详情

原文传递基于车载GPS数据的城市交通状态估计和出租车需求预测研究

论文题名：	基于车载GPS数据的城市交通状态估计和出租车需求预测研究
关键词：	车载GPS数据;城市交通;状态估计;出租车;需求预测;张量重构算法
摘要：	随着无线通信技术的发展和车载电子终端的普及，使得人们可以通过构建人-车-路协同的车辆自组网（VANET）来提供便捷准确的交通信息服务，如何通过车辆动态信息挖掘，提供实时导航、交通出行规划是其中一项重要应用，也受到了政府、学术界和工业界的广泛关注。本文将出租车上 GPS视为移动传感器网络中的移动节点，基于城市出租车GPS数据挖掘，对交通状态进行实时感知，同时对出租车的需求进行实时预测，可以为车辆路径规划提供决策支持。该方案无需额外布置硬件设施，有较强的推广应用价值。论文在以下两个方面取得了创新性成果：　　1.实时交通状态信息可以帮助驾驶员更好的进行出行路径规划，规避拥堵路段；对于交通管理部门，交通态势信息的应用可以提高道路交通流量，有效减缓城市交通的拥堵。但是，不管是车辆本身的感知信息（如GPS数据）还是道路检测设备信息（如磁感线圈），都存在时间、空间上感知信息缺失的情况，使得对交通状态的全时广域感知面临数据重构的技术难题。本文正是基于VANET框架下对交通状态感知技术进行了深入研究，取得了如下主要成果：　　通过对交通数据隐含数据结构的挖掘，本文提出了一种基于张量重构的算法——HaTTC(Half Thresholding Tensor Completion)来估计空缺的交通信息。和传统的矩阵完备算法相比，本文的算法可以挖掘更多维度上的数据结构。　　HaTTC算法基于主流的ADMM框架，同时考虑了时间上的连续性和数据的周期性来提升重构的准确度。本文也融合了L1/2范数，大大加快了算法的收敛速度。HaTTC算法在高速公路数据的实验中的速度和精确度都超过了矩阵完备的FPCA算法。　　本文建立了一个涵盖上海市32000辆出租车和公交车的车联网系统。基于此系统获取的数据和本文的算法，本文实现了上海市的全时段交通感知，可以辅助上海市交通中心进行交通的管理，以及帮助路上的车辆进行更好的路径规划。　　2.实时的出租车需求分布信息可以指导出租车司机调整行程规划，提高收入，这也能让乘客更快达到出租车，缓解“打车难”的现象。但是出租车需求预测面临着众多技术挑战，包括离散的GPS数据造成的不确定性、出租车需求的高度动态性、交通状况的复杂性等等。本文在VANET框架下，基于出租车GPS数据，进行了出租车需求预测方面的探讨，主要成果如下：　　本文提出了一种出租车需求预测模型Taxi Demand Model，简称TD模型。相对于其他模型，本文的模型更加合理的表征了出租车需求的构成；另外为了更好的适应出租车需求高度动态性的特点，本文将出租车历史数据与实时数据结合来估计出租车的需求数目。　　在本文的模型中，技术上亮点主要有两个：首先，本文引入了一个变量来定量衡量出租车载客的难易程度，即出租车开入某个路段后多久能够载到客人。本文通过这个变量的使用来提高对于出租车需求数目估计的精确度。第二，本文引入了几何概型，通过出租车GPS数据估计出了乘客的等车时间。　　本文建立了一个涵盖上海市超过一万辆出租车的车联网系统，基于该系统产生的时间跨度长达一个月的GPS数据，结合TD模型，本文进行了出租车需求分析和预测的仿真实验，证明了本文提出的模型的有效性。
作者：	赵千里
专业：	控制工程
导师：	陈彩莲
授予学位：	硕士
授予学位单位：	上海交通大学
学位年度：	2016
正文语种：	中文