軌跡數據挖掘是當前智能交通領域的一個研究熱點,其中路徑導航、交通出行行為分析等研究需要含有路段信息的軌跡數據。而出租車車載GPS裝置采集到的GPS軌跡數據中無車輛所屬路段信息,且軌跡點的經緯度坐標有誤差。地圖匹配算法可以在路網數據中匹配到軌跡點所屬的路段,從而對該軌跡點的經緯度坐標進行校正。因此,地圖匹配方法研究是軌跡數據挖掘中一項必要的基礎研究內容。傳統(tǒng)的面向GPS軌跡數據的地圖匹配方法通常主要考慮匹配結果的準確度,而忽視了匹配效率。而隨著機動車數量的快速增長,軌跡數據呈現出爆炸式增長的趨勢。在此情況下,傳統(tǒng)地圖匹配方法匹配效率低下,大規(guī)模軌跡數據的地圖匹配效率問題亟待解決。因此,本文提出一種面向大規(guī)模GPS軌跡數據的并行化地圖匹配方法。本文的主要研究內容如下:（1）大部分地圖匹配算法根據當前軌跡點在各路段的投影距離是否小于預設的距離閾值來判斷該路段是否屬于當前候選路段集合,在面對大規(guī)模軌跡數據集和大范圍路網時,上述候選路段集合選取方法比較低效。提出一種基于GeoHash編碼的分布式網格地圖索引方法,該方法能夠有效提升候選路段集合選取的效率。（2）面對海量的車輛軌跡數據,傳統(tǒng)的地圖匹... 

【文章來源】：長安大學陜西省 211工程院校 教育部直屬院校

【文章頁數】：82 頁

【學位級別】：碩士

【部分圖文】：

浮動車軌跡數據示例

清洗后軌跡數據示意圖

電子地圖數據示例

【參考文獻】：
期刊論文
[1]一種基于HMM模型改進的地圖匹配算法[J]. 劉旻,李梅,徐曉宇,毛善君.  北京大學學報(自然科學版). 2018(06)
[2]隱馬爾可夫模型路網匹配的MapReduce實現[J]. 陸健,王鵬.  計算機應用與軟件. 2018(02)
[3]基于深度學習的短時交通流預測研究[J]. 王祥雪,許倫輝.  交通運輸系統(tǒng)工程與信息. 2018(01)
[4]一種改進的浮動車地圖匹配算法[J]. 趙庶旭,張金秋,屈睿濤.  測繪通報. 2018(01)
[5]基于動態(tài)加權的城市路網地圖匹配算法[J]. 樊娜,尉青青,康軍,葛建東,唐蕾.  測控技術. 2018(01)
[6]一種LS-SVM在線式短時交通流預測方法[J]. 康軍,段宗濤,唐蕾,溫興超.  計算機應用研究. 2018(10)
[7]基于曲線擬合與拓撲結構的地圖匹配算法[J]. 滕志軍,曲兆強,侯學艷,賈韜正,趙才博,夏濱.  計算機工程. 2018(08)
[8]基于深度學習的短時交通流預測[J]. 羅向龍,焦琴琴,牛力瑤,孫壯文.  計算機應用研究. 2017(01)
[9]利用多元Logistic回歸進行道路網匹配[J]. 付仲良,楊元維,高賢君,趙星源,逯躍鋒,陳少勤.  武漢大學學報(信息科學版). 2016(02)
[10]智能交通領域中地圖匹配算法研究[J]. 周成,袁家政,劉宏哲,邱靜.  計算機科學. 2015(10)

碩士論文
[1]浮動車GPS軌跡的實時流式地圖匹配方法與實現[D]. 謝金運.深圳大學 2016
[2]基于模糊邏輯的綜合地圖匹配方法研究與實現[D]. 鄭學遠.北京交通大學 2014



本文編號：3218765