基于DBSCAN算法的浮动车数据预处理

针对现有浮动车数据预处理方法中存在算法复杂和精度低等缺点,提出一种基于DBSCAN(DensityBased Spatial Clustering of Applications with Noise)算法的浮动车数据预处理方法。该算法操作简单,仅需原始GPS数据中的纬度和经度就能去除浮动车数据中的轨迹漂移点。首先,在数据库中对浮动车数据进行剔除经纬度越界数据、剔除异常数据、剔除重复数据和剔除不完整数据处理;然后,使用DBSCAN算法剔除浮动车数据中的轨迹漂移点。利用该方法对武汉市浮动车数据进行预处理,能够快速有效去除浮动车数据中的轨迹漂移点。     

基于浮动车大数据与网格模型的城市交通拥堵识别和评价研究

随着机动车辆的迅猛增长,城市路网呈现出事件多发、通行状态多变的特征,大城市的交通问题日趋严重.借助大数据技术,通过对城市路网中海量浮动车轨迹数据的深入挖掘,能够实现对复杂交通状态的快速识别和准确分析.本文首先对北京市浮动车的海量数据进行校准和清洗.其次,针对不同的研究内容,构建不同尺度的网格模型.然后,根据网格内节点对行程时间的历史数据,识别常发拥堵区域;结合实时行程时间数据,识别偶发拥堵事件.最后,通过对网格交通运行指数进行密度聚类,从空间范围上将大城市拥堵区域的类型划分为"点-线-面"3个层级对交通拥堵进行评价研究.本研究不以道路矢量地图为基础,仅通过浮动车轨迹数据,便可以实现对交通拥堵的高效识别和宏观拥堵的评价.     

基于服务总线浮动车数据分布式并行处理算法

FCD（Floating Car Data,浮动车数据）是一种新型的交通信息检测技术,其核心是利用具有GPS/北斗定位和通讯功能的车辆（如城市出租车等）采集的位置、时间、速度等数据,并把这些数据与电子地图进行单点匹配,以及路径推测等,最后可直观描述道路的交通流状况。然而,海量浮动车数据处理存在性能方面的瓶颈,为此,本文针对大规模浮动车数据进行分布式并行处理等关键性算法研究,在单机多线程处理的基础上,通过服务总线,实现了FCD分布式并行处理系统及FCD实验平台,该平台不仅能够对处理任务按车辆分配,还能根据实际需要,按浮动车时间段进行分配,并且实现了计算单元的动态弹性扩展。通过北京市实际浮动车数据集和路网数据测试,实验结果表明,处理效率得到较大幅度提升,并且通过负载均衡优化,进一步降低处理时间,验证了该算法的有效性,更好地解决了大规模复杂空间数据运算的效率问题。     

采用代表点插值的道路网提取方法

针对浮动车轨迹数据包含较多异常数据导致道路网提取效果不好的问题,提出一种渐近方式的代表点插值算法.首先,采用DBSCAN聚类算法对转弯点聚类求出路口位置,计算经过两个路口间的轨迹,合并轨迹.然后,采用改进的代表点算法提取代表点.最后,利用最短路算法在由代表点建立的Delaunay三角网上插值,从而得到道路网.实验结果表明:该方法能有效地从带有较多异常的轨迹数据中取出由复杂网络构建的道路网,具有较好的实用性.     

基于优化随机森林算法的浮动车GPS数据插补模型

为改善浮动车全球定位系统(global positioning system, GPS)数据因采集过程中受到干扰造成数据缺失问题,通过分析法研究了浮动车GPS数据与交通流状态和道路线形之间的关联性,提出一种基于优化随机森林算法的浮动车GPS数据插补模型,该模型针对随机森林算法插补过程中,因自身的随机性而引起插补结果具有波动性问题,在结果输出部分引入权重因子,通过线性优化算法,调节权重因子大小使输出结果波动性降低的同时满足道路线形特征。实验对6名志愿者21 d的出行轨迹数据进行插补。结果表明:所构建的模型平均误差为12.3 m,相较于随机森林模型、决策树模型和线性回归模型分别减少14.9、24.3、239.3 m,可见采用优化随机森林算法建立的插补模型有效提升了浮动车GPS数据插补精度,为交通状态分析、地图匹配等应用提供数据基础。     

一种基于平面交叉口的浮动车数据轨迹重构方法

通过一种根据车辆运动列簇特征,提取同一运动列簇的多辆浮动车的运动轨迹的方法对平面交叉口的浮动车数据进行轨迹重构处理,为后续对交通信号灯配时估计提供数据准备.该方法简单,易于操作,不需要利用复杂的算法或模型去实现.首先,通过分析车辆的运动过程来提取车辆的运动特性,再根据车辆的运动特性,从空间和时间的角度对车辆的运动轨迹进行分析,对平面交叉路口的车辆轨迹进行分流处理,从而得到重构的车辆轨迹序列.选取了2个不同类型的平面交叉口数据为实验示例,实验结果表明,该方法能够有效地对平面交叉口浮动车轨迹进行重构.     

