论文部分内容阅读
随着经济的迅速发展,车辆的增加给交通的管理带来了巨大的挑战。智能交通系统(intelligent traffic systems,ITS)旨在将先进的信息技术、传感器技术、计算机技术等有效地综合运用在交通运输管理体系中,从而提高交通效率。分析通过GPS(全球定位系统,global positioning system)、WIFI等获取到的城市中移动车辆位置数据可以挖掘到复杂交通中潜在的有用信息,对于指导道路建设、车辆管理和交通管制具有重大意义,但直接对庞大的数据进行可视化会使得视觉混乱反而不利于获取重要信息。轨迹聚类先将轨迹数据依据时空属性的相似度进行分类,然后从类簇中获取轨迹中的行为模式。针对车辆轨迹数据的无序性和现行方法缺少对于轨迹整体趋势有较为精确地描述,本文首先总结分析了轨迹聚类相关方法和交通数据可视化技术,然后提出了一种基于多代表性轨迹的聚类方法,最后针对轨迹数据设计了一个可视化系统VTVS。本文的主要贡献如下:(1)针对轨迹聚类算法和交通数据可视化进行了总结与分析。详细介绍了轨迹聚类中常用的五类方法,并分析了算法中存在的优缺点。然后分别介绍了不同数据属性的可视化方法,借鉴主流可视化系统的可视编码和布局为设计轨迹数据可视化系统提供理论基础。(2)提出了一种基于多代表性轨迹的聚类方法。在传统基于密度的轨迹聚类算法基础上,采用改进的轨迹划分方法和轨迹段相似度量函数对轨迹数据进行分类,并对聚类结果使用所提出的基于扫描线的多代表性轨迹生成方法以获得轨迹模式的精确描述,实验结果表明所提出的方法具有较强的适用性与可行性。(3)设计了一个用于轨迹数据的可视化系统。首先,按照用户自定义筛选规则过滤轨迹。然后,通过自适应分层聚类方法生成热区。最后,采用多种视图和交互方案来层次性展示其中的高维属性。案例分析的结果表明该系统在指导城市公共交通设施的规划与建设中具有实用价值。