交通攝像頭在智能交通系統(tǒng)(ITS)中的作用日益重要,其主要功能為車牌識別。本文提出了一種從車牌時(shí)空數(shù)據(jù)中挖掘城市熱點(diǎn)交通線路的方法。其中,車牌時(shí)空數(shù)據(jù)由部署在城市不同道路的交通攝像頭不斷進(jìn)行車牌識別得到。實(shí)現(xiàn)該目標(biāo)存在以下挑戰(zhàn):首先,一輛車的軌跡(由車牌時(shí)序數(shù)據(jù)代表)通常只占城市熱點(diǎn)交通線路的一部分。其次,車牌識別存在高度的不確定性(如遺漏和錯誤),使得現(xiàn)有模式挖掘算法難以發(fā)現(xiàn)完整的城市熱點(diǎn)交通線路。針對以上問題,本文提出了由2部分構(gòu)成的方法。首先,該方法提出了一個基于子模式拼接的挖掘算法,從車牌時(shí)空數(shù)據(jù)中挖據(jù)出候選城市熱點(diǎn)交通線路。然后,該方法基于一個聚類排序算法從候選城市熱點(diǎn)交通線路中挑選出代表性城市熱點(diǎn)交通線路。本文基于真實(shí)車牌時(shí)空數(shù)據(jù)對提出的方法進(jìn)行了評測。

【文章頁數(shù)】：11 頁

【部分圖文】：

圖1 熱點(diǎn)線路挖掘問題

由于單一車輛行駛的不確定性,現(xiàn)有基于軌跡模式挖掘算法的熱點(diǎn)線路挖掘方法通常只能挖掘出很短的熱點(diǎn)線路。如圖1(a)所示,若要求每個行駛模式至少有4條軌跡支持,則現(xiàn)有軌跡模式挖掘算法只能挖掘出R1、R2和R3這3條較短的熱點(diǎn)線路。針對此問題,弱化現(xiàn)有軌跡模式挖掘算法的限制,將熱點(diǎn)線路....

圖2 子模式拼接實(shí)例

下面給出一個實(shí)例對子模式拼接算法進(jìn)行進(jìn)一步說明。給定7個長度為3的子模式P1=<1,2,3>,P2=<2,3,4>,P3=<2,3,5>,P4=<3,4,6>,P5=<3,4,7>,P6=<8,1,2>和P7=<9,1,2>....

圖3 一個候選熱點(diǎn)線路權(quán)值計(jì)算的實(shí)例

算法2候選熱點(diǎn)線路重要度權(quán)值計(jì)算算法輸入:關(guān)聯(lián)矩陣MRC,交通流量向量VT輸出:所有候選熱點(diǎn)線路的重要度權(quán)值1.初始化ΡC(0)=[1,1,?,1n]Τ,ΡR(0)=[1,1,?,1m]Τ2.while算法未收斂do3.PC(....

圖4 交通攝像頭的空間稀疏性

基于對該數(shù)據(jù)集的統(tǒng)計(jì)分析,發(fā)現(xiàn)交通攝像頭存在較高的空間稀疏性和識別不確定性。如圖4所示,當(dāng)縮小地圖后,可以發(fā)現(xiàn)有很多道路未部署交通攝像頭。此外,該數(shù)據(jù)集中存在23365567條車牌識別記錄是錯誤的(大概占總車牌識別記錄數(shù)的12%)。再次,交通攝像頭還有可能未檢測到經(jīng)過的車輛。....

本文編號：4021718