基于出租车GPS定位技术的ITS共用信息平台实时路况信息采集及处理方法

以广州市ITS共用信息平台的建设为背景,提出基于出租车GPS定位技术的ITS共用信息平台实时路况信息采集及处理方法。针对ITS共用信息平台信息采集范围大、准确性和实时性要求高的需求特点,具体研究队列方式的道路拓扑存储方法,利用出租车计费器进行奇异数据剔除的方法,分区搜索和边界矩形相结合的GPS地图匹配方法和循环队列与A*算法相结合的路况计算方法等一整套基于出租车GPS定位数据的实时路况信息采集和处理的方法,并提出了基于J2EE架构的平台数据处理服务器的实现方案。广州市ITS共用信息平台示范工程的实际应用表明,该方法具有良好的效果和广泛的应用前景。     

基于GPS浮动车的自然路段行程时间估计方法

针对目前基于GPS浮动车交通信息采集技术的研究大多只是涉及宏观方案,细节研究较少,导致产生所得交通信息质量不高的问题,考虑数据用户需求以及路网空间数据的特点设计了自然路段划分方法,同时结合动态GPS数据与路网空问数据的特点提出了路段行程时间估计算法.利用编程语言完成了算法实现,并且利用实测数据进行了算法验证.结果表明,自然路段行程时间估计算法不仅运行高效、稳定,同时获取的路段行程时间数据精度较高.     

实时车速信息采集与整合方法研究

实时车速是城市智能化的核心基础数据。基于ITS子系统，包括先进的交通管理系统(ATMS)、自动车辆识别(AVI)系统、车载GPS系统和视频采集系统，分析其实时车速信息采集与整合的几种方法；对比分析两种数据采集结构，即完全分布式和分布式；详细讨论数据描述、数据存储以及数据传输问题；提出区域范围内实时车速的采集系统应该与现有ITS子系统相结合，有效利用实时数据资源，对ITS数据采集、处理和分析具有重要的理论意义和应用价值。     

基于大数据的出租车与普通小汽车行驶速度差异研究

利用出租车车载GPS数据分析城市道路交通运行情况已被北京、广州、深圳等城市广泛采用,但是出租车能否代表普通小汽车的运行特征是必须回答的问题。利用大数据技术,通过分析重庆市主城区出租车和一定数量普通小汽车连续一个月的车载GPS数据,研究重庆主城区出租汽车和普通小汽车在同样道路交通环境下的行驶速度差异性,并拟合出不同速度等级下两者的偏差曲线。研究表明,直接利用出租车行驶速度来表征城市道路交通运行情况存在一定的误差,但可以通过速度偏差曲线进行校正,从而使评估分析的结果更能代表道路使用主体的交通运行特征,提高实时信息系统的准确性和可信度。     

基于小波卡尔曼滤波的高速公路交通数据融合去噪算法研究

为去除交通信息采集过程中的噪声干扰,提出了一种基于小波分析和卡尔曼滤波相融合的交通数据去噪算法。该算法通过小波系数计算小波方差并代替卡尔曼滤波的初始协方差完成迭代,将小波阈值去噪重构后的信号作为卡尔曼滤波器状态最优估计中的测量值输入,实现了交通数据的分解去噪和最优估计。实例分析结果表明:一方面小波-卡尔曼滤波融合去噪算法的去噪指标优于小波分析算法;另一方面采用去噪后的实时交通数据建立时间序列预测模型,由三项预测误差评价指标及拟合预测图对比可知,小波-卡尔曼滤波融合去噪算法较小波分析算法可更好地提高预测精度,从而综合验证该融合算法能有效去除交通数据中的噪声干扰,并提高其数据质量。     

