典型文献
基于DBI和稀疏轨迹数据的交通状态精细划分与识别
文献摘要：
浮动车轨迹数据已逐渐成为城市交通状态识别的主要数据源之一,但是现有基于浮动车轨迹数据的交通状态识别中多数是应用高精度或是多源轨迹数据.针对稀疏轨迹数据在城市交通状态识别中存在识别精度不高的问题,本文提出一种结合戴维森堡丁指数(DBI)和轨迹相似性度量的动态交通状态划分方法.首先,对轨迹数据和路网数据进行预处理并且建立不同时间片的路段轨迹集合;接着,依据轨迹速度-空间相似性,利用戴维森堡丁指数动态地扩展轨迹的空间维度,并根据轨迹相似性度量方法构建最佳车辆队列;然后,将前后不同的车辆队列进行二次处理,连接组成交通流簇;最后,基于模糊C均值聚类方法将交通流进行划分,实现路段交通状态的识别.采用厦门市厦禾路、湖滨西路和湖滨南路交叉路段上的真实出租车轨迹数据进行测试,结果表明,本文所提方法保证了车辆队列速度分布与原始轨迹速度分布基本一致,相比对比方法Kmeans++和ST-DBSCAN,本文方法均方根误差平均下降了 18.77％和21.22％,并且在不同的实验路段表现更加稳定,可有效、可靠地运用稀疏轨迹数据识别城市交通状态,进而实现城市交通状态的精细分析.
文献关键词：
城市交通;动态划分;轨迹相似性度量;稀疏轨迹数据;戴维森堡丁指数;车辆队列;状态识别;模糊聚类
中图分类号：
作者姓名：
朱秋圳;邬群勇;姚铖鑫;孙豪宇
作者机构：
福州大学空间数据挖掘与信息共享教育部重点实验室,福州350108;卫星空间信息技术综合应用国家地方联合工程研究中心,福州350108;福州大学数字中国研究院(福建),福州350108
文献出处：
引用格式：
[1]朱秋圳;邬群勇;姚铖鑫;孙豪宇-.基于DBI和稀疏轨迹数据的交通状态精细划分与识别)[J].地球信息科学学报,2022(03):458-468
A类：
稀疏轨迹数据,厦禾路,湖滨南路
B类：
DBI,交通状态,精细划分,浮动车,城市交通,状态识别,要数,数据源,识别精度,戴维森堡丁指数,轨迹相似性度量,状态划分,划分方法,路网,时间片,空间相似性,空间维度,车辆队列,连接组,成交,交通流,均值聚类,聚类方法,流进,厦门市,西路,交叉路段,出租车轨迹数据,速度分布,比方,Kmeans++,ST,DBSCAN,数据识别,精细分析,动态划分,模糊聚类
AB值：
0.259312
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
