论文部分内容阅读
现阶段,伴随着海量数据不断涌现、城镇化进程有条不紊和机动车数量的急剧增加,这些都使城市和地区交通发展面临着前所未有的挑战[1]。伴随着卫星技术、无线通讯技术和定位技术的迅速发展,每天都有大量包括浮动车数据在内的实时交通数据产生,这些实时数据的获取技术从原始的驾驶员电话通报,交警通报,施工信息通报发展到初始方法的线圈测速,雷达或激光测速再到目前已经发展到浮动车技术和手持移动设备获取的最新方法。通过以上手段获取的交通数据内含大量信息,可以应用于很多重要的领域,如人类行为模式研究、应急疏散管理、城市规划、交通物流、市场营销、动物习性、计算几何以及模拟仿真等对海量数据信息进行分析、归纳,并从中发现隐藏的模式和规律,己成为当今信息社会的焦点[2]。然而发现隐藏在这些数据背后的规律之前首先要将这些繁琐复杂的交通数据通过合理的方法进行收集、分析和呈现,而现阶段兴起的可视化技术则无疑是让这些海量交通数据变得亲切和易于理解的最有效途径,此方法可以从繁杂的数据中发现城市交通运行和其他生产生活方面的规律[3]。交通数据具有海量,高维等特点,对其分析具有很大的难度。可视化技术可以直观地呈现多维时空轨迹数据,并提供丰富的互动。本文提出的可视化方法的基本思想为通过一系列自动分析算法处理大数据和人脑对图像等可视化图形的先天认知优势,以统计图和直观地图可视化界面相结合的方法帮助用户在分析路况时可以从宏观和微观两个方面对城市交通运行状况加以把握。论文的主要内容如下:(1)数据预处理。本文首先对相关车辆GPS数据和路网地图数据进行了预处理。对于不符合规则的GPS数据进行剔除,对于缺失的GPS数据进行修补。对路网数据的处理通过POTLACH工具进行编辑,剔除和修复路网中的相关图层。(2)地图匹配与聚类分析。地图匹配过程包括轨迹的重建、清洗、存储等。此过程主要是将一连串的车辆定位信息与电子地图上的道路网络数据进行比较并由此确定车辆相对于地图的位置。聚类分析过程通过一系列过滤、筛选和规则处理海量轨迹数据,进而发现车辆运行规律。(3)可视化界面设计仿真及结果分析。仿真以可视化基本模型和七大流程为基准,通过R语言编写算法和可视化界面,轨迹数据存储在MYSQL数据表中。利用相关交通拥堵评价标准文献内的参数得出该城市的平均路况,对该城市的平均路况进行量化分析。本文的可视化方法通过一系列自动算法处理繁琐复杂的任务,同时在分析过程中强调了人在可视分析中处理高层次任务原则,最终的可视化界面清晰地还原出了道路的交通运行的具体情况。