車輛軌跡的數(shù)據(jù)分析與研究.pdf_第1頁
已閱讀1頁,還剩58頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、軌跡數(shù)據(jù)是時空環(huán)境下,通過對一個或多個移動對象運動過程的采樣所獲得的數(shù)據(jù)信息,包括采樣點位置、采樣時間、速度等,這些采樣點數(shù)據(jù)信息根據(jù)采樣先后順序構成了軌跡數(shù)據(jù)。近年來,隨著各種定位技術(如全球定位系統(tǒng)(GPS)和無線蜂窩網(wǎng))的發(fā)展和普及,以及無線互聯(lián)網(wǎng)的高速發(fā)展推動下的移動智能終端的更新?lián)Q代,民用 GPS(Global Positioning System)設備在移動終端上得到了非常廣泛的使用,大量的軌跡數(shù)據(jù)在日常生活中正在日益積累,

2、如何有效挖掘軌跡數(shù)據(jù)背后的信息成為一個備受關注的熱點。
  本文以路網(wǎng)環(huán)境下的車輛軌跡數(shù)據(jù)為研究對象,以軌跡聚類為研究目標,并結合實際數(shù)據(jù)完成了相應實驗,得到了具有一定價值的實驗結果。本課題的研究工作主要包括以下幾個方面:
  (1)針對軌跡數(shù)據(jù)集特點找到了合適的地圖匹配算法 SLAMM( Selective Look-Ahead Map Matching),并對SLAMM算法進行了改善,在保證軌跡匹配精確性的前提下提高了算

3、法匹配速度。本文采用了北京市出租車軌跡數(shù)據(jù)集,該數(shù)據(jù)集屬于高采樣軌跡,SLAMM算法針對高采樣軌跡而設計,具有較快的運行速度和較高的準確度。本文通過研究路網(wǎng)對車輛行駛的物理約束,利用路網(wǎng)模型特性優(yōu)化對SLAMM算法進行了優(yōu)化。
  (2)學習研究了路網(wǎng)環(huán)境的約束對軌跡聚類產(chǎn)生的影響,應用簡化的NEAT(NEtwork Aware approach to Trajectory Clustering)模型并加入時間維度對處理后的軌跡數(shù)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論