基于GPS轨迹的矢量路网地图自动生成方法

提出一种基于GPS探测车轨迹的大规模矢量路网地图自动生成方法.该方法不需要路网地图的基图,可以只利用GPS探测车在路网中的行驶轨迹,自动将实际路网的真实拓扑结构反映在数字地图上.该方法分三个步骤:首先,实现GPS探测车轨迹数据的大地经纬度坐标到地图城建坐标的转换;然后,利用坐标转换后的GPS轨迹数据生成路网栅格地图;最后,将已生成的栅格路网地图进行矢量化处理.采用真实GPS探测车轨迹数据进行的实际路网自动生成实验表明,该方法能够成功地通过GPS轨迹自动生成路网地图,生成的矢量路网数字地图具有较高的精确度,可以满足交通诱导和汽车导航等系统中数字地图及时、自动更新的应用需求.     

粗正交小波网络及其在交通流预测中的应用

基于交通流预测的特点和输入向量的主成分分析方法,把粗集理论与正交小波网络相结合,给出了一种基于粗集的正交小波网络交通预测模型,并成功应用于城市交通流的实时预测.粗正交小波网络具有极强的鲁棒性,可以有效克服季节、天气等随机因素对交通流量预测性能的影响;主成分分析方法解决了正交小波网络多维输入时的维数灾难.实验结果表明,该模型的预测精度和收敛速度明显优于常规BP网络和小波框架神经网络,对交通流量等预测问题具有较高的应用价值.     

基于粗集的正交小波网络预测模型研究

为满足复杂工程预测问题的需要,把粗集理论与正交小波网络相结合,建立了一种基于粗集的正交小波网络预测模型。应用主成分分析方法解决了正交小波网络多维输入时的维数灾难,提高了网络的收敛性和预测的时效性。预测模型兼容了正交小波网络和粗神经网络的优良特性,具有良好的函数逼近能力和极强的鲁棒性,特别适合于具有随机因素的高精度预测问题。仿真研究表明,模型的预测精度和收敛速度优于小波框架神经网络。     

基于证据融合的实时交通状态估计

为满足智能交通监控系统中融合多种传感器信息综合估计交通状态的需要,把证据理论与联邦滤波器框架相结合,提出了一种联邦证据融合方法,并成功应用于城市交通路网的实时交通状态估计.实例分析表明,利用联邦滤波器的融合结构,把时域信息和传感器的可靠性信息融入融合系统,不但可以克服证据理论不能正确处理冲突证据的缺点,而且能够增强证据融合系统的实时性和鲁棒性.