基于群智感知的城市私家车轨迹恢复研究

摘要

在城市路网中，城市私家车的出行轨迹包含着丰富的交通出行信息。通过对城市私家车出行轨迹的分析，人们能够得到丰富的城市路网交通信息，进而为政府或者交通部门收集到有价值的交通信息提供了新思路。然而，由于城市私家车用户的隐私性，只有很少一部分的用户会共享自己车辆的精确位置信息，大部分城市私家车的轨迹信息只能通过稀疏的道路卡口监控数据获取，仅仅依靠稀疏的道路卡口监控数据来恢复城市私家车的精确轨迹是很难实现的。截至目前，还没有一个适当的算法来解决城市私家车轨迹恢复的问题。现有的一些车辆轨迹恢复算法都是通过车辆的历史轨迹数据去挖掘潜在信息，进而恢复车辆的轨迹，但是由于车辆的历史轨迹数据包含的信息不够充分，因此轨迹恢复准确率往往不能满足现实生活中人们对于轨迹恢复准确率的要求。
　　基于上述的分析，本文提出了一种基于群智感知技术来恢复城市私家车轨迹的解决方案。首先，论文通过挖掘历史的稀疏道路卡口监控数据和少量带有在线远程信息处理系统车辆的精确轨迹数据，对研究区域内道路的交通模式进行了分析，并使用指数分布对道路的通行时间进行建模。然后，论文采用Canopy-Kmeans聚类算法对城市私家车的稀疏轨迹进行了聚类，聚类的结果优化了道路的通行时间模型，为后续提升城市私家车的轨迹恢复准确率打下了基础。最后，提出了一种数据包效用值最大算法来传输车辆上存储的数据包，当车辆经过Wi-Fi数据包上传点所在的路口时，Wi-Fi数据包上传点会将这些数据包收集起来并传送到后台的综合数据分析平台上，通过综合数据分析平台对收集到的数据进行分析挖掘就可以得到全部城市私家车的精确轨迹信息。
　　论文采用真实世界中的历史数据来完成仿真实验并评估了实验的效果。首先，论文采用了2016年4月1号到2016年5月30号苏州市工业园区所有的道路卡口监控数据以及少量带有在线远程信息处理系统车辆的精确轨迹数据来进行仿真实验并评估实验的效果。然后将论文提出的基于数据包信息效用最大化的数据传输算法与先进先出算法、数据包剩余寿命算法以及PhotoNet算法进行了对比分析。实验结果表明，与其它三种常用的数据传输算法相比，论文提出的基于数据包信息效用最大化的数据传输算法实现了更高精度的轨迹恢复。

目录

声明

摘要

第1章 绪论

1．1 研究的背景及意义

1．2 相关研究

1．2．1 轨迹恢复的研究现状

1．2．2 群智感知的研究现状

1．3 论文的主要研究内容及贡献

1．4 论文的组织结构

第2章 相关理论知识

2．1 Canopy-Kmeans聚类算法

2．2 指数分布

2．3 柯尔莫可洛夫-斯米洛夫检验

2．4 本章小结

第3章 系统建模

3．1 数据集及基础假设

3．1．1 数据集

3．1．2 基础假设

3．2 城市私家车轨迹恢复系统的数学模型

3．2．1 基本概念的定义

3．2．2 城市私家车轨迹恢复系统的形式化描述

3．3 系统框架

3．4 本章小结

第4章 城市路网中道路通行时间的建模

4．1 城市私家车的行驶规律分析

4．2 道路通行时间建模

4．3 本章小结

第5章 基于群智感知的数据传输算法

5．1 城市私家车轨迹恢复问题的转化

5．2 车辆碰面时数据包的传输选择策略

5．3 车辆碰面时数据包的传输算法

5．4 本章小结

第6章 实验与分析

6．1 实验平台

6．2 数据集的划分

6．3 实验评价标准

6．4 轨迹恢复系统的有效性分析

6．4．1 Canopy-Kmeans聚类算法的效果评估

6．4．2 群智感知网络中传输算法的性能评估

6．4．3 群智感知网络中数据包信息效用的分析

6．5 本章小结

第7章 总结与展望

7．1 全文总结

7．2 未来工作展望

参考文献

致谢

在读期间发表的学术论文与取得的其他研究成果

学位论文修改说明