论文部分内容阅读
随着社会经济的飞速发展,机动车已成为人们出行的主要交通工具之一。但机动车数量的急剧增长也给城市交通带来巨大的压力,造成频繁的交通拥堵。智能交通系统是缓解交通拥堵的有效方式。GPS浮动车可以为智能交通控制和交通诱导提供必须要的实时路况感知信息。通过对城市交通GPS数据进行实时采集和分析,我们不仅可以及时得到路网各处的实时交通状况,还能准确发现拥堵区域,掌握路网态势,从而为城市交通系统提供诱导及控制策略。论文的研究目的旨在通过对浮动车GPS数据的处理,及时准确地发现和掌握城市交通路网中各个子区域的变化情况。分析城市路网状况需要全路网各路段的实时交通流量数据。针对浮动车GPS数据的实时覆盖强度不同所导致的数据稀疏、不完整问题,论文给出了一个可行的解决方案。同时论文还对传统路网交通区域划分方法的初始参数敏感性以及划分效果的不稳定、不精确等问题提出了新的解决方案并给出了实验分析和验证。本论文的主要工作如下:(1)论文首先针对城市出租车GPS数据的样本数量进行了分析和研究。应用最小样本分析方法,验证了西安现有的出租车样本数量完全能够反映出西安市的整体交通状况。论文讨论了利用浮动车GPS数据进行交通拥堵分析的可行性,以及针对GPS数据的误差问题所进行的剔除冗余数据、无效数据、噪声数据等预处理工作。(2)由于路网实时覆盖强度的不足,GPS数据依然存在着缺失和不完整的问题。论文根据交通流的传播规律,通过运用改进的加权PageRank算法对不完整信息的路网权值矩阵进行平滑矫正和标注,有效地解决了数据稀疏问题,提高了数据的精确度。(3)针对传统网络划分算法的初始值敏感性及不稳定性,提出了基于AP聚类算法的路网区域划分算法。AP聚类算法不仅很好地解决了传统聚类算法的有效性等问题,还使得大规模数据处理问题变得容易。通过AP聚类算法可以获得有效的路网区域划分,进一步对各个区域交通状况进行分析就可以从中检测出拥堵区域。