论文部分内容阅读
全面、实时、动态的交通调查是交通管理以及交通规划的基础。本文基于出租车浮动车数据,开发了一种可用于匹配大采样间隔定位数据的地图匹配模型。该模型充分考虑了现有的出租车浮动车定位数据的特性,根据浮动车的行驶状态特性,依据模糊逻辑推理系统将其划分为准静止状态、低速行驶状态和高速行驶状态三个行驶状态,并基于不同的行驶状态特性对应开发了三个地图匹配处理流程。该地图匹配模型选择了垂直距离、行驶方向与路段走向的偏差和相邻定位点间的行驶距离作为地图匹配的三个关键输入,同时引入了路径搜索的思想,采用序列匹配的方式,使得地图匹配模型不仅能够输出匹配后的定位点,而且能够一并输出相邻定位点间的行驶路径,满足后续行程速度估计的需求。为了能够有效实现该模型,结合TransCAD 5.0, Microsoft SQL Server 2008和MapInfo Professional 10.5等三套软件建立了一个交通地理信息系统。在此基础上,结合面向对象编程语言C#和函数编程语言F#两种高级语言,实现了该地图匹配模型。并通过与人工判别结果相比较,验证了该模型的有效性。本文选取区间平均车速调查法作为路段行程速度的计算方法,将行程速度估计转化为行程时间的估计。通过建立VISSIM仿真模型,利用SPSS的K-S非参数检验模块验证了车辆通过同一路段上的行程时间分布大致为正态分布,确立了路段行程时间的相合无偏估计量和置信区间估计量。针对由浮动车行程信息跨越多个路段所引起的,无法直接计算单个路段行程时间的问题,提出了一种以行驶路径为基本输入单元的城市道路行程时间估计模型。该模型来源于统计学中期望和方差的关系,通过建立非线性最优化模型,求解车辆通过各路段的期望行程时间,实现了对路段行程时间的直接估计。将行程速度的估计结果与调查数据相比较,比较结果显示其偏差在允许的范围内,满足交通规划及交通诱导的需求。本文设计了一套分布式并行处理架构,以满足海量数据的处理需求。借助Windows HPC Server 2008 R2搭建了一个高性能计算集群,并利用MPI编程模式中的中央收集模式实现了集群内头节点和各计算节点通讯,使得分布式计算成为可能。