面向大规模浮动车的交通信息处理模型关键算法研究

admin · 发表于 2 小时前

题目：

雅宝题库答案：

****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案

雅宝题库解析：
城市交通日益拥堵以及带来的环境恶化和能源短缺已成为世界各国大城市所面临的严重题目，通过实时采集交通数据处理后向公众发布动态交通信息，可以让出行者合理规划出行路线来规避拥堵路段，是解决上述题目的有效手段。传统的交通信息采集方式主要依靠沿路部署的大量检测器，信息覆盖率低且建设成本高，其采集的流量数据也不适于出行服务。随着GPS和无线通信技术的日益普及，新型浮动车技术可以采集和处理覆盖范围更广、更适于出行规划的动态交通信息。浮动车技术利用定位技术、无线通信技术和信息处理技术，可以实现对道路上行驶车辆的位置、瞬时速度和方向等参数的采集，对这些数据进行汇总处理后形成反映道路拥堵情况的交通信息。浮动车技术在数据处理过程中面临如下技术题目的制约：一、受到GPS的定位精度误差的影响，在数据处理中无法将车辆准确匹配到相应的道路上；二、受到无线通信成本的限制，浮动车数据的采样间隔一般会超过30秒甚至更长，使得数据处理模型无法准确获取两个采样点之间的行驶路径影响计算准确性，并导致处理过程需要消耗大量的计算资源，尤其在面向大规模浮动车数据处理时引发严重的计算实时性题目；三、大城市内快速路系统主辅路结构会形成的平行路网结构，增加了准确获取行车路径的难度，进一步加重了计算负担；四、浮动车不同状态下的行驶模式对于准确计算交通信息是一个全新的题目；五、作为一种新的交通信息获取技术，浮动车带来了新的交通信息特征，利用这些新特征获取交通事件以丰富交通信息的内容，是浮动车技术进一步深入研究的内容之一。针对上述题目，本文基于浮动车大规模应用的真实场景，通过分析大量实际浮动车运行数据，在地图匹配、行车路径推测、基于Dempster-Shafer证据推理理论下的交通信息融合、基于支持向量机的浮动车行驶模式分析、基于离群检测的交通事件自动检测等方面进行了深入研究并提出了相应的算法模型，主要贡献如下：1、完善了地图匹配算法并提出了一套完整的高效处理机制本文在充分分析浮动车数据特征的基础上，针对城市复杂路网的实际应用环境，提出了一个符合大规模处理需求的路网拓扑结构并在其基础上发展了新的启发式路径搜索算法，并通过进一步建立一套快速空间索引算法，完善整个地图匹配算法模型，从各个层面提高了算法的准确性和效率。并对大城市中普遍存在的并行路网结构，基于D-S理论框架，提出了一种全新的路径选择策略，将路径选择题目转化成存在证据冲突的信息融合题目，并在算法中实现主路和辅路路径同时作为车辆的行驶轨迹输出多选路径，然后以路链为单位执行证据融合算法和证据二次分配算法进行信息处理，从而提高所有路链的实时交通信息的准确度。2、提出了一个基于SVM的浮动车行驶模式判断模型在大量数据分析和实践的基础上，提出了一个基于SVM的浮动车行驶模式判断模型，并给出了一种针对该模型的基于隶属度矩阵的特征评价和选择方法，同时对有限的浮动车参数进行两次特征提取，以提高数据对行驶模式的描述准确性，最终实现的行驶模式判断模型算法可以有效区分出租车泊车待客状态并剔除相应输入数据，从而提高交通信息准确性。3、提出了一个基于离群距离的交通事件检测算法针对大型城市快速道路的交通事件自动检测题目，在浮动车数据的基础上，分析了交通事件的典型特征，提取和形式化表达了交通事件的时间和空间特性，引入正常数据排除、离群检测、延迟检测三层交通事件检测机制，提出了基于离群点挖掘的事件检测算法。

面向大规模浮动车的交通信息处理模型关键算法研究

天涯海角也要找到Ni：面向大规模浮动车的交通信息处理模型关键算法研究

QQ微信同步：1144766066。

服务

网站

战略合作