第8章_交通应用建模_科硕

交通应用空间分析建模唐炉亮28.1交通应用建模概述8.2交通应用空间分析方法8.3基于浮动车数据的交通信息获取8.4基于浮动车数据的时空聚类分析8.5基于高分遥感的交通信息提取内容GIS-T12基于浮动车数据的交通信息获取343基于FCD数据的经验知识时空建模基于低空遥感平台的交通信息获取GIS-T14GIS-T是什么？•GIS-T是GISforTransportation的缩写•GIS-T是指收集、存贮、分析和传输关于交通信息及与其产生相互影响的空间特定类型信息的硬件、软件、人员及组织机构的集合•一般而言，GIS-T的数据类型包括基础地理信息、交通专题信息和社会经济信息三类基本信息GIS-T的数据类型•交通专题属性信息可分为静态信息和动态信息两类–静态信息主要刻画交通路线与附属设施的基本性质，如一条道路的名称、起终点、长度、宽度、路面结构、管养单位等；–动态信息常常反映交通运营情况，是车辆导航和交通管理的基本数据，如交通堵塞位置、原因、预计堵塞时间等。•静态信息的获取：–可通过土地管理部门、测绘部门、建设部门、市政单位、公安交警管理部门等获取。–现阶段，我国这些部门相对独立，尚没有统一的组织来协调，要想全面系统地取得所需要的数据，往往存在较大困难。–因此应该建立一个专门的组织机构进行协调和统一规划，以降低数据资源的采集和管理成本，实现数据共享，达到迅速、详细、精确地获取所需数据的目的•动态信息的获取：不同的数据有不同的数据获取方法。–当今数据采集的技术有GPS定位、手机定位数据、视频检测技术、数码摄影技术、卫星图像、高清晰度扫描技术、红外线或微波等。–其中GPS常常用来获取车辆单元的实时位置信息，车辆检测器可获取车流量、车道占有率、车速、车型等信息。–其他如紧急电话、巡逻车等也是动态交通信息获取的必要补充。交通信息的特征特征：•线性分布特征•网络分布特征•分段分布特征•时间变化特征10交通数据特点：抽样性概括性多态性空间性211基于低空遥感平台的交通信息获取•多维、实时、可视化的空间信息获取与处理技术已广泛应用到政治、经济、军事、科教、文化、环境与应急响应的众多领域。背景得益于星载、机载和舰载传感器发展，空间信息技术朝多传感器、多极化、多角度、高空间分辨率、高时间分辨率、高光谱等方向发展。无人机低空影像的特点作业灵活、成本低、高效率、低能耗、环境适应性强优势适用适用于高清晰、小面积和带状面积、现势性要求高的非测绘或准测绘用途影像需求无人机低空交通遥感平台无人机直升机飞行平台IMU激光扫描仪数码相机系统组成：•无人直升机平台包括：飞行器、遥感平台、飞行控制系统、地面控制系统无人直升机平台选型飞控系统地面设备遥感系统飞行器机载发电机功率不小于40W提供遥控、预设路线等多飞行模式有效载荷20Kg以上续航时间1.5小时满足低空无人飞行器的基本要求，功率不小于18PS多源交通数据快速处理与分析实验目的：搭建一个基于飞艇的低空遥感实验平台，实现交通数据的获取。实验方法：本课题组于2008年7月16日以飞艇为载体的野外数据获取与传输试验，选择了两个飞行区域，区域1是关山一路、关山二路、光谷大道；区域2是从武汉市中环线从万科到白沙洲大桥。飞行高度在100-200米之间，速度为30-40km/h多源数据快速获取实验第一次野外试验现场获取的高分辨率影像与视频数据视频数据高分辨率影像数据基于视频帧差法的交通目标检测A.第一帧参考影像B.第二帧待配准影像C.