-
题名利用浮动车GPS轨迹识别与提取城市道路交叉口
被引量：1
- 1
-
-
作者
孟秋宇
宋子昂
王金
葛志金
-
机构
北京工业大学交通工程北京市重点实验室
中国矿业大学(北京)地球科学与测绘工程学院
-
出处
《测绘通报》
CSCD
北大核心
2021年第9期59-63,共5页
-
基金
国家自然科学基金(41801380)。
-
文摘
道路交叉口作为道路交汇的枢纽,是路网的重要组成部分,也是最重要的基础地理信息数据之一。浮动车GPS数据具有易获取、低成本和数据量大等优点,但工作同时伴随不少噪点。为了降低噪点对交叉口提取过程的影响,提高计算效率,本文运用KNN算法建立空间索引;计算向量夹角,判定道路出入口,粗筛取交叉口附近点;分别采用K-means算法、DBSCAN算法和层次算法进行聚类分析,进一步确定交叉口位置。最后以成都某区域浮动车GPS数据为例,提取道路交叉口并进行了对比分析,进一步表明本文方法可以服务于智能交通研究与应用。
-
关键词
道路交叉口
浮动车gps数据
聚类分析
向量夹角
空间索引
-
Keywords
road intersections
gps trajectories
cluster analysis
vector angle
spatial index
-
分类号
P208
[天文地球—地图制图学与地理信息工程]
-
-
题名贝叶斯优化模糊C均值的城市交通状态判别方法
被引量：1
- 2
-
-
作者
于靖宇
魏海平
郭宏伟
蔡亚峰
李润
-
机构
信息工程大学
天津大学
-
出处
《测绘科学技术学报》
CSCD
北大核心
2021年第6期653-658,共6页
-
文摘
准确的城市交通状态判别是实现城市智能交通诱导、管理、控制的基础和前提,对出行推荐和城市规划等具有重大的参考价值。通过分析浮动车GPS点位数据具备的位置、速度、方向等信息,可以实时获取交通参数,反映交通运行状态。针对交通状态的模糊性、不确定性等特性,以路段行驶速度和速度方差为指标,提出一种贝叶斯优化模糊C均值的聚类算法(BO-FCM)。BO-FCM用贝叶斯算法对FCM算法的初始化参数进行优化,避免FCM陷入局部最优解而导致聚类无法收敛到最优结果,降低交通状态判别的准确度。以深圳市主干道的实测数据为例,进行BO-FCM城市道路交通状态判别算法的实验分析,结果表明,BO-FCM算法较其他FCM算法,鲁棒性更高,聚类结果更准确。
-
关键词
浮动车gps数据
交通状态判别
模糊C均值
贝叶斯优化
高斯过程上置信界
-
Keywords
gps data of floating car
traffic state identification
fuzzy C-means
Bayesian optimization
Gaussian process upper confidence bound
-
分类号
P208
[天文地球—地图制图学与地理信息工程]
-
-
题名基于改进遗传卡尔曼算法的短时路段行程时间估计
- 3
-
-
作者
林园
-
机构
上海同济城市规划设计研究院有限公司城市开发规划研究院
-
出处
《山东交通学院学报》
CAS
2020年第1期32-39,53,共9页
-
基金
国家自然基金面上项目资助项目(51678505)。
-
文摘
为进一步提高城市道路行程时间短时预测的准确性,利用城市浮动车全球定位系统(global positioning system,GPS)数据,提出基于遗传算法(genetic algorithm,GA)优化的卡尔曼滤波(kalman filtering,KF)模型估计短时道路行程时间的方法。利用高斯滤波器对异常数据进行有效剔除,基于城市道路地理信息系统(geographic information system,GIS)数据提出道路地图匹配算法,利用卡尔曼滤波器预测匹配道路的行程时间,并通过遗传算法优化卡尔曼滤波的误差参数。实际算例表明:预测路段的行程时间误差均小于0.5 min,基于GA优化的KF算法能有效提高路段行程时间估计的精度。根据预测行程时间对上海市外环路各个路段不同时间的拥堵情况进行预测识别,预测结果有助于交通管理部门及时掌握城市道路运行状态信息。
-
关键词
GA
KF
行程时间估计
浮动车gps数据
-
Keywords
GA
KF
travel time estimation
floating car gps data
-
分类号
U491.1
[交通运输工程—交通运输规划与管理]
-