基于脆弱水印的轨迹数据篡改检测方法

轨迹数据是导航与位置服务系统的核心,是一种重要的数据资源。为验证轨迹数据的完整性,检验轨迹数据是否被篡改,提出一种基于脆弱水印的轨迹数据篡改检测方法。该方法包括水印嵌入算法和水印检测算法,其中水印嵌入算法和水印检测算法分别由组水印和轨迹点水印算法组成。嵌入水印时,首先将轨迹数据按照分组时间分为若干个组,然后将由组标识生成的组水印和由轨迹点坐标生成的轨迹点水印分别嵌入到轨迹点坐标的最低有效位与次最低有效位。水印检测时,首先分别对轨迹数据进行组水印和轨迹点水印检测,然后通过水印验证向量的结果来判定轨迹数据的完整性,最后统计篡改检测率并评估算法的脆弱性。结果表明,当轨迹数据以不同的分组和篡改幅度篡改时,其修改检测率均大于99%,而且该算法可以定位数据篡改并识别篡改类型,最后通过实验验证了这一点。该方法可为同类轨迹数据篡改检测算法的设计提供参考。     

车载雷达点云的结构化道路边界提取方法

为了提高结构化道路边界检测的准确性与鲁棒性,结合非参数变点统计方法,提出了一种基于32线激光雷达三维点云的道路边界提取算法。基于结构化道路区域和非道路区域存在一定高程跳变特征,该算法利用非参数变点统计,对激光雷达扫描的道路环境三维点云数据中突变的z坐标值进行标记,并提取对应的候选道路边界点(x,y)。利用道路边界方向的最大期望(EM)聚类算法,对候选道路边界点进行聚类去噪。利用最小二乘法拟合道路边界,在不同光照条件下的校园结构化直、弯道路环境进行实车实验,统计直道1 030帧数据和弯道650帧数据。仿真结果表明:算法识别准确性较高且检测距离达18 m,耗时约28 ms,可满足智能车实时性要求。     

基于浮动车数据的区域路网交通状态评价

城市道路拥堵现象已经对公众的生活产生严重影响,如何快速有效地发现并及时处理交通拥堵现象已成为交通发展中的重中之重。浮动车数据作为交通状态检测的新来源,在交通状态检测领域有着广阔的应用前景。通过浮动车数据估算路段最大排队长度,并将其与路段车辆行驶速度、路段行程延误时间作为区域内交通状态评价参数,基于模糊综合评价算法,给出了一种在不同时间段内路段及区域交通状态评价方法。最后通过实际浮动车数据进行实例验证。实验结果表明该算法对于能够较好地检测区域路网交通状态,具有较好的实用性。     

浮动车数据缺失道路的速度推估模型与实现

介绍了浮动车数据(FCD)的基本概念,给出了浮动车数据预处理及与地图匹配的基本流程.在对浮动车数据在路网中覆盖率分析的基础上,当路网中浮动车数据出现缺失时,利用海量的路况历史数据库,提出基于路段空间关系的道路速度多元线性回归推估模型,并推出了按周天分类的模型系数.根据实测检验结果,得到了该方法速度误差的分布概率和状态误差的分布概率,并以此分析了结合空间关系的多元线性回归模型的适用性和可靠性.最后以上海城区为例,给出了基于该方法完整的道路速度的推估与路况发布实例.     

城市道路交通拥堵自动判断算法研究

 与高速公路交通流特点相比较,从城市路网中交通流多数为间断流的特点出发,结合目前城市道路中所使用的交通流采集设备及信号控制设备,利用交通工程中交通流到达－离散模型对城市道路中不同类型的城市交通流进行分析,选择出符合交通流变化的数学模型对进入路段和驶出路段的交通流分别利用模型匹配,从而进行交通拥堵进行自动检测。这类算法的应用既为城市道路拥堵的自动判断提供了手段,又使得城市中所使用的智能交通设施发挥更广泛的作用。     

地址模型下的城市网格划分方法

针对目前行政边界的尺度选择存在不确定性,道路的选取过于依赖其原始的等级划分,融合人文要素的网格细分自动化程度较低等问题,提出一种基于地址模型的城市网格划分方法.首先在网格划分过程中引入地址模型,以地址模型中行政区划要素的层次划分确定行政区划要素选取;然后解析地址模型,处理面向划分主题的人文要素地址数据,抽取更契合划分主题的道路要素,实现一种以行政区划边界和道路为基础框架,贴合应用主题的城市网格划分方法;最后,以福州市鼓楼区兴趣点网格为例验证该方法.实验结果表明:在有效约束条件下,该方法能更有效地融合两类划分要素,并将人文要素信息融入道路选取中,可以实现结合人文要素的自动化网格细分,便于网格的更新.     

