮动车停车点数据计算交叉口前车辆排队长度的方法.首先根据车辆停车点地理位置和正常行驶点的连续关系及和路段的相对位置进行地图匹配,提取出路段上交叉口前正常排队停车点数据;然后从正常排队停车点数据中计算出相对交叉口的浮动车数据相对位置关系,根据对浮动车停止点距离交叉口的位置密度分布变化进行2次统计计算,推算出交叉口前车辆排队长度.最后通过实际浮动车数据计算实例对本方法进行了说明和验证. 相似文献