智能交通系统中基于时空上下文数据的推理机制研究

摘要

随着城市现代化建设的持续推进和人民生活水平的迅速提高，城市道路上交通出行的流量和需求越来越多，带来了环境污染和交通堵塞等问题。与此同时，越来越多城市的交通正在走向智能化，道路、车辆上日益普及的传感器等设备和移动通讯技术的飞速发展，使得城市交通产生了海量的时空上下文数据。这些数据潜藏了巨大的研究和应用价值，特别是在智能交通这一时空上下文强相关场景下，这些数据所包含的信息对城市公共交通的规划和优化有很大的参考价值，公共交通的发展可以有效缓解环境污染等问题。 为了解决多源异构的时空上下文数据中存在的数据缺失、系统间误差等问题，提出一种基于聚类的数据预处理和融合方法。通过对公交车全球定位系统（Global Positioning System，GPS）数据、公交车刷卡数据、出租车GPS数据、城市兴趣点（Point of Interest，POI）数据等多源异构的时空上下文数据的预处理和融合，进一步提出一种基于最小二乘支持向量回归的公交站点客流量预测模型用于预测城市公交站点的客流量。进而提出一种既能满足乘客需求，又能收益最大化的定制公交线路推荐方法。 利用珠海市的真实数据，对提出的数据预处理和融合方法、最小二乘支持向量回归预测模型进行了大量的实验和充分的验证。根据实验结果，提出的数据预处理和融合方法可以正确地完成数据的预处理和融合。提出的最小二乘支持向量回归预测模型与基于线性回归、时间序列和人工神经网络等方法相比较，有更好的预测准确度，特别是在短时客流预测上能取得更好的预测准确度。

目录

第一个书签之前

绪论

研究背景

研究现状

时空数据挖掘

城市计算

智能交通

数据融合

研究目的及意义

本文主要工作及结构安排

智能交通系统中时空上下文数据

序言

公交车GPS轨迹数据预处理

公交车IC卡数据预处理

公交车IC卡数据和GPS数据融合

本章小结

基于时空上下文数据的公交客流量预测

基础概念

时空上下文特征提取

空间特征集：Fs

环境特征集：Fe

基于PCA的时空上下文特征降维

最小二乘支持向量回归

基于时空上下文数据的定制公交线路推荐

定制公交线路推荐问题

定制公交线路推荐方案设计

定制公交线路起点推荐

定制公交线路终点推荐

本章小结

实验及结果分析

实验数据

测试环境

预处理和融合效果验证

公交车GPS数据的线路匹配和站点匹配

公交车IC卡聚类算法

时间偏差估算及IC卡和GPS数据匹配方法

客流量预测性能评估

性能指标

实验过程

模型建立

特征筛选

对比实验

结果分析

本章小结

总结和展望