论文部分内容阅读
近年来,交通网络面临日益严峻的负载压力,制约着交通出行效率。因此,全面监控交通网络具有重要意义,如帮助优化实时导航系统、改善交通规划等。交通网络作为城市的基础设施,与城市空间和居民活动相互作用,挖掘交通网络与城市空间、居民活动的交互模式,有助于从宏观上监控交通网络,帮助改善城市规划。传统交通摄像等定点监控系统在交通网络中的覆盖范围十分有限,而轨迹在交通网络中的覆盖范围大得多,并且轨迹中蕴含了居民活动语义信息,能够帮助从静态、动态,粗粒度、细粒度等视角更全面地监控交通网络运行状态,帮助理解交通网络空间结构。因此,基于轨迹数据的交通网络监控方法得到广泛关注。基于以上研究背景,本文针对城市交通网络的轨迹驱动监控方法展开一系列探索性研究。具体而言,以轨迹数据为驱动,从交通网络的动态监测、结构识别两个层面展开研究工作。基于这两个研究层面,分别提出了稀疏数据情况下的路网通行速度预测、情景感知的路网动态交通阻抗估计、兴趣点驱动的交通网络社区结构发现、基于交通社区的显著兴趣点识别等探索性工作。本文的主要研究贡献总结如下:(1)通过轨迹与路网匹配,提出了一种稀疏数据情况下的路网通行速度预测方法,从而帮助实现路网层的通行速度动态监测。针对轨迹在路网中的覆盖范围有限、路网通行状态模式难以捕获等挑战,本文提出了稀疏数据情况下拥堵状态感知的速度预测框架。首先,根据轨迹路网匹配结果,提取路段通行速度与自由流速度的比率值,将其作为路段拥堵状态估计指标。然后,根据拥堵状态时序特征对路段聚簇。在此基础上,提出了基于概率PCA的聚簇内路段速度预测算法。以路网拥堵状态指标的协方差矩阵作为聚簇算法的输入,并利用EM算法优化概率PCA参数,使得速度预测算法可以解决数据稀疏问题。聚簇处理使得本框架适用于分布式、并行计算系统。最后,以真实数据集为实例,验证了本文路网速度预测方法的有效性和鲁棒性。(2)通过轨迹数据提取路段通行时间,提出了一种情景感知的路网动态交通阻抗估计方法,实现路网交通阻抗动态监测,帮助优化实时导航系统。交通阻抗是指路段的通行时间成本。以往交通领域以模型驱动的交通阻抗建模方法无法满足动态监测的需求。本文基于轨迹数据,提出了路网层的交通阻抗动态估计框架。针对路网交通环境复杂,以及数据稀疏等挑战,本文框架融合路段拥堵状态、路网POI(points of interest,兴趣点)情景感知信息。首先,以路段速度比率的模糊聚类估计路段拥堵级别,构建拥堵级别、路段、时间片的三阶路网阻抗张量,和三阶拥堵概率张量,并提出了POI特征感知的三阶张量分解算法,实现缺失数据填补。在此基础上,将拥堵概率作为阻抗估计的加权因子,提出了融合拥堵概率的路网阻抗估计算法。最后,以真实路网和轨迹数据集验证了模型的有效性和鲁棒性。(3)通过分析轨迹OD(origin/destination)和POI分布,提出了一种兴趣点驱动的交通网络社区发现方法,帮助监控交通网络空间结构。针对轨迹OD形成交通社区的可解释性问题,提出了兴趣点分布与社区结构的一致性分析框架。首先,将轨迹OD映射至交通网络节点,构建基于轨迹OD的交通网络。具体地,以城市空间网格为节点,节点间OD方向为有向边,OD统计量为边权重。然后,利用社区挖掘算法识别交通网络的社区结构。在此基础上,将轨迹OD与网络节点中的兴趣点关联,提出了一种基于Logistic回归的交通网社区结构与兴趣点一致性分析模型,利用兴趣点分布解释交通网络社区结构。最后,利用上海市和北京市真实轨迹数据集,验证一致性分析模型的有效性,并讨论了兴趣点对社区结构的可解释性。(4)通过识别交通网络空间社区,分析社区结构与兴趣点分布的一致性,提出了基于Logistic回归的显著兴趣点识别模型,旨在挖掘交通网络社区结构形成的驱动机理,识别对社区结构形成相对重要的兴趣点。针对参考类对Logistic回归拟合度的影响,提出了考虑显著频数和社区POI分量信息熵的显著POI识别算法。具体地,以每个社区标签作为参考类标签进行一次迭代,统计POI分量回归参数非零且满足显著性水平的频数。在此基础上,计算每个社区POI分量的显著频数信息熵,并乘以POI分量的模,构建显著POI分量挖掘模型。利用上海市和北京市的真实轨迹数据集,以及真实POI数据集验证本文模型。实验结果表明:政府、酒店、交通设施三类POI对于两个城市的交通网络空间社区模式影响最为显著。