毕业论文范文——基于位置服务的智能交通应用关键技术研究.docx

1、基于位置服务的智能交通应用关键技术研究(申 请 清 华 大 学 工 学 博 士 学 位 论 文 )培 养 单 位 ： 计算机科学与技术系学 科 ： 计算机科学与技术研 究 生 ：指 导 教 师 ： 年 月摘要I摘要近年来，随着 GPS 等定位设备的广泛普及，以及移动应用的快速发展，基于位置服务的各类应用迅速兴起，并逐步影响和改变着人们的生活方式。智能交通应用作为与位置服务联系最为紧密的应用之一，在给位置服务提供丰富数据的同时，也对如何高效地管理和利用这些数据，更好地服务于交通系统提出了极大的挑战。本文围绕交通系统中的人、车、路三要素，对基于位置服务的智能交通应用关键技术展开研究，并结合实际提出

2、了具体的解决方案和应用系统。本文的主要研究内容和贡献包括： 1） 提出了一种基于历史轨迹数据的规律路线挖掘算法，并结合轨迹特征分析出行方式，从而为理解和预测用户的出行行为提供依据。本文在该算法中提出了支撑路径、支撑有向边、规律停止点等一系列轨迹特征与挖掘方法，并基于用户历史数据和用户实际体验，验证了方法的有效性。 2） 提出了一个基于私人车辆的通勤共乘推荐系统。该系统针对私人通勤的特点，提出了一套完整的数据存储、用户检索和路径规划解决方案。本文在该系统中，提出了一种增量式共乘用户匹配算法，通过偏好均衡测试，在保障用户共乘质量的同时，提高共乘车辆利用率；提出了一种优选车辆与乘客接驳位置的共乘路径

3、规划算法，通过合理安排车辆绕行与乘客步行路线，提高共乘效率与匹配成功率。系统基于用户的实际数据进行了实验分析，验证了方法的有效性3） 设计并实现了一个缩微尺度下的交通实验平台。该平台选取真实交通环境中的典型场景，按照 10：1 的比例缩微构建，并以微型智能车辆为交通主体，系统地考虑了实验设计、智能车开发、驾驶代理建模、导航定位等功能，为交通实验开展，交通方案评估，以及智能车辆关键技术验证提供了一个可重复、可评估、可验证的新型物理实验平台。 4）提出了一种基于车辆权重的信号优先控制策略。该策略在综合考虑社会车辆出行需求的基础上，给予共乘车辆适当的路口优先通行特权。本文基于缩微交通实验平台，开展了

4、实际实验，证明了通过适当权重的选取，能够在有效激励共乘出行，降低交通流量的基础上，进一步提高路口的通行效率。关 键 词 ： 位 置 服 务 ； 智 能 交 通 ； 路 径 挖 掘 ； 车 辆 共 乘 ； 信 号 优 先 实 验AbstractIIAbstractRecently, with the wide popularity of positioning devices such as GPS， and the rapid development of the mobile applications, various applications based on LBS is rising

5、rapidly. The application of intelligent transportation as one of most closely tied applications to LBS, has been providing rich data to LBS as well as presenting great challenges on how to management and utilize these data to better sever intelligent transportation system. This dissertation focused

6、on the main three factors of transportation system related to human, vehicles, and roads， researched the key issues of the intelligent transportation system based on LBS, and proposed the specific solutions and application systems with the reality. The major work and contributions of this dissertati

7、on are as follows:(1) We proposed an algorithm for mining regular routes from historical trajectory data, and recognized the travel modes based on the characteristic of the trajectory, thus help to understand and predict users travel behavior. In the dissertation, we proposed a series of trajectory

8、characteristics and mining methods containing the support route, support directed edges and the regular stay points, and verified the effectiveness of the algorithm with the historical user data and practical user experience.(2) We proposed a recommender system for carpool commuting with private veh

9、icle. This system focused the characteristics of commuters, proposed a complete solution contains data storage, user retrieval and path planning. In this system, we proposed an incremental carpool user match algorithm, which guarantees the carpool quality as well as improves the vehicle occupancy wi

