多重处理的道路拥堵识别可视化融合分析
目的 随着城市交通拥堵问题的日益严重,建立有效的道路拥堵可视化系统,对智慧城市建设起着重要作用.针对目前基于车辆密度分析法、车速判定法、行驶时间判定法等模式单一,可信度低的问题,提出了一种基于DBSCAN+(density-based spatial clustering of applications with noise plus)的道路拥堵识别可视化方法.方法 引入分块并行计算,相较于传统密度算法,可以适应大规模轨迹数据,并行降维聚类速度快.对结果中缓行区类簇判别路段起始点和终止点,通过曲线拟合和拓扑网络纠偏算法,将类簇中轨迹样本点所表征的路段通过地图匹配算法匹配在电子地图中,并结合各类簇中浮动车平均行驶速度判别道路拥堵程度,以颜色深浅程度进行区分可视化.结果 实验结果表明,DBSCAN+算法相较现有改进的DBSCAN算法时间复杂度具有优势,由指数降为线性,可适应海量轨迹点.相较主流地图产品,利用城市出租车车载OBD(on board diagnostics)数据进行城区道路拥堵识别,提取非畅通路段总检出长度相较最优产品提高28.9％,拥堵识别命中率高达91％,较主流产品城区拥堵识别平均命中率提高15％.结论 在城市路网中,基于DBSCAN+密度聚类和缓行区平均移动速度的多表征道路拥堵识别算法与主流地图产品相比,对拥堵识别率、通勤程度划分更具代表性,可信度更高,可以为道路拥堵识别的实时性提供保障.
并行聚类、拥堵识别、轨迹大数据、智慧城市、可视化
25
TP391(计算技术、计算机技术)
国家重点研发计划项目;江苏省高校自然科学研究重大项目;江苏省六大人才高峰项目;江苏省333工程资助项目;江苏省研究生科研与实践创新计划项目;淮安市科技局项目
2020-06-22（万方平台首次上网日期，不代表论文的发表时间）
共10页
409-418