配准变换后的影像帧数据配准交通目标区域检测交通目标检测与提取基于灰度统计的交通目标检测道路灰度统计模板3σ道路灰度统计与道路提取基于灰度统计的交通目标检测交通目标检测与提取道路范围确定由灰度特征提取道路区域视频中第1帧图像剔除非灰度部分基于车辆知识模型的交通目标检测目标车辆特征具有一定的几何特征（面积、长宽比、周长与面积比）有较突出的边缘内部有一定的纹理特征基于车辆知识模型的交通目标检测长宽比面积颜色分量直方图梯度投影所含Harris角点目标车辆建立车辆知识模型车辆检测结果视频中第31帧图像视频中第38帧图像基于车辆知识模型的交通目标检测交通流信息的提取的结果基于浮动车数据的交通信息获取327浮动车数据管理•提出了Routes-FeaturesFCDTrajectoryModel浮动车轨迹模型，解决海量浮动车数据的高效压缩、有效管理与快速检索–基于离散点轨迹点的轨迹描述•TrajectoryID,v1,v2,…,vn,…）（VertexID,t,x,y,v,ang）–基于Segment的轨迹组织Routes-FeaturesFCDTrajectoryModel•RFFTD概念框架浮动车数据压缩•提出了基于道路特征的浮动车数据压缩方法，首先将浮动车数据进行线性参照坐标处理，并与路网进行结合，按照一定的特征点采样策略，如时间间隔、距离、速度、道路节点等，对原始数据进行采样和重采样基于道路特征的浮动车数据压缩处理方式记录条数记录压缩率%记录大小KB空间压缩率%原始记录918129794按速度压缩1448184.2125687.1道路节点压缩1379884.9119287.8速度＋道路节点2551872.2223277.2浮动车最小覆盖率的研究应用GPS浮动车进行交通信息提取的数据采集环节中，为了减少个体浮动车随机性的影响，保证提取交通参数的精度，需要确定路网或路段上数据采集单元（浮动车）的最小需求数量，或者该数量对路网或路段上全部车辆的比值，这个比值即是浮动车的最小覆盖率。GPS浮动车覆盖率研究•路网浮动车覆盖率仿真实验显示，当计算时间间隔为5分钟时，若道路网上的交通流密度均匀分布，则浮动车比例至少为5.0%；若道路网上交通流密度非均匀分布，则浮动车比例至少为7.0%1mcjjjjjcwNwNTRC,WuhanUniversity浮动车数据的地图匹配ABCDGPS1GPS2GPS3复杂路网结构导致的匹配错误GPS1ABCDY-Junction问题平行同向路问题交叉口转向问题高架桥问题基于行车限制的浮动车数据匹配方法•根据车辆行驶的交通约束与道路段的几何连通性，进行总体待匹配路径的构建与更新•最后按照曲线相似度准则找出与整体浮动车运行轨迹最为接近的路径abcdfeg行车方向轨迹线道路网GPS点圆形缓冲区GPS1GPS2GPS3GPS1可行路段a,b,c;GPS2可行路段a,e,f;GPS3可行路段f,gGPS1—GPS2种子路径a-a;a-e;a-fGPS1-GPS2-GPS3种子路径：a-f;a-e-g最终匹配路径：a-f匹配路径TRC,WuhanUniversity地图匹配—匹配算法ABCDGPS1GPS2GPS3GPS4GPS5Y-Junction问题解决方法平行同向路问题解决方法交叉口转向问题解决方法高架桥问题解决方法复杂路网结构导致的匹配错误基于行车限制的匹配算法常规点到线的匹配算法基于Frechet距离的匹配算法时间复杂度O(n)O(n)O(mnLog(mn))全局匹配是否是平均正确匹配率97.5%85%92.3%地图匹配—匹配算法轨迹恢复后的一辆浮动车24小时的轨迹匹配前后的位置基于浮动车数据的交通信息提取•有采样数据的路段平均速度提取–单台车的路段平均速度–所有浮动车的路段平均行驶速度•有采样数据的路段行程时间提取目标路段GPS点运动方向etlt目标路段GPS点运动方向1et2et3lt4lt1ed2ed3ld4ld1234路段节点ileTtt11niiTTn11niivvn,11kiijjvvk基于浮动车数据的交通信息提取ABCDEFGHIJKLMN•无采样路段的拓扑关联分析如果G路段无数据，则I-G-B、M-G-B、L-G-B、I-G-E、M-G-E、L-G-E、I-G-C、M-G-C、L-G-C做为9个重新组合构造的新路段，原来的路段G就可以看作9个新路段内的一部分。