在如今的大數(shù)據(jù)時代,交通數(shù)據(jù)也呈現(xiàn)了爆發(fā)式的增長。交通數(shù)據(jù)的感知已經(jīng)不再局限于傳統(tǒng)的固定檢測器,智能手機(jī)、車載智能終端等移動智能設(shè)備產(chǎn)生的海量實(shí)時的軌跡數(shù)據(jù)正在成為交通大數(shù)據(jù)的重要組成部分。隨著軌跡數(shù)據(jù)規(guī)模的改變,對軌跡數(shù)據(jù)的研究內(nèi)容和方法也要隨之轉(zhuǎn)變。海量實(shí)時的高頻軌跡數(shù)據(jù)為動態(tài)交通誘導(dǎo)提供了豐富的數(shù)據(jù)資源。本文針對基于軌跡大數(shù)據(jù)的動態(tài)交通誘導(dǎo)技術(shù)展開研究。本文研究的總體目標(biāo)是利用大規(guī)模的實(shí)時軌跡數(shù)據(jù),建立新的數(shù)據(jù)處理算法與實(shí)現(xiàn)方案,對交通狀態(tài)進(jìn)行精確的實(shí)時估算與動態(tài)預(yù)測,進(jìn)而對車輛進(jìn)行準(zhǔn)確而精細(xì)的動態(tài)誘導(dǎo)。本文取得的主要成果,包括以下幾個方面:(1)信號交叉口排隊長度實(shí)時估算交叉口延誤是城市交通狀態(tài)的一個重要影響因素。實(shí)時估算交叉口排隊長度一直以來都是一個挑戰(zhàn)性的問題。當(dāng)信號交叉口沒有配備固定交通流檢測器時,問題將變得更加復(fù)雜。本文探討了在海量GPS數(shù)據(jù)環(huán)境下,計算信號交叉口實(shí)時排隊長度的關(guān)鍵技術(shù)。利用車輛GPS數(shù)據(jù),本文提出了基于交通波理論的信號交叉口實(shí)時排隊長度估算模型,并首次引入了“消散延誤”的概念。利用實(shí)時排隊長度估算模型與車輛的“消散延誤”數(shù)據(jù),可以實(shí)現(xiàn)交叉口每一個信號周...

【文章來源】： 華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：120 頁

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及目的
        1.1.1 動態(tài)交通誘導(dǎo)系統(tǒng)
        1.1.2 動態(tài)交通誘導(dǎo)的關(guān)鍵技術(shù)
    1.2 面向誘導(dǎo)的海量實(shí)時軌跡數(shù)據(jù)
        1.2.1 海量數(shù)據(jù)來源
        1.2.2 基于導(dǎo)航定位的車輛軌跡數(shù)據(jù)
        1.2.3 面向誘導(dǎo)的實(shí)時GPS數(shù)據(jù)分析
    1.3 本文研究內(nèi)容及研究成果
    1.4 本文組織
    1.5 本章小結(jié)
第二章 國內(nèi)外研究綜述
    2.1 交通狀態(tài)實(shí)時估算
        2.1.1 路段行程時間實(shí)時估算
        2.1.2 信號交叉口排隊長度實(shí)時估算
    2.2 短時交通流預(yù)測
    2.3 信號交叉口車速引導(dǎo)
    2.4 區(qū)域級動態(tài)交通誘導(dǎo)
    2.5 本章小結(jié)
第三章 基于實(shí)時軌跡數(shù)據(jù)的交通狀態(tài)實(shí)時估算
    3.1 基礎(chǔ)數(shù)據(jù)處理
        3.1.1 GPS定位
        3.1.2 誤差校正
        3.1.3 坐標(biāo)轉(zhuǎn)換
        3.1.4 地圖匹配
    3.2 路段行程時間實(shí)時估算
        3.2.1 路段構(gòu)成
        3.2.2 路段行程時間估算模型
    3.3 交叉口排隊長度實(shí)時估算
        3.3.1 交通波分析
        3.3.2 信號交叉口排隊長度實(shí)時估算模型
        3.3.3 排隊延誤時間分析
        3.3.4 實(shí)時排隊長度估算算法
        3.3.5 面向誘導(dǎo)的平均延誤時間
        3.3.6 實(shí)驗(yàn)分析
    3.4 本章小結(jié)
第四章 基于實(shí)時軌跡數(shù)據(jù)的交通流預(yù)測
    4.1 短時交通流預(yù)測
        4.1.1 基本模型
        4.1.2 變時域動態(tài)模型
    4.2 短期交通流預(yù)測
        4.2.1 歷史數(shù)據(jù)的篩選
        4.2.2 基于VTDDM的交通流短期預(yù)測方案
    4.3 實(shí)驗(yàn)分析
        4.3.1 短時交通流預(yù)測
        4.3.2 短期交通流預(yù)測
    4.4 本章小結(jié)
第五章 信號交叉口車速引導(dǎo)
    5.1 引導(dǎo)策略分析
        5.1.1 假設(shè)前提
        5.1.2 理想狀態(tài)分析
    5.2 引導(dǎo)算法
    5.3 算例分析
    5.4 本章小結(jié)
第六章 區(qū)域級動態(tài)交通誘導(dǎo)
    6.1 動態(tài)交通網(wǎng)絡(luò)模型
    6.2 考慮交叉口延誤的動態(tài)路徑誘導(dǎo)算法
    6.3 基于HALOOP的算法實(shí)現(xiàn)
    6.4 模型驗(yàn)證
    6.5 本章小結(jié)
第七章 基于海量數(shù)據(jù)的動態(tài)交通誘導(dǎo)系統(tǒng)設(shè)計與實(shí)現(xiàn)
    7.1 系統(tǒng)架構(gòu)設(shè)計
        7.1.1 表現(xiàn)層
        7.1.2 應(yīng)用層
        7.1.3 數(shù)據(jù)層
        7.1.4 基礎(chǔ)設(shè)施層
    7.2 系統(tǒng)功能模塊的實(shí)現(xiàn)
        7.2.1 路段交通狀態(tài)判別
        7.2.2 交叉口交通狀態(tài)判別
        7.2.3 信號交叉口車速引導(dǎo)
        7.2.4 區(qū)域級動態(tài)交通誘導(dǎo)
        7.2.5 數(shù)據(jù)中心
    7.3 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的研究成果
附件
致謝


