《基於軌跡壓縮的城市交通擁堵識別與跟蹤研究》是依託大連理工大學,由徐秀娟擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於軌跡壓縮的城市交通擁堵識別與跟蹤研究
- 依託單位：大連理工大學
- 項目類別：青年科學基金項目
- 項目負責人：徐秀娟
項目摘要,結題摘要,
項目摘要
路網數據、興趣點數據和浮動車軌跡數據是城市交通的數字足跡，由於這些移動數據與時間和位置高度相關，使得傳統的數據挖掘方法難以在實際中得到廣泛套用。.針對軌跡數據的城市交通擁堵識別與跟蹤問題，歷史數據包含豐富的信息不應簡單丟棄，而已有的算法很少同時考慮歷史數據和實時數據。本課題提出了基於離線軌跡壓縮和線上增量更新的擁堵演化分析。擬深入研究1、基於路網分割，利用最短路徑和頻繁軌跡的離線軌跡壓縮模型，並設定橫縱索引方便快速檢索和更新數據；2、基於軌跡壓縮模型的線上軌跡增量更新方法；3、基於速度和密度計算道路的通行效率，利用通行效率識別擁堵，通過軌跡壓縮結構之間的軌跡快照差異跟蹤擁堵；同時分析與道路結構相關的擁堵成因問題。通過本課題的研究為探索擁堵演化規律提供科學依據，對闡明軌跡數據的機制有著重要意義。針對移動數據的要求所開發的高效線上增量更新算法，也可以推廣到其他複雜大數據的模式識別和跟蹤問題中。
結題摘要
自課題開展以來，我們的研究活動嚴格按照計畫進行，完成了相關的研究任務，並取得了若干代表性的研究成果。本課題從城市智慧型交通擁堵狀態監測的實際需求出發，分析了交通擁堵的實際問題，包括交通擁堵的基本特徵、交通擁堵的短時預測方法等。具體包括：1、針對交通擁堵的抽取以及短時交通擁堵預測問題，從交通數據處理（即離線數據處理）和交通擁堵識別判斷（即線上監控）兩方面進行設計交通擁堵算法，提出了一種基於自動編碼器的交通擁堵預測算法；2、針對天氣影響交通擁堵問題，提出了利用神經網路預測交通流量；3、針對重大事件影響交通擁堵問題，提出對城市路網劃分為多個子區域，基於區域內重大事件的舉辦通過融合天氣、事件、時間等多源因素，分別對每個子區域內計程車的上下客情況，提出採用遺傳算法最佳化BP神經網路進行計程車上下客數量預測。還分析城市道路駕駛員換道行為的影響因素。 在課題的進展過程中，共錄用/發表論文15篇。其中包括CCF B類論文一篇。形成專著2部（已提交稿件第一版，預計2019年出版）。共申請發明專利2項，軟體著作權6項。 項目面向數據分析與數理、城市智慧型交通等領域研發關鍵套用。本課題積極開展國內外學術合作與人才培養工作，徐秀娟出訪澳大利亞參加學術會議3次，許真珍、碩士高曉波各參加國內學術會議1次。在課程承擔單位的大力支持下，課題邀請到國際物聯網領域的著名學者麥凱瑞大學計算機學院院長Michael Sheng教授來課題組訪問，為本課題研究工作的開展起到了很好的促進作用。項目開展過程中共培養碩士8名，畢業6名。