面向动态导航的城市路网实时交通信息服务系统研究

结合国内外的研究现状，基于实时GPS数据和高架线圈检测数据的数据融合处理技术，给出了面向动态导航的实时交通信息服务系统的总体框架，实现了城市路网的实时交通流状态估计；通过构建实时交通信息系统，借助无线通讯方式为车辆提供实时交通信息和动态路径规划服务，实现了在动态路径规划基础上的车辆动态导航。     

基于仿真试验的GPS浮动车最佳样本容量确定方法研究

GPS 浮动车作为一种新型的交通信息采集工具已经成为智能交通领域的研究热点.基于经典概率论理论,并考虑了部分交通流特性的GPS浮动车最佳样本数计算方法,提出了基于仿真实验的最佳样本容量确定方法,并采用 Vissim 仿真软件进行实验,验证了该方法的可行性.     

基于改进K-Means算法的交叉口影响路段行程速度估计

基于低频、低覆盖率、数据来源多样的GPS浮动车数据,在现有数据预处理方法的基础上,以交叉口影响路段数据点为研究对象,研究出更合理且准确获得交通参数的技术方案。GPS浮动车数据由于其具有全天候、多覆盖等特性,能够实时监测交通参数,估计交通状态。为克服数据本身缺陷,使数据能有效利用,精确得到交通参数,本研究获取短时内路段所有数据点代表整体状态。首先基于数据的特性和在路段分布的节律,利用曲线拟合及拉格朗日中值定理确定交叉口的影响范围;其次在该范围内利用改进K-Means聚类方法,确定初始聚类中心,并以有效性指数作为优化目标确定聚类数;在此基础上分配权重,结合交叉口影响范围外的数据点,对整个交叉口影响路段的行程速度进行估计。用杭州市局部路网中GPS数据进行案例分析,验证技术方案。通过实地调查获取实验真实值,分别讨论了在主、次干路路段本方案估计差异,并与传统模型进行了对比分析。分析表明,该方法得到的路段行程速度估计值与真实值较为接近,误差较小,在城市主干路和次干路中的误差分别为4.1%和9.5%,比传统模型误差更小更稳定,能较好地满足城市智能交通控制系统对于交通参数的精度要求。     

汽车动态导航终端的研制

开发了基于嵌入式系统的汽车动态导航终端,经过对系统和算法的优化,降低了对嵌入式系统存储量和计算能力的要求。利用GPS进行定位,通过GPRS和服务器建立网络连接,终端从服务器获取根据实时路况计算得到的最优路径,在符号和地图两种模式下进行导航。     

基于手机定位的交通信息采集技术的优点

基于手机定位的交通信息采集技术是在高效的网络通信系统、精确的GPS卫星定位技术和先进的计算机技术基础上提出的。集成GPS技术的手机日益普及,个人导航功能的使用者剧增。据相关数据统计,个人导航业务的规模将达到43亿美元。A-GPS定位精度高,确保了利用手机定位技术所采集交通流参数的精确度,     

基于手机定位的交叉路口交通流数据采集方法

为了实现对城市道路交叉口交通流数据的全面采集、减少成本、提高效率,提出以手机为交叉口交通流信息获取源的思路。研究了将手机定位数据（运动速度、经纬度）转化为交通流数据的方法。通过检测空间和检测单元的确定,根据用户的运动速度和位置信息,按照步行、自行车、小汽车和公交车将不同手机用户的出行方式进行了准确判断,最终实现了交叉口交通量、车流流向和延误数据的自动采集。     