【參考文獻(xiàn)】：
期刊論文
[1]利用浮動車大數(shù)據(jù)進(jìn)行稀疏路段行程時間推斷 [J]. 張發(fā)明,朱欣焰,咼維,胡濤.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2017(01)
[2]大數(shù)據(jù)分析中軌跡數(shù)據(jù)挖掘的現(xiàn)狀與挑戰(zhàn) [J]. 謝邦昌,斯介生.  中國統(tǒng)計. 2016(08)
[3]基于相空間重構(gòu)和RELM的短時交通流量預(yù)測 [J]. 商強(qiáng),楊兆升,李志林,李霖,曲鑫.  華南理工大學(xué)學(xué)報(自然科學(xué)版). 2016(04)
[4]出租車GPS軌跡大數(shù)據(jù)在智能交通中的應(yīng)用 [J]. 張紅,王曉明,過秀成,曹潔,朱昶勝,郭義戎.  蘭州理工大學(xué)學(xué)報. 2016(01)
[5]軌跡大數(shù)據(jù):數(shù)據(jù)、應(yīng)用與技術(shù)現(xiàn)狀 [J]. 許佳捷,鄭凱,池明旻,朱揚(yáng)勇,禹曉輝,周曉方.  通信學(xué)報. 2015(12)
[6]低頻GPS數(shù)據(jù)和交叉口延誤下的行程時間估計 [J]. 王志建,馬超鋒,李梁.  西南交通大學(xué)學(xué)報. 2015(02)
[7]基于灰色系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的實(shí)時交通量預(yù)測組合模型研究 [J]. 楊志勇.  公路. 2015(03)
[8]一種基于MapReduce的短時交通流預(yù)測方法 [J]. 梁軻,譚建軍,李英遠(yuǎn).  計算機(jī)工程. 2015(01)
[9]時空軌跡大數(shù)據(jù)模式挖掘研究進(jìn)展 [J]. 吉根林,趙斌.  數(shù)據(jù)采集與處理. 2015(01)
[10]基于云計算的城市路網(wǎng)最短路徑遺傳算法求解 [J]. 楊慶芳,梅朵,鄭黎黎,馬明輝,王偉.  華南理工大學(xué)學(xué)報(自然科學(xué)版). 2014(03)

博士論文
[1]海量低頻浮動車數(shù)據(jù)道路匹配及行程時間估算[D]. 李宇光.武漢大學(xué). 2013
[2]基于相似性的交通流分析方法[D]. 李星毅.北京交通大學(xué). 2010

碩士論文
[1]基于Storm平臺的路段行程時間估算與擁堵評價應(yīng)用研究[D]. 王在振.武漢理工大學(xué). 2015
[2]基于混沌和小波神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測方法研究[D]. 金玉婷.西南交通大學(xué). 2014
[3]基于交通數(shù)據(jù)融合技術(shù)的行程時間預(yù)測模型[D]. 劉春華.湖南大學(xué). 2013
[4]基于浮動車的城市路段平均行程時間估計研究[D]. 陳仕驍.浙江工業(yè)大學(xué). 2012
[5]基于卡爾曼濾波的短時交通流預(yù)測方法研究[D]. 石曼曼.西南交通大學(xué). 2012
[6]GPS/DR車輛組合導(dǎo)航定位系統(tǒng)關(guān)鍵理論問題的研究[D]. 嚴(yán)鐳.蘭州理工大學(xué). 2011
[7]基于出租車浮動車數(shù)據(jù)和地圖匹配的城市道路行程速度估計[D]. 溫金輝.華南理工大學(xué). 2011
[8]基于混沌和SVR的短時交通流預(yù)測方法研究[D]. 徐永俊.西南交通大學(xué). 2011
[9]基于浮動車數(shù)據(jù)的高速公路路段行程時間預(yù)測方法研究及系統(tǒng)實(shí)現(xiàn)[D]. 唐俊.中山大學(xué). 2011
[10]基于GPS浮動車的城市交通路段行程時間實(shí)時估算方法研究[D]. 武小云.華南理工大學(xué). 2010



本文編號：3555964