基于数字孪生的城市交通流智能预测与导引策略

物联网和人工智能等信息技术的快速发展极大地推动了交通系统的变革,同样也带来了机遇与挑战。针对现有导航系统忽略交通流时空特征而产生的策略重复性拥堵问题,对宏观交通流和微观车辆驾驶分别建模,并挖掘其耦合关系,进而提出一种基于数字孪生的城市智能交通流分层预测与导引策略,为减缓交通拥堵提供新思路。在该策略中,虚拟空间中的上层道路孪生通过扩散卷积递归神经网络预测时空交通流量,并显式作用于车辆路径规划决策。在此基础上,提出一种时空协同深度强化学习方法,用于实现车辆面向未来的协作式路径规划,指导虚拟空间中的下层车辆孪生选出最优策略反馈于真实世界。基于SUMO仿真平台进行了仿真验证。实验结果表明,本文所提方法在提高出行达成率、缓解拥堵等方面显著优于现有算法,能够有效提升城市交通出行效率。     

基于车辆数据的k近邻联合概率数据关联算法

在交通场景中采用一些预警措施能够有效地减少交通事故发生。例如,对车辆轨迹进行跟踪并预测车辆的驾驶行为,就是一个常用的预警方法。在对车辆进行跟踪的过程中,数据关联是很重要的部分,它可以对车辆的观测点和轨迹进行关联,从而更新车辆的轨迹,完成跟踪过程。在此背景下,提出了一种新的数据关联算法,即k近邻联合概率数据关联算法(k Nearest Neighbor-Joint Probability Data Association,kNN-JPDA)。实验结果表明,该算法能够较好地解决在交通场景下车辆数据的数据关联问题,在精度以及运行效率方面都有所提高。     

路面车辆监测系统的软件设计

本文为智能交通系统中的路面车辆监测[1]设计了一套软件方案。该软件能够对摄像头或者是从磁盘读入的交通视频进行实时地监控和处理。通过对路面的车辆的跟踪、车辆行驶状况如方向、轨迹的分析,实现对交通违规行为如逆向、违章停车等现象的警示以及违章车辆信息的记录;通过对交通流量的统计,实现对道路拥堵情况的分析和显示,辅助完成车辆的疏导和分流。在实验中,本文提出的软件方案能够实时、准确地完成所设计的交通监控功能的测试。     

一种基于可行驶区域的自动驾驶避撞方法研究

在自动驾驶技术普及的过程中,车辆与道路行人之间的避撞方法一直是人们关注的热点话题。本文将行人运动的不确定性、运动车辆对行人运动的影响等因素与熵的概念相结合,提出一种基于可行驶区域的自动驾驶避撞方法,以自定义的车辆可行驶区域与对应空间熵的计算为基础,再应用于车辆与行人之间的碰撞预测。首先,利用车辆自身传感器获取的信息数据,采用速度与路径规划叠加的方法来生成车辆备选的轨迹路线;其次,基于社会力模型与马尔可夫模型对行人位置进行预测,得到行人位置概率;最后,根据目标优化算法得到车辆行驶的最优轨迹,实现避撞。仿真实验表明,本文提出的基于可行驶区域的自动驾驶避撞方法在不同的行车工况下可以有效地与行人进行安全避撞交互,对于推动自动驾驶的发展、保障道路行人安全具有重要意义。     

多源异构数据融合的城市私家车流量预测研究

通过有效地捕获城市私家车出行的时空特征,提出一种多源异构数据融合的私家车流量预测模型.首先,融合私家车轨迹和城市区域数据表征城市私家车的出行分布;其次,通过多视角时空图建模私家车出行和城市区域之间的动态关联,设计了多图卷积-注意力网络以提取车流量演变的时空特征;最后,进一步融合时空特征与天气等外部特征,联合预测私家车流...     

贵州智慧交通广播系统设计与实现

智慧交通云平台是基于物联网和大数据技术建设的具有完全自主知识产权的综合信息管理服务平台.该系统通过安装车载智能收音机,实时采集车辆广播收听数据和行驶轨迹数据,实现对车载广播收听行为的调查评估和道路拥堵情况的分析判断,得到即时准确的移动收听率数据和城市路况信息数据,为改进广播节目质量提供可靠的指导,也为广大驾乘人群提供更好的信息服务.同时,该系统还能够远程控制车载收音机,支持应急信息发布.     

基于位置的统计城市时空事件地带发现

随着城市的发展,大量人口涌进城市,城市面临着前所未有的压力.利用人群轨迹数据,发现一些人们尚未知道的隐式知识服务社会.本文利用主成分分析PCA和主题模型结合的方法发现波动位置(简称FL)及其主题.即在连续时间片下,空间紧密,主题相同的波动位置形成不同的事件区域(简称EZ).事件区域的研究意义在于理解城市时空下的位置相关性,为城市规划、城市建设等公共服务提供预警.最后本文实验数据采用了微软亚洲研究院Geolife公开数据验证.     

