基于车载GPS数据的城市交通状态估计和出租车需求预测研究

摘要

随着无线通信技术的发展和车载电子终端的普及，使得人们可以通过构建人-车-路协同的车辆自组网（VANET）来提供便捷准确的交通信息服务，如何通过车辆动态信息挖掘，提供实时导航、交通出行规划是其中一项重要应用，也受到了政府、学术界和工业界的广泛关注。本文将出租车上 GPS视为移动传感器网络中的移动节点，基于城市出租车GPS数据挖掘，对交通状态进行实时感知，同时对出租车的需求进行实时预测，可以为车辆路径规划提供决策支持。该方案无需额外布置硬件设施，有较强的推广应用价值。论文在以下两个方面取得了创新性成果：
　　1.实时交通状态信息可以帮助驾驶员更好的进行出行路径规划，规避拥堵路段；对于交通管理部门，交通态势信息的应用可以提高道路交通流量，有效减缓城市交通的拥堵。但是，不管是车辆本身的感知信息（如GPS数据）还是道路检测设备信息（如磁感线圈），都存在时间、空间上感知信息缺失的情况，使得对交通状态的全时广域感知面临数据重构的技术难题。本文正是基于VANET框架下对交通状态感知技术进行了深入研究，取得了如下主要成果：
　　通过对交通数据隐含数据结构的挖掘，本文提出了一种基于张量重构的算法——HaTTC(Half Thresholding Tensor Completion)来估计空缺的交通信息。和传统的矩阵完备算法相比，本文的算法可以挖掘更多维度上的数据结构。
　　HaTTC算法基于主流的ADMM框架，同时考虑了时间上的连续性和数据的周期性来提升重构的准确度。本文也融合了L1/2范数，大大加快了算法的收敛速度。HaTTC算法在高速公路数据的实验中的速度和精确度都超过了矩阵完备的FPCA算法。
　　本文建立了一个涵盖上海市32000辆出租车和公交车的车联网系统。基于此系统获取的数据和本文的算法，本文实现了上海市的全时段交通感知，可以辅助上海市交通中心进行交通的管理，以及帮助路上的车辆进行更好的路径规划。
　　2.实时的出租车需求分布信息可以指导出租车司机调整行程规划，提高收入，这也能让乘客更快达到出租车，缓解“打车难”的现象。但是出租车需求预测面临着众多技术挑战，包括离散的GPS数据造成的不确定性、出租车需求的高度动态性、交通状况的复杂性等等。本文在VANET框架下，基于出租车GPS数据，进行了出租车需求预测方面的探讨，主要成果如下：
　　本文提出了一种出租车需求预测模型Taxi Demand Model，简称TD模型。相对于其他模型，本文的模型更加合理的表征了出租车需求的构成；另外为了更好的适应出租车需求高度动态性的特点，本文将出租车历史数据与实时数据结合来估计出租车的需求数目。
　　在本文的模型中，技术上亮点主要有两个：首先，本文引入了一个变量来定量衡量出租车载客的难易程度，即出租车开入某个路段后多久能够载到客人。本文通过这个变量的使用来提高对于出租车需求数目估计的精确度。第二，本文引入了几何概型，通过出租车GPS数据估计出了乘客的等车时间。
　　本文建立了一个涵盖上海市超过一万辆出租车的车联网系统，基于该系统产生的时间跨度长达一个月的GPS数据，结合TD模型，本文进行了出租车需求分析和预测的仿真实验，证明了本文提出的模型的有效性。

目录

第一章 绪论

1.1研究背景及意义

1.2国内外研究发展现状

1.3本文的主要贡献与章节安排

第二章 数据重构数学基础介绍

2.1数学符号说明

2.2压缩感知

2.3矩阵完备

2.4张量重构

第三章 基于GPS数据的城市交通状态估计

3.1系统架构

3.2问题描述

3.3交通数据分析

3.4 HaTTC算法设计

第四章 基于车载GPS数据的出租车需求预测

4.1系统架构

4.2数据预处理

4.3出租车需求预测模型

第五章 仿真实验

5.1高速公路交通感知仿真

5.2上海城区交通感知仿真实验

5.3上海市出租车需求分析预测仿真实验

第六章 总结与展望

参考文献

致谢

攻读硕士学位期间已发表的论文

攻读硕士学位期间参加的科研项目：

声明