基于大货车GPS数据的轨迹相似性度量有效性研究

目前,中国货车上全球定位系统(GPS)的强制安装,使得利用包含时间、空间和速度等信息的货车轨迹数据来研究货车运行模式成为可能。基于距离的轨迹相似性度量算法,采用全国道路货运车辆公共监管与服务平台获取的货车GPS轨迹数据,对比分析其在货车轨迹模式识别中的应用。选用文献中最常用的4种基于距离的轨迹相似性度量算法,分别为离散弗雷歇距离(DFD)、动态时间规整(DTW)、最长公共序列(LCS)和实序列编辑距离(EDR)。试验结果表明:当使用二维地理空间轨迹数据(即经度和纬度)时,4种基于距离的轨迹相似性度量算法都能很好地对相似轨迹进行分类(正确率均高于85%),这与现有文献的结论一致。虽然一般认为二维轨迹相似性算法可以直接应用到多维轨迹数据,但是解决具体问题时可能出现的误差以及各种轨迹相似性算法的适用性仍然不确定。目前几乎没有文献对三维及其以上的多维轨迹数据进行实例分析研究,因而,通过相同路线上的三维GPS货车轨迹数据(包括经度,纬度和速度)对4种基于距离的轨迹相似性度量算法进行验证。将第3维速度加入到二维空间轨迹上后发现LCS算法对基于地理空间轨迹的速度模式分类效果优于其他3种基于距离的轨迹相似性度量算法。这说明运用LCS轨迹相似性度量算法来识别基于三维GPS轨迹的货车运行模式是可行的,LCS算法在货车运营管理等方面将有很大的应用潜力。     

基于网格分块索引的车辆高频活动区域算法

车辆的高频活动区域对于车辆的服务应用有较大的参考意义,而汽车高频活动区域的计算中会基于其采集模块提供的经纬度数据进行运算,而该采集模块的经纬度数据误差通常为10米左右,较大误差的引入会影响高频区域计算的复杂度,准确性,及时性。若要降低该误差通常可借助提高采集模块的采集精度,或第三方差分定位服务,但同时导致成本上升。本文将基于当前车辆采集模块的经纬度数据精度,采用地图网格化分块索引的方式改进了车辆高频活动区域的算法,提高了车辆高频活动区域的计算的速度和准确性。     

基于地空信息融合的无人机交通状态感知方法研究

现有的无人机（UAV）交通状态感知方法，主要针对宏观交通状态参数的获取，同时尚未克服UAV自运动对交通参数检测精度的影响，难以满足智能交通系统对于高精度微观交通参数的应用需求。为此，提出一种基于地空信息融合的UAV交通状态感知方法，该方法包括：地空信息融合模型、道路关键点（IKP）检测及跟踪、车辆目标检测及追踪算法和交通状态参数提取及估计。其中，地空信息融合模型利用地基信息（IKP世界坐标）与空基信息（IKP像素坐标）进行最优化融合，并通过自适应IKP追踪算法与自适应UAV位置偏移判断算法实时更新模型参数，以此克服UAV自运动对车辆轨迹精度的影响，进而获取可靠的车辆级（瞬时速度、车头间距和车头时距）与车道级（车道动态密度、车道流量和空间平均车速）交通状态参数。利用提出的感知方法获取实地拍摄视频的车辆级交通参数并进行了分布检验，同时比较了基于不同交通流模型的车道级参数估算方法。结果表明：该方法在车辆检测的mAP@0.5指数超过90%，同时提取的车辆轨迹相对完整，获取的车辆级和车道级交通状态参数也符合实际交通流状况。最后，将该模型应用于实地道路的交通拥堵检测及交通事件检测，该研究结果为UAV在现代交通感知和管理中的应用提供了一种理论和技术参考。     

