���ڸ��������ݵ��Ŷӳ��ȼ�ⷽ���о�

排队长度作为评价信号交叉口运行效率的一个重要指标,能有效反映交叉口处的运行状况.传统排队检测模型大多基于线圈检测器,且模型假设过于理想化,本文提出一种面向低采样率浮动车数据、具有良好数据驱动性的信控交叉口在线排队长度检测方法,方法关键在于利用队尾浮动车位置估算最大排队长度.检测过程采用固定时间间隔,主要步骤包括地图匹配、等距划分交叉口进口道并统计停车点数量、判定队尾浮动车的位置、修正得到最大排队长度估计值.实测数据表明,此方法的精度与浮动车比率有直接的关系,在浮动车比率较高的许多主干路交叉口,精度可以达到理想效果,30 m以内的平均绝对误差对高峰期的排队检测依旧具有很大价值.     

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.     

基于大规模浮动车数据的城市道路网复杂度分析

针对现有浮动车技术应用研究中缺乏道路网络复杂度的定量分析,引入置信点的概念,提出了一种基于大规模浮动车数据的城市路网复杂度分析方法.利用该方法统计了路网中各路段的置信点分布情况和置信点的平均匹配距离,建立了城市路网复杂度模型.结合浮动车数据的预处理,提出了城市路网复杂度的分析流程.以广州市为例,分析了广州市全局路网和4类典型城市道路代表路段的复杂度.对于地图匹配算法实证研究中的指定路径,具体分析了其各组成路段的复杂度及其主要影响因素.     

基于浮动车数据挖掘的出租汽车运营特征研究

为支持出租汽车运营评价和行业规划,科学掌握其运营现状与特点,以深圳市一个典型工作日为例,研究浮动车数据挖掘在出租汽车运营特征研究中的应用.依托对浮动车数据的特征解析,提出面向出租汽车运营特征分析的数据处理流程,针对空驶率、运营速度、载客运营时长、出行需求的时空差异等方面分析深圳市出租汽车行业运营现状与特点.该研究可为出租汽车运营评价提供新视角,从对既有数据深度挖掘的角度提升行业效益.