基于时空感知的用户角色推理

随着大数据和信息技术的发展,更好地理解用户的行为轨迹在个性化推荐、广告推荐等方面越来越重要。该文依据大数据环境下的城市计算理论,提出一种基于情境感知的用户角色推理模型。通过用户的行为轨迹分析其行为的时空特性;结合时间、语义分析等构造识别用户角色概率推理模型;通过算法克服识别用户角色的主观性、动态适应性差等问题。实验结果证明了该文所提模型的可行性、精确性和预测准确性。     

轨迹大数据：数据、应用与技术现状

移动互联技术的飞速发展催生了大量的移动对象轨迹数据。这些数据刻画了个体和群体的时空动态性,蕴含着人类、车辆、动物的行为信息,对交通导航、城市规划、车辆监控等应用具有重要的价值。为了实现有效的轨迹数据价值提取,近年来学术界和工业界针对轨迹管理问题开展了大量研究工作,包括轨迹数据预处理,以解决数据冗余高、精度差、不一致等问题;轨迹数据库技术,以支持有效的数据组织和高效的查询处理;轨迹数据仓库,支持大规模轨迹的统计、理解和分析;最后是知识提取,从数据中挖掘有价值的模式与规律。因此,综述轨迹大数据分析,从企业数据、企业应用、前沿技术这3个角度揭示该领域的现状。     

高分辨力极化SAR图像城市区域车辆目标检测

研究基于高分辨力极化合成孔径雷达(SAR)图像的城市区域车辆目标自动检测方法。城市区域具有复杂的地物,这给在城市区域进行车辆目标检测工作带来困难。首先采用Freeman-Durden分解、极化白化滤波器(PWF)和相似性参数3种方法来提取图像数据的极化信息;在此基础上,采用深度卷积神经网络来对车辆目标和其他地物进行二分类,实现对城市区域车辆目标的检测。基于机载分米级分辨力极化SAR数据的实验结果验证了该方法的有效性,在较低的虚警率下获得较高的检测率。将3种极化特征融合时,能够在虚警率为2.82%时获得95.65%的检测率。     

一种面向主动交通安全的城市车辆在线位置服务系统

针对车辆对交通安全的迫切需求,提出一种基于北斗、GPS和GLONASS卫星导航应用平台,集成城市车辆主动交通安全模型、高可靠无缝融合传输网络、城市车辆多维综合信息高速采集系统、面向主动交通安全的一体化实时时空数据处理车载智能终端、网络管理及服务一体化平台软件设计等方面的技术,构建一种面向主动交通安全的城市车辆在线位置服务系统,减少城市交通事故,缓解城市交通拥堵,为相关项目的实施提供设计思路和技术路线.     

基于混合时空感知网络的城市区域人流量预测

城市区域人流量预测对公共安全、交通管理有着重大的公共利益影响.然而,不同区域之间,以及受到时空相关性和许多外部因素的影响,给区域人流量的精准预测带来了极大的挑战.为进一步掌握城市人员流动聚集动向,本文提出一种基于混合时空感知网络模型,对重点密集区域的人流量进行建模,训练模型使之可以预测城市区域人流量,并将结果进一步与空间区域类型因子进行融合,最后可以分小时预测每个区域的人流量.选取北京市2020-01-17～2020-02-15重点区域数据信息,针对本文方法进行验证.实验结果表明,基于混合时空感知网络模型提升了城市区域人流量的预测效果.     

基于ZigBee的公共交通信息平台系统设计

随着我国的城市发展速度越来越快,城市交通拥堵现象日益恶化,交通拥堵状况严重成为我国大中型城市面临的共同问题,为了解决这个问题,本文将ZigBee技术应用于智能公交系统。通过试验及测试可以得出,该系统能够保证传输数据准确、及时的到达目的节点,提高公交车辆的定位精度,满足目前公交系统的运行状况,具有一定的应用价值。     

物联网数据收集中基于负载均衡的无人机-车联合轨迹规划

为了提升大规模物联网数据收集的效率,提出了一种基于负载均衡区域划分的多无人机-车联合轨迹规划算法,其中,无人机作为空中基站收集物联网设备的数据,地面无人车作为移动电池更换站以弥补无人机能量的不足。为了缩短整体任务完成时间,优化目标为最小化所有无人机-车中最长的任务完成时间,将该问题建模为多站点车辆路由问题的一个变种,并从负载均衡的角度对其进行求解。具体来说,首先通过负载均衡区域划分算法将物联网设备分配到无人机-车的服务区,在此基础上,多站点无人机-车的轨迹规划问题退化为多个独立的单站点单组无人机-车的轨迹规划问题,进而设计联合轨迹规划策略优化各个服务区中的路径。数值结果验证了所提算法在任务完成时间和负载均衡度方面优于对比算法。     

