原文传递
基于车牌自动识别数据的机动车出行路径挖掘算法研究
| 论文题名： | 基于车牌自动识别数据的机动车出行路径挖掘算法研究 |
| 关键词： | 机动车;出行路径;数据挖掘;车牌自动识别数据 |
| 摘要： | 机动车出行路径包含丰富的交通流微观参数，通过对城市交通路网中所有运行车辆的出行路径进行提取、聚类和整合分析，可以系统科学地再现所有车辆的运行场景，为分析城市交通需求的结构和时空分布特性提供数据支撑。随着计算机技术、智能硬件设备、数据网络传输技术的不断发展，各种交通数据传感器应运而生，使得大范围、批量、自动化地获取机动车出行路径成为可能。与其他交通信息采集技术相比，车牌自动识别系统具有工作连续性强、数据精确度高、检测样本量大等优势，故本文提出了基于车牌识别数据的机动车出行路径提取算法。 本文首先进行车牌识别数据、交叉口点位数据及路网时空数据3种数据的预处理，以提高算法输入数据的质量，进而保证稳定、高效的算法输出。为充分利用路径的时间特性，本文在上述数据预处理的基础上，构建了路段、出行类、时间窗的融合张量，并基于路网各路段的时间和空间属性矩阵对融合张量进行分解，实现了各路段行程时间缺失值的补全;然后利用动态规划算法进行路径模式组合的最优化求解，进而得到了路径的估计行程时间。 本文的出行路径提取算法主要包括出行链提取、出行链分离及出行路径补全重构3部分。对车牌识别数据的所有记录行按车牌号、检测时间戳排序后，即可得到每辆车经过的设备点位集合，为设备点位匹配上相应的交叉口ID，则每个车牌号的交叉口ID及时间戳集合即为每辆车的出行链;然后通过车牌识别数据时空关系一致性来进行出行链的分离，即采取相邻节点间速度结合交叉口邻接矩阵来确定出行链的分离位置;最后的出行路径补全重构主要分为2步:第1步是基于KSP算法（K则最短路径算法）构建出行路径可行解集合，第2步构建路径距离、行程时间相符度、信号交叉口个数、路径偏好程度、转弯次数等决策指标，并利用GRA（灰色关联法）算法决策出最优的补全路径。 最后，本文以贵阳市南明区的实际车牌识别数据进行算法测试，结果表明:本文提出的基于车牌识别数据的机动车出行路径提取算法在测试区域的综合准确率在92％以上。 |
| 作者： | 阮树斌 |
| 专业： | 交通运输规划与管理 |
| 导师： | 王福建 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
