论文部分内容阅读
浮动车技术是交通工程领域用于数据采集的传统方法，由于其自身的种种缺陷，实践中应用并不广泛。本文运用GPS/GIS技术改进传统的浮动车法，实现了浮动车数据采集自动化，并将数据应用于城市路网的分析与评价。在研究过程中，结合了浮动车在北京市采集的实际数据，对算法的验证构建在真实数据基础上。主要的研究内容如下：
1.构建了基于关键点的快速线线地图匹配算法。提出了适合运行在计算能力不强的车载终端的数据规约算法。实际运用表明，在设定的误差范围内，可以将数据传输量降低90％，为未来城市构建基于无线通讯的大规模浮动车数据采集系统提供了一种可行方法；以该数据规约算法所提取的关键点为基础，构建了快速线线地图匹配算法，实际运用效果表明，与普通的点到线匹配算法相比，算法具有良好的匹配速度和准确性。
2.研究了部分微观与宏观交通参数的估算方法。由于浮动车的样本量对估算效果有显著影响，首先探讨了浮动车样本量对数据置信水平的影响机制；提出了路段旅行时间、延误、队长、浮动车市场占有率的估算方法，并探讨了相应的减少误差的优化估计方法，浮动车检测到的上述交通参数具有很高的实用价值。
3.采用数据挖掘与知识发现的方法，分析浮动车的历史数据，进而获取对交通规划与管理决策有价值的知识或模式。提出了KDD-T的理念，并分析了其在路网分析中的应用范围。构建了OD相关的路网旅行时间分析模型，模型采用了神经网络和支持向量机的方法，能够分析理想系统与现实系统的OD与路网旅行时间的关系。
4.提出了基于先验知识的支持向量机动态综合评价模型。该模型能够在有限先验知识的前提下，进行动态综合评价；提出了11个动态综合评价的指标，与传统的路网评价指标结合在一起，可以更准确地实施路网评价。