基于时空切片轨迹分析的复杂人体运动跟踪

时空切片方法是一种有效的时空分析方法。然而,现有的算法仅讨论处理近似直线的简单轨迹情况,不能满足实际存在复杂曲线轨迹的处理要求。针对这一问题,本文提出一种实时的时空切片复杂轨迹分析方法来实现人体运动跟踪。首先在视频不同高度处提取水平时空切片,在各切片中分别使用高斯背景模型检测人体轨迹;然后拼合不同高度切片中的人体轨迹,在拼合后的轨迹上使用Hough变换计算人体对应的轨迹方程;最后根据轨迹方程和轨迹检测结果,确定人体的当前坐标、宽和高等信息。 实验表明,相对于传统跟踪方法,该方法降低了跟踪的轨迹误差,满足实时性跟踪要求,且在人体短时遮挡情况下仍然能够实现有效的人体跟踪。      

基于车辆跟踪的实时拥堵等级界定

通过视频处理．在车辆跟踪的基础上．得到一定时间内的车流数和平均相对车速参数．并根据参数判定车辆的实时拥堵等级。车辆的跟踪通过背景差分和前景匹配算法实现．同时．为了在车辆拥堵的情况下实现背景的更新,用到了以candy边缘检测结果为参数的背景更新算法。采用道路实况视频对程序进行检验,得到的结果显示该算法的拥堵等级界定结果准确．实时性高．具有一定的现实意义。     

基于差分隐私的活动模式保护与时空轨迹发布方法

为了解决用户轨迹数据发布时的活动模式泄露问题，本文提出了一种基于差分隐私的活动模式保护与时空数据发布方法 DPAP-STTP(Differentially Private Activity Pattern and Spatial-Temporal Trajectory Publication)，该方法即保护了用户时空数据中活动模式的隐私，又可以保证所发布时空轨迹在服务建议生成上的有效性.在DPAP-STTP中，用户的活动模式表示为个人代表性轨迹的动静态信息，包括代表性轨迹的时空密度分布、时空路径分布、移动模式以及时空跨度.另外，DPAP-STTP通过隐私保护预算与隐私保护阈值对该动静态信息进行调控，然后根据调控后的动静态信息依次划分时空网格、重构轨迹所处时空区间、时空轨迹点随机采样，最终生成满足群体差分隐私的时空轨迹进行发布.本文的实验比较了DPAP-STTP与DP-STAR(Differential Private Synthetic Trajectory Publisher)、BNA(Bounded Noise-Adding)所生成的轨迹在特定时空范围内的有效性，证明DPAP-ST...     

VR-tree索引结构的轨迹Stop区域快速发现

移动对象轨迹stop区域发现是轨迹数据分析的一个重要方面.提出基于VR-tree的轨迹stop区域快速发现方法.首先选择一条轨迹使用DBSCAN算法得到stop区域,把它们作为其他轨迹的stop区域候选,构建VR-tree;然后,对于剩余每条轨迹,先与VR-tree比较,找到与其中的stops相交的区域,标记轨迹包含在这些区域中的点,再对轨迹中其他点使用DBSCAN算法得到新的stops,并将它们作为其他轨迹的候选插入到VR-tree中.每条轨迹的stops由与VR-tree比较获得的stops和新stops区域按照区域覆盖率合并得到.实验使用真实数据集,证明本方法与基于密度的轨迹stop发现方法相比,不仅能很好发现轨迹stops,而且效率提高近60%.     

RBF网络用于性能退化的可靠性评估

针对无法用数学式准确描述退化量与环境因子间复杂非线性关系的问题,提出了一种基于RBF网络的退化轨迹建模方法.利用RBF网络能够逼近任意非线性函数的特性,进行退化轨迹的建模,并结合失效值预测产品寿命.将所有估计寿命作为完全失效数据进行可靠性评估,有效地解决了失效数据少的问题.通过对疲劳裂纹增长数据的RBF网络建模分析,证明RBF网络具有很好的函数逼近能力,寿命预测结果非常理想.经验证,在更少的退化数据下,RBF网络仍能够较好地模拟退化轨迹,寿命预测精度较高.     

基于信令数据的轨迹驻留点识别算法研究

针对密度聚类算法只能识别密度相近的簇类且计算复杂度高等问题,该文提出一种基于信令数据中时空轨迹信息的密度峰值快速聚类(ST-CFSFDP)算法。首先对低采样密度的信令数据进行预处理,消除轨迹震荡现象;然后基于密度峰值快速聚类(CFSFDP)算法显式地增加时间维度限制,将局部密度由2维扩展到3维,并提出高密度时间间隔以表征簇中心在时间维度上的数据特征;接着设计筛选策略以选取聚类中心;最后识别用户出行轨迹中的驻留点,完成出行链的划分。实验结果表明,所提算法适用于采样密度低且定位精度差的信令数据,相比CFSFDP算法更适用于时空数据,相比基于密度的时空聚类算法(ST-DBSCAN)召回率提升14%,准确率提升8%,同时降低计算复杂度。