10、th a method of preference equalization testing. We also proposed a path planning algorithms which selected the better pickup/drop-off point between the passenger and the driver, so that to improve the efficiency and successful rate of the carpool with the improved vehicle detour and passenger walkin

11、g routes. We verified the effectiveness of the system based on the real user data.(3) We designed and realized a scaled-down traffic experimental platform. This platform selected the typical scenes from the practical transportation environment, and built with a 10:1 scale. The main body of the traff

12、ic is composed of the scaled-down AbstractIIIintelligent vehicles. The platform has systematically considered the functions of experimental design, intelligent vehicle development, driving agent modeling, navigation and localization during the design process, which provided a new kind of repeatable,

13、 appraisable, and verifiable physical environment for performing traffic experiment, appraising transportation schemes and verifying the key technologies of intelligent vehicles.(4) We proposed a traffic signal priority control strategy based on vehicle weights. This strategy has comprehensivly cons

14、idered the travel demands of common social vehicles, and provides approximate priority for carpool vehicles. This dissertation performed practical experiments based on the scaled-down traffic experimental platform. The experimental results show that, with an appropriate weight, we can further improv

15、e the travel efficiency in intersections besides the effective incentive of carpool to reduce the traffic flow.Keywords: LBS; Intelligent transportation; Trajectory mining; Carpool; Traffic signal priority experiment 目录IV目录第 1 章 绪 论 .11.1 研 究 背 景 .11.2 主 要 研 究 内 容 .31.3 论 文 组 织 .4第 2 章 相 关 研 究 综 述 .

16、62.1 引 言 .62.2 道 路 类 服 务 .82.2.1 实 时 路 况 预 测 .82.2.2 道 路 异 常 监 测 .102.2.3 路 网 数 据 完 善 .112.3 车 辆 类 服 务 .122.3.1 出 租 车 辆 服 务 .132.3.2 公 交 车 辆 服 务 .142.3.3 车 辆 行 为 监 控 .162.3.4 车 辆 共 乘 服 务 .172.3.5 车 辆 辅 助 服 务 .182.4 行 为 类 服 务 .192.4.1 行 为 模 式 理 解 .192.4.2 交 通 行 为 预 测 .202.4.3 出 行 路 径 规 划 .212.5 本 章 小

17、 结 .22第 3 章 基 于 轨 迹 数 据 的 规 律 路 线 挖 掘 算 法 .253.1 引 言 .253.2 数 据 预 处 理 .283.2.1 异 常 点 检 测 .283.2.2 停 留 区 域 检 测 .293.2.3 轨 迹 分 割 .313.2.4 网 格 映 射 .333.3 规 律 路 线 挖 掘 算 法 .34目录V3.3.1 相 关 定 义 .343.3.2 路 径 聚 类 .353.3.3 规 律 路 线 提 取 .373.4 交 通 模 式 识 别 算 法 .423.5 实 验 分 析 .443.5.1 实 验 设 计 .443.5.2 实 验 结 果 .44

18、3.5.3 算 法 性 能 分 析 .453.6 本 章 小 结 .49第 4 章 私 人 车 辆 通 勤 共 乘 推 荐 系 统 .504.1 引 言 .504.2 用 户 需 求 分 析 .524.3 问 题 描 述 .544.3.1 问 题 定 义 .544.3.2 系 统 架 构 .554.4 数 据 存 储 .554.4.1 路 由 数 据 存 储 .554.4.2 用 户 数 据 存 储 .594.5 用 户 检 索 与 排 序 .614.5.1 位 置 范 围 检 索 .614.5.2 时 间 范 围 检 索 .624.5.3 用 户 排 序 .634.6 路 径 规 划 .66

