城市計算中交通擁堵評估與預測方法及應用

目錄
前言
上篇城市交通數(shù)據(jù)基礎(chǔ)知識
第1章緒論 3
1.1 研究背景及意義 3
1.2 智能交通系統(tǒng)介紹 7
1.2.1 智能交通系統(tǒng)的定義 7
1.2.2 智能交通系統(tǒng)的發(fā)展 8
1.2.3 智能交通系統(tǒng)的處理過程 9
1.3 浮動車采集路況信息技術(shù) 10
1.4 交通軌跡數(shù)據(jù)挖掘介紹 12
1.5 交通擁堵的研究現(xiàn)狀 15
1.5.1 交通擁堵評估的研究現(xiàn)狀 15
1.5.2 交通擁堵預測的研究現(xiàn)狀 17
第2章 城市交通相關(guān)數(shù)據(jù) 19
2.1 浮動車數(shù)據(jù) 19
2.1.1 北京市出租車數(shù)據(jù)集 19
2.1.2 紐約市出租車數(shù)據(jù)集 21
2.1.3 紐約市共享單車數(shù)據(jù)集 24
2.1.4 其他數(shù)據(jù)集 25
2.2 道路數(shù)據(jù) 26
2.3 地圖興趣點數(shù)據(jù) 29
2.4 本章小結(jié)29
第3章 城市交通數(shù)據(jù)的清洗 30
3.1 清洗無效點 30
3.2 清洗無效軌跡 32
3.3 清洗時間相關(guān)的無效數(shù)據(jù) 33
3.4 清洗無效乘客狀態(tài) 34
3.5 清洗無效?？奎c 35
3.6 本章小結(jié) 38
第4章 交通數(shù)據(jù)的地圖匹配 39
4.1 地圖匹配問題來源 39
4.2 地圖匹配算法分類 40
4.2.1 基于幾何方法的地圖匹配算法 40
4.2.2 基于概率方法的地圖匹配算法 42
4.2.3 基于高級方法的地圖匹配算法 42
4.2.4 基于采樣點范圍的地圖匹配算法 42
4.3 常用的地圖匹配算法 43
4.3.1 局部性匹配算法 43
4.3.2 GeoHash算法 45
4.3.3 時空匹配算法 50
4.3.4 全局匹配算法 52
4.3.5 MapInfo電子地圖匹配介紹 52
4.4 本章小結(jié) 53
第5章 交通流數(shù)據(jù)相關(guān)參數(shù) 54
5.1 參數(shù)提取 54
5.2 交通流相關(guān)基本參數(shù) 55
5.2.1 計算交通量 55
5.2.2 計算平均速度 56
5.2.3 計算平均密度 57
5.2.4 基于行程時間比 58
5.2.5 基于擁堵里程比例 59
5.3 計算道路速度 61
5.4 計算擁堵閾值 63
5.5 交通流參數(shù)分布特性 64
5.5.1 交通量時空分布特性 64
5.5.2 平均速度時空分布特性 70
5.6 本章小結(jié) 75
中篇交通擁堵識別與預測模型
第6章 基于離線交通軌跡的數(shù)據(jù)壓縮 79
6.1 地圖信息分塊 80
6.1.1 繪制原始地圖 81
6.1.2 地圖分塊方法 82
6.2 軌跡信息壓縮算法 85
6.2.1 軌跡信息壓縮算法分類 85
6.2.2 軌跡信息壓縮基本算法 88
6.2.3 空間數(shù)據(jù)壓縮算法 90
6.2.4 實時數(shù)據(jù)壓縮算法 96
6.3 軌跡壓縮實驗數(shù)據(jù)處理及分析 100
6.4 本章小結(jié) 101
第7章 基于交通軌跡的擁堵識別 103
7.1 交通擁堵識別模型框架 104
7.2 交通擁堵特征參數(shù) 105
7.2.1 標準化處理評價指標 105
7.2.2 權(quán)重系數(shù)判定方法 105
7.2.3 計算參數(shù)綜合測度值 107
7.2.4 確定擁堵等級閾值 107
7.2.5 定位應用 108
7.2.6 在線監(jiān)控算法小結(jié) 109
7.3 交通軌跡在線監(jiān)控模擬實驗 110
7.3.1 在線監(jiān)控算法實驗 110
7.3.2 實驗總結(jié) 113
7.4 交通擁堵識別算法 113
7.4.1 交通擁堵識別算法概述 113
7.4.2 交通擁堵識別算法結(jié)果 114
7.5 本章小結(jié) 118
第8章 基于深度學習的短時交通擁堵預測模型 120
8.1 深度學習概述 120
8.2 基于深度學習的短時交通擁堵預測模型框架 126
8.3 基于SAE的短時交通量預測模型 128
8.3.1 輸入向量的選擇 128
8.3.2 模型的訓練 128
8.3.3 實驗環(huán)境 131
8.3.4 性能指標 131
8.3.5 參數(shù)的確定 132
8.3.6 預測結(jié)果 134
8.4 基于SAE的短時交通平均速度預測模型 138
8.4.1 輸入特征向量的選擇 138
8.4.2 模型的訓練 138
8.4.3 參數(shù)的確定 140
8.4.4 預測結(jié)果 140
8.5 短時交通擁堵預測結(jié)果 143
8.6 本章小結(jié) 145
下篇交通數(shù)據(jù)可視化
第9章 交通擁堵等級判定及可視化 149
9.1 可視化概述 150
9.2 路網(wǎng)擁堵等級評估與可視化 152
9.2.1 路網(wǎng)擁堵等級評估 152
9.2.2 路網(wǎng)擁堵等級可視化 153
9.3 道路擁堵等級評估與可視化 156
9.3.1 道路擁堵等級評估 156
9.3.2 道路擁堵等級可視化 158
9.4 道路擁堵排名評估及可視化 161
9.4.1 道路擁堵排名評估 161
9.4.2 道路擁堵可視化 161
9.5 本章小結(jié) 163
第10章 交通擁堵的可視化設計與實現(xiàn) 164
10.1 交通可視化研究現(xiàn)狀 164
10.2 交通擁堵展示的不同視角 166
10.2.1 地圖視圖 166
10.2.2 道路列表視圖 167
10.2.3 條件篩選視圖 168
10.2.4 道路速度視圖 169
10.3 可視化數(shù)據(jù)選擇 170
10.3.1 道路數(shù)據(jù)提取 170
10.3.2 GPS數(shù)據(jù)處理實現(xiàn) 171
10.3.3 地圖匹配實現(xiàn) 173
10.3.4 道路速度表建立 173
10.3.5 推薦擁堵閾值計算與擁堵檢測實現(xiàn) 174
10.4 可視化窗口實現(xiàn)與擁堵分析案例 176
10.4.1 地圖視圖實現(xiàn) 176
10.4.2 道路列表視圖實現(xiàn) 177
10.4.3 條件篩選器實現(xiàn) 178
10.5 交通可視化主界面 179
10.6 本章小結(jié) 180
參考文獻 181
附錄A 交通量時空分布特性結(jié)果圖 186
附錄B 平均速度時空分布特性結(jié)果圖 189
附錄C 交通擁堵識別結(jié)果圖 192
附錄D 交通量預測結(jié)果圖 195
附錄E 平均速度預測結(jié)果圖 198
附錄F 交通擁堵等級預測結(jié)果圖 201