基于阈值分割的数学形态学道路标识线检测

针对边缘检测算子对噪声敏感的缺点，提出了一种新的基于阈值分割的形态学道路标识线的检测方法．仿真结果表明，这种方法保留了更多的图像细节，具有更强的去除噪声能力，可以有效地从道路图像中检测道路标识线。     

交巡警最短路径模型的建立

【目的】提高一般SPFA算法(Shortest Path Faster Algorithm)的效率,缩短出警时间。【方法】用离散化道路法优化辖区分配策略,在道路上设置虚拟路口,把每条道路离散成若干个点,然后把这些新增加的点作为新的路口,由此得到新的道路地图。【结果】多次仿真实验数据显示离散化的优化策略可以缩短出警时间。【结论】基于离散化的改进SPFA算法提高了一般SPFA算法的效率,优化了服务平台,具有一定的实用价值。     

基于类Haar纹理的非结构化道路消失点检测

在非结构化道路识别算法的研究中,因其在复杂道路环境下表现出较强的鲁棒性,基于纹理特征的道路消失点检测成为了学术研究的重点。因此,为了能够准确的检测出非结构化道路中的消失点,提出一种基于类Haar纹理的非结构化道路图像消失点的检测方法,即首先设计多尺度多方向的类Haar纹理的实部与虚部模板,利用积分图技术以及垂直投影法快速计算出图像像素的纹理主方向,再采用改进的局部软投票法选出分数最大的点作为初始消失点,最后通过现有两种不同的消失点检测方法与提出的算法进行对比实验。实验结果表明提出的算法可以显著提高非结构化道路消失点的检测性能。由此得出该方法具有良好的实时性、准确性和鲁棒性。     

基于步行轨迹的复杂道路中心线提取方法

传统的基于GPS轨迹的路网提取多关注使用车载GPS轨迹数据提取城市车道级路网,忽略了校园、社区、景区等小范围区域内的复杂道路信息,该文提出了一种基于步行GPS轨迹数据的复杂道路中心线提取方法.在数据清洗的基础上,基于轨迹点分布密度进行栅格化,然后采用Zhang-Suen快速细化算法对栅格路网细化得到道路中心线,最后采用改进的追踪法实现路网矢量化.以华中师范大学校园为试验区域,提取出了人车混行、小路交错的校园路网,证明了该方法的有效性.     

一种智能汽车的实时道路边缘检测算法

以无人驾驶汽车为平台,针对结构化、半结构化道路下无人驾驶汽车道路边缘检测问题,提出了一种智能汽车的实时道路边缘检测算法。该算法首先对获取的激光雷达数据点云进行标定、分层与中值滤波,然后提取各层的左右边界点,而后利用随机抽样一致性算法(简称Ransac)对左右边界点集进行直线拟合,最后用卡尔曼滤波算法进行跟踪,从而实现实时的道路边缘检测。经实验验证,该算法准确率高,可靠性强,能够准确完成道路边缘检测,可以满足实时系统的要求,并已经成功应用于2014年的"智能汽车未来挑战赛",而且取得了第三名的好成绩。     

基于GPR的城市道路地下病害差值检测方法研究

地下工程施工对道路路基破坏产生的地下空洞等病害是导致城市道路路面坍塌事故频发的主要原因,探地雷达(GPR)以其无损、快捷以及浅层高分辨率的优势被广泛应用于道路地下病害检测中。针对目前GPR技术在地下病害一次性检测中存在的环境干扰严重和检测精度低的问题,提出了一种基于差值检测的道路地下病害检测方法。首先通过差值检测算法对配准后的不同时相雷达图像进行差值处理,识别出变化区域即病害可能出现区域,然后利用改进的核匹配追踪算法,识别并提取道路病害特征。根据回波波组形态、振幅和相位特性、吸收衰减特性等方面特征,初步建立地下病害属性划分标准,进而将不同种类病害分级以指导施工修复。对北京四环路部分路段进行应用实验,结果表明:该检测方法有效提高道路地下病害的检测精度至80%。该方法可实现道路病害检测由一次性检测技术向周期性监测技术的转换,为保障城市道路和地下管线安全提供有效的技术支撑。     

基于改进区域生长和小波变换的非结构化道路检测

针对在复杂场景的非结构化道路中,由于众多的环境干扰因素从而不能准确检测车道线的问题,提出了一种基于改进区域生长法和小波变换相结合的非结构化道路检测算法。根据大多数情况下道路区域在车载摄像头的正下前方及道路区域与道路两旁背景灰度值的一定差异,来有效地选取区域生长的种子点及生长原则进行区域生长道路初分割。同时结合基于小波变换的边缘检测来修正由于初分割道路受复杂环境导致道路检测不准确的情况。实验结果表明,该算法能够较准确地检测出受光照等因素影响的道路区域,且具有较高的准确性。     

优化区域生长的高分辨率影像道路精确提取

鉴于区域生长存在需提供种子点及易过生长的缺陷,改进了区域生长算法对高分辨率遥感影像进行道路精确提取。首先利用格网对原始影像进行划分,将在道路灰度范围内的外边缘格网以同质性指标依次排序作为候选种子点;将满足道路连续性和一致性要求的路径格网起始点作为种子点;并通过道路指数加以验证得到最终种子点,以此避免盲目选择种子点的不足。其次在引入梯度值进行道路生长后,以二值化的彩色分量与生长结果进行信息融合方式来优化算法,达到缓解过生长的目的。实验结果表明算法是合理有效的,能够较为精确地提取出道路区。