19、4.6.1 共 乘 路 径 生 成 .664.6.2 路 径 可 行 性 测 试 .674.6.3 偏 好 均 衡 测 试 .684.7 试 验 分 析 .694.7.1 实 验 设 计 .694.7.2 性 能 指 标 .694.7.3 实 验 结 果 .704.8 本 章 小 结 .73目录VI第 5 章 基 于 缩 微 交 通 平 台 的 共 乘 车 辆 信 号 优 先 设 计 与 实 现 .745.1 引 言 .745.2 缩 微 交 通 实 验 平 台 .755.2.1 平 台 简 介 .755.2.2 设 计 思 路 .765.2.3 平 台 架 构 .795.3 共 乘 车 辆

20、信 号 优 先 实 验 设 计 .805.3.1 实 验 环 境 设 置 .805.3.2 共 乘 车 辆 信 号 优 先 控 制 策 略 .825.4 实 验 结 果 .845.4.1 检 测 器 位 置 实 验 .855.4.2 检 测 器 性 能 实 验 .875.4.3 通 行 效 果 对 比 实 验 .885.4.4 车 辆 权 重 对 比 实 验 .895.5 本 章 小 结 .90第 6 章 总 结 与 展 望 .916.1 论 文 总 结 .916.2 论 文 创 新 点 .926.3 下 一 步 工 作 .93参 考 文 献 .94附 录 .108第 1 章绪论1第 1 章

21、绪论1.1 研 究 背 景位置服务（LBS ，Location Based Service）是指依据用户或者设备的地理位置信息，所提供的与位置相关的各类服务。近年来，随着民用 GPS（全球定位系统，Global Positioning System）等定位设备在移动终端上的广泛应用以及移动应用的快速发展，基于位置信息的各类服务迅速兴起，并逐步影响和改变着人们的生活方式。依据位置服务的类型，我们可以将位置服务分为静态位置服务和动态位置服务，如 图 1-1 所示。静态位置服务是指，基于用户或对象当前的位置，提供的与位置相关的信息服务。静态位置服务大多是一种被动的服务方式，是系统基于用户请求所做出的

22、响应。该类服务的重点是对用户的精确定位。常见的静态位置服务包括：兴趣点（Point of Interest）搜索服务：用户向系统提交当前位置及关注对象，如银行、加油站、餐馆等，系统向用户返回用户位置附近的兴趣点分布情况，并可推送相应的用户评价，优惠活动等服务内容。社交服务：用户向社交系统签到（Check in）用户位置，系统基于用户的位置信息提供相应的交友、社区构建、商业推送以及游戏等服务内容。气象服务：服务系统根据用户的地理位置，向用户提供精细的实时气象信息。动态位置服务是指，基于用户或对象连续的位置变化，提供的与轨迹相关的应用服务。动态位置服务多是在用户激发下，由系统根据用户的位置变化，主

23、动连续推送的服务。该类服务的重点是对用户的动态响应。常见的动态位置服务包括：路径导航服务：基于位置信息的路径导航，不仅能够依据用户的出发地与目的地提供路径规划功能，还能根据用户位置的动态变化，实时道路状况，以及用户轨迹偏离等事件提供动态的路径规划服务。轨迹分享服务：服务系统基于用户的位置变化，记录用户的出行轨迹，提供轨迹日志，及轨迹分享等服务。车辆管理服务：服务系统依据用户的位置信息，及车辆的运行轨迹，提供车辆调度以及共乘推荐等出行服务。第 1 章绪论2位置服务静态位置服务 动态位置服务搜索服务 社交服务 导航服务 路况服务 车辆服务气象服务 图 1-1 位置服务的分类智能交通系统是在汇聚通信

24、、信息、传感器、汽车电子，以及计算机等领域先进技术的基础上，形成的实时、准确、高效的交通运输和管理系统。智能交通系统的基础是信息。没有实时、准确的交通信息，高效的智能交通系统就无从谈起。而位置服务正是智能交通系统的重要信息来源之一。然而传统的位置服务，大多是对用户位置简单的可视化呈现（如轨迹分享、车辆管理等） ，或对位置范围的周边搜索（如静态位置服务等） ，未能充分挖掘位置序列中隐含的大量有用信息。事实上，位置服务不仅记录有用户的位置变化，还蕴含有用户的生活规律、行为模式、经验意图等有价值的信息。如基于出租车招车服务的运行数据，我们不仅可以掌握出租车的动态分布，还可以观测出城市路网的交通状况以

