基于货运车辆车载GPS大数据的道路超速率计算与分析

在我国交通事故统计中,人为失误导致的交通事故占90％,超速行为的危险性已引起各界重视.尤其大型货物运输车辆,其重量大,制动性能较差,该类车辆超速导致的交通事故通常比较严重.对货物运输平台提供的车辆行驶相关数据(包括GPS定位数据、时间数据、速度数据)进行处理和分析.通过OSMnx在Open Street Map下载广东地图数据并处理,运用隐马尔科夫模型对原始GPS定位数据进行地图匹配,对车辆行驶数据进行LSTM时间序列建模和学习训练,将训练好的网络用于各个路段车辆超速的预测.结果表明,该方法能够很好地拟合超速率的变化趋势,物流平台可以根据预测结果对司机进行提醒,对减少驾驶员的超速行为和保障安全行驶具有重要意义.     

基于货运车辆车载GPS大数据的道路超速率计算与分析

在我国交通事故统计中,人为失误导致的交通事故占90％,超速行为的危险性已引起各界重视.尤其大型货物运输车辆,其重量大,制动性能较差,该类车辆超速导致的交通事故通常比较严重.对货物运输平台提供的车辆行驶相关数据(包括GPS定位数据、时间数据、速度数据)进行处理和分析.通过OSMnx在Open Street Map下载广东地图数据并处理,运用隐马尔科夫模型对原始GPS定位数据进行地图匹配,对车辆行驶数据进行LSTM时间序列建模和学习训练,将训练好的网络用于各个路段车辆超速的预测.结果表明,该方法能够很好地拟合超速率的变化趋势,物流平台可以根据预测结果对司机进行提醒,对减少驾驶员的超速行为和保障安全行驶具有重要意义.     

基于货运车辆车载GPS大数据的道路超速率计算与分析

在我国交通事故统计中,人为失误导致的交通事故占90％,超速行为的危险性已引起各界重视.尤其大型货物运输车辆,其重量大,制动性能较差,该类车辆超速导致的交通事故通常比较严重.对货物运输平台提供的车辆行驶相关数据(包括GPS定位数据、时间数据、速度数据)进行处理和分析.通过OSMnx在Open Street Map下载广东地图数据并处理,运用隐马尔科夫模型对原始GPS定位数据进行地图匹配,对车辆行驶数据进行LSTM时间序列建模和学习训练,将训练好的网络用于各个路段车辆超速的预测.结果表明,该方法能够很好地拟合超速率的变化趋势,物流平台可以根据预测结果对司机进行提醒,对减少驾驶员的超速行为和保障安全行驶具有重要意义.