智能交通系統(tǒng)中的時空數據分析關鍵技術研究.pdf

1、隨著經濟社會的快速發(fā)展，城市規(guī)模不斷擴大，城市交通面臨著巨大的壓力。通過智能交通系統(tǒng)建設，提高交通管理與服務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，促進城市環(huán)保，提高人民生活質量的根本途徑?？v觀國內外智能交通系統(tǒng)的建設情況，道路、信號燈、攝像頭等交通基礎設施不斷完善，傳感、無線通信、智能終端、互聯網、云計算等信息技術得到綜合利用，交通信息平臺中積累了越來越多的交通數據，交通實時監(jiān)控、定位導航、城市應急管理等新型應用不斷

2、涌現。智能交通產業(yè)迎來了極大的發(fā)展機遇，并且在較長一段時間內都將繼續(xù)呈現高速增長的態(tài)勢。
　　對具有時空特征的交通數據進行智能分析，可獲取豐富的、有價值的知識，如時空分布、時空關聯規(guī)則、時空變化趨勢等，這些知識能夠為交通調度、路徑規(guī)劃、目標跟蹤等提供決策支持。本文面向動態(tài)交通流和交通路網擁堵狀態(tài)分析需求，分析時空數據組織和管理策略，并基于運動軌跡、交通流量、道路擁堵狀態(tài)等不同數據元素研究時空相似性、時空相關性和時空關聯性的度量和表

3、達方法，在此基礎上進行時空聚類、時空預測、關聯規(guī)則挖掘、異常檢測等操作，并應用于交通熱點、路網擁堵趨勢、短時交通流量預測、異常軌跡檢測等分析。
　　本文面向動態(tài)交通數據分析需求，主要研究工作包括以下幾個方面：
　　(1)研究多粒度動態(tài)交通網絡的數據組織與管理策略，適應不同用戶興趣、不同時空范圍的動態(tài)交通數據分析需求。(第2章)
　　基于“多粒度動態(tài)交通數據集成管理”的核心思想，突破傳統(tǒng)空間數據庫管理動態(tài)交通信息的瓶頸，

4、解決交通數據在多時空粒度下統(tǒng)一組織與有效管理的難題，在減少數據冗余的同時，支持多時空粒度的數據訪問和分級存儲，增強系統(tǒng)普適性。同時，引入流數據管理技術，在提供空間分析的同時，支持靜態(tài)數據查詢、連續(xù)查詢和混合查詢，提高系統(tǒng)實時分析能力。
　　(2)以位置序列(軌跡)為數據元素，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)
　　該方法首先依據路網約束，利用

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

6、與路網的空間可達性密切相關，而且空間相關的道路之間其流量序列必然存在著時間差異關系。為此，引入了空間權重矩陣與時間延遲以表達各流量序列間的時空相關性，并以時空相關系數為依據，快速選取與預測點相關的預測因子，最后采用支持向量機進行短時交通流量預測。試驗表明，該方法具有較高的短時交通流量預測精度。
　　(4)以擁堵狀態(tài)為數據元素，綜合擁堵狀態(tài)間的時空特征和語義，研究時空關聯性分析和表達方法，并結合時空關聯規(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的數據，提高時空關聯規(guī)則的獲取效率?；谶@一思路，在頻繁項集的產生過程中同時分析數據的時間有效性和空間關聯性，首先對時空數據進行時間段劃分和空間關聯性分析并形成事務表，然后對空間關聯的項集進行連接并產生時空關聯規(guī)則。實驗表明，該方法具有較高的處理性能，可以利用路段間擁堵狀態(tài)的時空關聯規(guī)則進行交通擁堵趨勢分析與預測。
　　(5)以實時運動軌跡和預定義

8、路線為數據元素，研究動態(tài)時空序列距離計算方法，并應用于異常軌跡實時檢測。(第6章)
　　在公共交通、物流運輸等應用領域，移動對象的運動軌跡受路網約束且大多被預先設定，偏離預先設定的正常軌跡可能預示著某種異常。異常軌跡實時檢測方法在事先設定的檢測時間內，采用流數據連續(xù)查詢模式獲取用戶的實際軌跡，并動態(tài)調整參與計算的正常軌跡段，最后利用改進的有向Hausdorff距離反映實際軌跡的偏離程度。實驗表明，該方法能夠及時有效地檢測異常。