基于浮动车停车点数据交叉口车辆排队长度计算方法

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.     

浮动车系统地图的匹配精度

从地图匹配精度指标出发,针对浮动车系统的配置计划中的浮动车系统信息采集周期这一重要参数进行研究。分析浮动车系统数据特点,说明浮动车系统采集周期对浮动车服务质量的重要性;分析城市路网条件下精度随不同采集周期的变化情况,建立基于城市路网特征描述变量和采集周期等特征向量的地图匹配精度模型。模型由于包含城市路网特征描述向量,具有较高的移植性,应用此模型可以得到期望精度下采集周期的预测值,为浮动车系统的配置计划提供参考依据。     

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.     

基于浮动车数据的交叉口范围动态划分方法

目前路网分析与行程时间计算的误差很大程度受路段和交叉口划分位置的影响。通过分析车流在交叉口的受阻交通过程,提出了基于浮动车数据的密度法和减速点法对平面交叉口范围进行动态划分的方法,并利用南京市浮动车数据对其进行了实证和延误对比分析,结果表明这2种方法能反应交叉口交通流的时变规律,准确地对交叉口范围进行动态划分,相对于交叉口静态范围划分,在交叉口延误计算等方面具有弹性优势。     

一种改进的基于要素加权的浮动车地图匹配算法

分析了现有地图匹配算法的优缺点,提出了一种改进的基于要素加权的地图匹配算法.算法采用多属性决策方法对匹配路段进行选择,改进了原算法在选择匹配路段中的一些弊端,提高了地图匹配的准确度.     

城市路网中浮动车数据和线圈数据的融合

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.     

浮动车数据路网时空分布特征研究

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.     

基于浮动车车速数据的交通状态实时判别系统和方法

提出一种交通状态判别方法,使之符合交通状态变化连续性。基于浮动车数据特性分析,考虑交通阻抗及临界跳变现象的影响,通过预判别及二次修正,优化了交通状态判别结果。该方法能有效滤除交通状态参数在阈值附近频繁变化产生的交通状态非正常跳变,同时可以修正异常数据导致的交通状态阶跃,从而优化了交通状态判别结果。构建并实现了基于该方法的实证系统,通过多种指标的验证,表明该方法提高了交通状态发布的准确度。     

基于矢量道路栅格化的海量浮动车数据快速处理

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。     

基于手机基站定位数据的地图匹配研究

研究如何利用手机基站定位数据信息进行地图匹配,其基本原理是通过采集车载手机通过道路的基站切换序列,在剔除冗余数据后,利用初始蜂窝小区定位算法实现每一个切换点在电子地图上的匹配,再利用路网的连通性实现路径的匹配。选取广州市到中山古镇路段作为实验路网进行实地实验,对所获得的基站信息进行数据处理和地图匹配的结果进行分析,证明通过手机基站定位数据来进行地图匹配的可行性和有效性。     

一种适用于复杂城市路网的浮动车实时地图匹配技术

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.     

浮动车采集系统中城市道路分段方法研究

介绍了浮动车数据采集和数据处理方法;结合出行者对实时动态交通信息精度的要求,在已有固定分段的基础上提出了合并路段的方法;利用中环路浮动车采集数据对合并方法进行实证,表明该分段方法能提高发布信息的精度.     

基于样本容量的浮动车数据路网覆盖能力研究

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.     

面向实时交通状态参数估计的浮动车车速置信优化算法

针对浮动车数据稳定性问题,在浮动车及其数据特性分析的基础上,设计了考虑车速置信权重的交通状态参数算法。以车速、样本数和时间为衡量基准得到置信权重,据此计算交通状态参数。在出现异常数据时进行去噪处理;在数据量不足或数据连续性不好的情况下融合历史数据及临近时段数据,以反映真实交通状态。通过编程仿真和实地实验,对优化算法进行数值分析和测试,证明该算法可有效消除异常数据波动和数据量不足的影响,对交通状态参数估计具有较高的准确度和平稳性。     

基于大样本浮动车数据的武汉市车辆行驶速度获取与分析

采用基于浮动车行进方向与道路方向约束的道路匹配算法,将浮动车数据准确地匹配到城市道路上;在此基础上分析了大样本浮动车平均瞬时速度与路段平均行驶速度的关系,提出了用大样本浮动车的平均瞬时速度快速评估道路行驶速度.最后利用武汉市约1万辆出租车的GPS数据,对武汉市道路车辆行驶速度情况进行了计算和分析.     

基于GPS浮动车的交通信息采集系统研究

针对目前基于GPS浮动车的交通信息采集系统相关研究不够系统、深入,导致大量有用基础数据浪费、输出交通数据质量偏低、系统运行效率不高而成本较高等问题,设计了一种基于GPS浮动车交通信息采集系统的逻辑结构,系统关键技术的分析、介绍,为应用系统的开发与实现奠定了基础。