25、及乘客的出行规律。基于轨迹分享服务的数据，我们不仅可以记录用户的出行历史，还可以从中了解用户的生活习惯，旅行经验，提供个性化的交通出行建议，等等。因而，位置服务与智能交通系统有着天然的适配性。位置服务作为智能交通系统的基础资源，在为智能交通系统带来丰富数据信息的同时，也对如何高效地管理和利用这些数据，如何挖掘出数据中蕴含的规律与信息，从而更好地服务于交通系统，提升交通服务性能提出了极大的挑战，如对规律的挖掘、信息的推荐以及资源的利用。人们每天都会产生大量的轨迹数据，这些轨迹数据不仅可以反映人们的出行动态，还蕴含着人们的出行规律和生活经验。比如，日常的通勤路线不仅是人们规律性较强的出行路线，也是

26、人们最熟悉的出行路线，对周边的路况也比较了解，出行时就会考虑，在不同时间段下，哪条路线更为畅通。这些信息都够有效反映出人们的经验和智慧。那么如何从人们大量的轨迹数据中，挖掘出这些规律路线，从而更好地理解人们的出行方式呢？第 1 章绪论3城市交通具有明显的潮汐效应，早晨进城方向交通流量大，晚上出城方向交通流量大。这也意味着，在人们的通勤路线中，存在有大量同方向的甚至是同目的地的路线。而这其中，很多私人车辆都剩有空闲车位。大量空闲座位的存在，不仅浪费宝贵的交通资源，也造成了环境污染、经济浪费等一系列问题。那么如何从这些大量的私人通勤路线中，挖掘出合适的共乘对象，并合理考虑用户的不同需求，形成优化的

27、出行路线，从而提高城市交通的出行效率呢？城市交通资源是有限且宝贵的。但是在城市交通高峰中，大量空闲车辆占据了与高占有率车辆相同的社会资源，不仅造成了资源的浪费，也导致交通效率的低下。在有限的交通资源下，如何通过对资源的合理分配与利用，如通过交通信号的优先策略，给予高占有率车辆更高的优先权，在有效激励绿色出行方式的同时，进一步提升交通的整体通行性能呢？此外，由于受限于高昂的经济成本、巨大的场地需求、复杂的实施管理以及潜在的安全风险等方面的因素，交通实验一直存在着难以实际开展的困难，随着智能车辆、位置服务、电子通信技术的快速发展，能否借助于智能车辆，搭建一个实际的实验平台，从而为开展交通实验提供了

28、一个实际的物理环境呢？本文的工作正是针对上述问题，着眼于位置服务下智能交通应用中的多种难点与挑战，对其中的关键技术开展了研究，提出了基于轨迹数据的规律路线提取算法，构建了基于私人车辆的通勤共乘推荐系统，搭建了基于智能车辆的缩微交通实验平台，并对共乘车辆的交通信号优先开展了实际的测试与实验。1.2 主 要 研 究 内 容本文围绕交通系统中人、车、路三要素，针对基于位置服务的智能交通应用需求，对轨迹挖掘、信息推荐、资源利用等关键技术进行了研究。本文的研究内容主要包括以下几个方面：(1)基于位置服务的智能交通应用研究综述本文对基于位置服务的智能交通应用进行了分类研究。基于交通系统中人、车、路三要素，分别从行为类服务、车辆类服务和道路类服务三个方面总结了当前智能交通领域，基于位置服务所取得的最新进展，及其代表性工作。并对下一步的研究重点进行了总结与展望。（2）基于轨迹数据的路线挖掘本文针对用户的历史轨迹数据，研究轨迹中蕴含的潜在信息，在对轨迹数据特性分析处理的基础上，对轨迹数据进行分类、投影与映射。分别采用时间和