智能交通系統(tǒng)中的時空數(shù)據(jù)分析關(guān)鍵技術(shù)研究.pdf

1、隨著經(jīng)濟(jì)社會的快速發(fā)展，城市規(guī)模不斷擴(kuò)大，城市交通面臨著巨大的壓力。通過智能交通系統(tǒng)建設(shè)，提高交通管理與服務(wù)的信息化水平和決策支持能力，是減少交通事故，解決交通擁堵，促進(jìn)城市環(huán)保，提高人民生活質(zhì)量的根本途徑?？v觀國內(nèi)外智能交通系統(tǒng)的建設(shè)情況，道路、信號燈、攝像頭等交通基礎(chǔ)設(shè)施不斷完善，傳感、無線通信、智能終端、互聯(lián)網(wǎng)、云計算等信息技術(shù)得到綜合利用，交通信息平臺中積累了越來越多的交通數(shù)據(jù)，交通實(shí)時監(jiān)控、定位導(dǎo)航、城市應(yīng)急管理等新型應(yīng)用不斷

2、涌現(xiàn)。智能交通產(chǎn)業(yè)迎來了極大的發(fā)展機(jī)遇，并且在較長一段時間內(nèi)都將繼續(xù)呈現(xiàn)高速增長的態(tài)勢。
　　對具有時空特征的交通數(shù)據(jù)進(jìn)行智能分析，可獲取豐富的、有價值的知識，如時空分布、時空關(guān)聯(lián)規(guī)則、時空變化趨勢等，這些知識能夠?yàn)榻煌ㄕ{(diào)度、路徑規(guī)劃、目標(biāo)跟蹤等提供決策支持。本文面向動態(tài)交通流和交通路網(wǎng)擁堵狀態(tài)分析需求，分析時空數(shù)據(jù)組織和管理策略，并基于運(yùn)動軌跡、交通流量、道路擁堵狀態(tài)等不同數(shù)據(jù)元素研究時空相似性、時空相關(guān)性和時空關(guān)聯(lián)性的度量和表

3、達(dá)方法，在此基礎(chǔ)上進(jìn)行時空聚類、時空預(yù)測、關(guān)聯(lián)規(guī)則挖掘、異常檢測等操作，并應(yīng)用于交通熱點(diǎn)、路網(wǎng)擁堵趨勢、短時交通流量預(yù)測、異常軌跡檢測等分析。
　　本文面向動態(tài)交通數(shù)據(jù)分析需求，主要研究工作包括以下幾個方面：
　　(1)研究多粒度動態(tài)交通網(wǎng)絡(luò)的數(shù)據(jù)組織與管理策略，適應(yīng)不同用戶興趣、不同時空范圍的動態(tài)交通數(shù)據(jù)分析需求。(第2章)
　　基于“多粒度動態(tài)交通數(shù)據(jù)集成管理”的核心思想，突破傳統(tǒng)空間數(shù)據(jù)庫管理動態(tài)交通信息的瓶頸，

4、解決交通數(shù)據(jù)在多時空粒度下統(tǒng)一組織與有效管理的難題，在減少數(shù)據(jù)冗余的同時，支持多時空粒度的數(shù)據(jù)訪問和分級存儲，增強(qiáng)系統(tǒng)普適性。同時，引入流數(shù)據(jù)管理技術(shù)，在提供空間分析的同時，支持靜態(tài)數(shù)據(jù)查詢、連續(xù)查詢和混合查詢，提高系統(tǒng)實(shí)時分析能力。
　　(2)以位置序列(軌跡)為數(shù)據(jù)元素，綜合考慮軌跡的時空特征和語義，研究時空相似性分析方法，并與軌跡聚類相結(jié)合，分析用戶移動模式及其時空分布狀態(tài)。(第3章)
　　該方法首先依據(jù)路網(wǎng)約束，利用

5、道路交叉點(diǎn)、停留點(diǎn)等語義提取軌跡特征點(diǎn)并進(jìn)行軌跡劃分，從而大大減小后續(xù)處理的數(shù)據(jù)量。之后，分別計算軌跡間的時間相似度和空間相似度并進(jìn)行歸一化操作，以此計算軌跡間的時空距離，并進(jìn)行軌跡聚類。試驗(yàn)表明，聚類所得的軌跡簇能夠直觀、準(zhǔn)確地反映用戶運(yùn)動模式、熱點(diǎn)路徑等信息。
　　(3)以流量序列為數(shù)據(jù)元素，綜合考慮序列間的時空特征和語義，研究時空相關(guān)性分析方法，并結(jié)合預(yù)測模型預(yù)測區(qū)域內(nèi)的短時交通流量。(第4章)
　　交通流量序列的產(chǎn)生

6、與路網(wǎng)的空間可達(dá)性密切相關(guān)，而且空間相關(guān)的道路之間其流量序列必然存在著時間差異關(guān)系。為此，引入了空間權(quán)重矩陣與時間延遲以表達(dá)各流量序列間的時空相關(guān)性，并以時空相關(guān)系數(shù)為依據(jù)，快速選取與預(yù)測點(diǎn)相關(guān)的預(yù)測因子，最后采用支持向量機(jī)進(jìn)行短時交通流量預(yù)測。試驗(yàn)表明，該方法具有較高的短時交通流量預(yù)測精度。
　　(4)以擁堵狀態(tài)為數(shù)據(jù)元素，綜合擁堵狀態(tài)間的時空特征和語義，研究時空關(guān)聯(lián)性分析和表達(dá)方法，并結(jié)合時空關(guān)聯(lián)規(guī)則挖掘分析交通擁堵的趨勢和成

7、因。(第5章)
　　同時考慮時間和空間約束，能夠在分析過程中及時過濾時空不相關(guān)的數(shù)據(jù)，提高時空關(guān)聯(lián)規(guī)則的獲取效率?；谶@一思路，在頻繁項(xiàng)集的產(chǎn)生過程中同時分析數(shù)據(jù)的時間有效性和空間關(guān)聯(lián)性，首先對時空數(shù)據(jù)進(jìn)行時間段劃分和空間關(guān)聯(lián)性分析并形成事務(wù)表，然后對空間關(guān)聯(lián)的項(xiàng)集進(jìn)行連接并產(chǎn)生時空關(guān)聯(lián)規(guī)則。實(shí)驗(yàn)表明，該方法具有較高的處理性能，可以利用路段間擁堵狀態(tài)的時空關(guān)聯(lián)規(guī)則進(jìn)行交通擁堵趨勢分析與預(yù)測。
　　(5)以實(shí)時運(yùn)動軌跡和預(yù)定義

8、路線為數(shù)據(jù)元素，研究動態(tài)時空序列距離計算方法，并應(yīng)用于異常軌跡實(shí)時檢測。(第6章)
　　在公共交通、物流運(yùn)輸?shù)葢?yīng)用領(lǐng)域，移動對象的運(yùn)動軌跡受路網(wǎng)約束且大多被預(yù)先設(shè)定，偏離預(yù)先設(shè)定的正常軌跡可能預(yù)示著某種異常。異常軌跡實(shí)時檢測方法在事先設(shè)定的檢測時間內(nèi)，采用流數(shù)據(jù)連續(xù)查詢模式獲取用戶的實(shí)際軌跡，并動態(tài)調(diào)整參與計算的正常軌跡段，最后利用改進(jìn)的有向Hausdorff距離反映實(shí)際軌跡的偏離程度。實(shí)驗(yàn)表明，該方法能夠及時有效地檢測異常。