111mnIRSORSijijvvvmn•无采样交通数据路段平均行驶速度估计–假设目标路段有m个驶入路段，n个驶出路段，则目标路段的路段平均速度：•无采样交通数据路段平均行程时间估计Ltv11niiiLttnL城市交通信息空间特征分析1stLink77samplesT4T3T2T14thLink3rdLink2ndLink58*5+24*2variables•基于空间聚类技术提取交通参数在路网上的空间分布特征ABC实验路网参数输入SOM路段聚类结果ClusterAClusterBClusterC原始路网星期五星期六星期天星期四星期一星期二星期三层次聚类方法最短距离法（SingleLinkage）两个类之间的距离定义为两个类中元素之间距离的最小者。时段：8:00-11:00时段：11:00-13:00时段：13:00-16:30时段：16:30-20:00时段：20:00-24:00时段上下车点数聚类结果(n50)8:00-11:006,9971611:00-13:005,5391113:00-16:308,8122516:30-20:008,8902220:00-24:009,91323聚类结果统计表层次聚类结果聚类结果OD分析Data：WuhanTaxiTrajectoryData(2008-12-28)447基于FCD数据的经验知识时空建模基于浮动车数据的经验知识获取与时空建模，项目编号：41271442•研究出租车司机对于城市路网和交通状态的时空交通认知规律，实现路径选择经验知识的挖掘与获取•提出采用基于Space-Time的经验知识多维度、多尺度时空建模与表达方法，解决困扰国内外研究者们“经验知识时空表达困难”的科学难题•建立个性化公众出行的用户需求模型，将经验知识用于公众个性化出行的路径优化基于FCD数据的认知RoadMap提取49浮动车GPS点轨迹点连接浮动车轨迹O浮动车轨迹1浮动车轨迹2轨迹1、2融合中线LKMakingRoadMapsfromTrajectoriesMakingRoadMapsfromTrajectoriesRawGPStracesRoadmapCrowdsourceGPStracesfromeverydayvehicles基于浮动车数据的车道信息获取Brakatolas将GPS定位测量值的规律描述为一个二变量标准正太分布的概率函数。0.00E+002.00E-024.00E-026.00E-028.00E-02-897100-897050-897000-896950概率密度曲线经验统计是取2倍σ内的值作为研究对象，但是对于浮动车数据而言却不能得到良好的结果。采用Delaunay三角网进行粗差剔除以及点到中心线距离粗差去除得到经验概率：90%车道宽度检测8332832920040010208单位：m单位：m83320Road_IDLength(m)T_Width(m)Speed(km/h)Directions8332/Segment011013.6单向8332/Segment022013.6单向8332/Segment055013.7单向8332/Segment066013.8单向..........13.7单向8332/Segment1616021.6单向8332/Segment1717020.2单向8332/Segment1818019.6单向8332/Segment1919019.1单向8329/Segment011016.9单向8329/Segment022016.4单向8329/Segment033018.1单向8329/Segment044018.4单向...............单向同一条路径上的宽度探测示意图目标路段覆盖在目标路段上的原始浮动车数据真实影像资料车道宽度检测基于贝叶斯原理的车道模式识别贝叶斯分类器：贝叶斯分类器是一个统计分类器，其主要通过对对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一