论文部分内容阅读
移动式交通检测技术具有覆盖范围广,实时性强,运营成本低等重要优点,能有效弥补固定式交通检测技术的缺陷。而在移动式交通检测技术中,尽管GPs浮动车检测在数据采集、处理、应用的具体方法与技术方面都取得令人满意的进展,但检测精度受限于浮动车数量占路网中行驶车辆总数的比例,为了从根本上解决这一问题,本文研究了基于智能手机的移动式交通检测方法,并在数据预处理、地图匹配、交通建模拟合等方面进行深入学习,尝试设计了新的适用于本方法的功能模块。本文基于智能手机定位方法的发展与进步,认为未来智能手机的主流定位方式为GPS定位,因此在数据预处理阶段,针对GPS数据学习研究了误差修正和坐标转换的方法,并给出具体的计算流程。通过对大量车辆导航系统地图匹配算法研究的文献阅读与分析,本文指出移动式交通检测与车辆导航系统在地图匹配算法功能需求上的不同。基于对智能手机用户在道路交通中4种交通行为的分析和总结,本文设计改进了一种能够利用道路拓扑结构信息的模糊逻辑算法来完成基于智能手机的移动式交通检测方法的地图匹配工作利用移动点对象相对运动模式中的Flock模式,可以有效模拟乘坐于同一辆车的多名智能手机用户。首先,本文介绍了移动点对象(MPOs)和相对运动模式(REMO),并重点分析Flock模式的定义及其算法；然后,本文结合手机定位数据在道路交通中的分布规律,提出了一种基于Flock模式r优先算法的识别模型,能够识别出道路交通中位于同一辆车的多名手机用户。为验证本方法核心功能模块——交通参数估计能否正常运转,本文编程实现了部分核心功能,并利用VISSIM交通仿真软件进行了模拟实验。实验结果表明,本方法在模拟条件下,计算出的区间平均速度的相对误差仅为4.35‰达到了预期的精度要求。此外,本文的部分成果如基于Flock模式的智能手机用户识别算法,对于移动GIS的空间分析研究以及移动GIS面向大众消费领域的应用发展有一定的启发作用。