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。     

弱GNSS信号下基于EMD和LSTM的车辆位置预测方法研究

针对弱GNSS环境下组合导航（INS/GNSS）系统存在的定位偏差问题，提出一种基于经验模态分解和长短期记忆网络的车辆位置预测算法。首先，针对训练数据中噪声较大的惯导数据，提出一种融合经验模态分解与离散小波变换的降噪算法。该算法基于噪声能量估计和各阶本征模态函数的功率谱密度函数，提出一种确定混合模态函数阶数上下界的方法，并采用离散小波变换硬阈值法对混合模态函数进行滤波处理，最终利用经过处理的各阶模态函数重构原始数据以达到降噪目的。训练数据经过预处理后，采用改进的堆叠式长短期记忆网络离线训练位置预测模型，利用该训练模型可在线实时进行位置预测。针对车辆定位序贯数据预测，提出一种局部数据降噪方法，该方法利用一定长度时间窗口的历史数据，通过线性最小二乘给出当下时刻数据的预估值，并与实际量测值进行滑动平均滤波，优化位置预测的结果。在封闭场地模拟隧道环境下，对长短期记忆网络输入端进行局部数据降噪与不进行降噪处理比较，经度和纬度的归一化均方误差分别下降了13.34%和9.38%，经度和纬度的归一化平均绝对误差分别下降了8.64%和5.41%；在复杂城市交通环境下，检验提出的方法，经度和纬度的归一化均方误差分别下降了6.51%和5.66%，经度和纬度的归一化平均绝对误差分别下降了5.70%和8.23%。试验结果表明，在弱GNSS信号环境下，提出的车辆位置预测方法有效提高了车辆定位精度和稳定性。     

机器脚踏车数字行车纪录器数据分析与应用

数字行车纪录器来对机器脚踏车进行其主要的数据研究及探讨,纪录器能连续纪录及储存车辆行驶速率、加速度、经纬度坐标、距离及时间,并透过数据传输功能单元汇入档案,以档案进行数据输出及分析,来得知车辆行驶之行车路程与驾驶行为,进行不当驾车行为之统计以及异常状况的管理辅导的要求,判断驾驶员的驾驶行为是否不良,对其做事前防范管理措施,并运用行车纪录器所得到的数据来做事故重建的鉴定,更能协助提供检警作车祸的参考,对事故提出改善建议,配合＂3Ds MAX＂的应用更能表现其数据的分析结果,利用＂3Ds MAX＂动画制作软件来协助车祸现场重建,因动画仿真有其参考价值,运用其仿真性来还原事故发生的情况,使相关人员更容易了解车祸的过程与发生的原因,藉由行车纪录器的数据整合,让相关人员不需要再花费大量的时间在于车祸的重建探讨,让类似案件避免再发生。     

基于封闭试验场的驾驶模型生成方法研究

本文从封闭试验场驾驶模型的特殊性出发,采用合理的试验方案,得到了高精度的车速,定位(经度和纬度),航向角等数据。然后进一步地利用支持向量回归算法,得到基于封闭试验场的轨迹模型和速度模型。最终形成了驾驶模型,为下游仿真提供了更为可靠的智能驾驶速度曲线输入,从而不仅可以部分代替实车试验,减少实车的制造,降低开发成本,而且还可以更高效主动的发现车辆设计中的缺陷。     

A weight-based map-matching algorithm for vehicle navigation in complex urban networks

A map-matching algorithm is an integral part of every navigation system and reconciles raw and inaccurate positional data (usually from a global positioning system [GPS]) with digital road network data. Since both performance (speed) and accuracy are equally important in real-time map-matching, an accurate and efficient map-matching algorithm is presented in this article. The proposed algorithm has three steps: initialization, same-segment, and next-segment. Distance between the GPS point and road segments, difference between the heading of the GPS point and direction of road segments, and difference between the direction of consecutive GPS points and direction of road segments are used to identify the best segment among candidates near intersections. In contrast to constant weights applied in existing algorithms, the weight of each criterion in this algorithm is dynamic. The weights of criteria are calculated for each GPS point based on its: (a) positional accuracy, (b) speed, and (c) traveled distance from previous GPS point. The algorithm considers a confidence level on the assigned segment to each GPS point, which is calculated based on the density and complexity of roads around the GPS point. The evaluation results indicate 95.34% correct segment identification and 92.19% correct segment assignment. The most important feature of our algorithm is that the high correct segment identification percentage achieved in urban areas is through a simple and efficient weight-based method that does not depend on any additional data or positioning sensors other than digital road network and GPS.