导读:本文包含了路网数据模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:通流,数据模型,路网,道路,尺度,算法,要素。
路网数据模型论文文献综述
付一方,桑美英,姚金莹[1]（2018）在《基于通行量监测数据的高速公路路网模型构建及流量分配关键技术研究》一文中研究指出我国高速公路联网收费数据覆盖范围广、质量较高,具有很高的利用价值。本研究借助部级高速公路运输量动态监测系统,以构建收费站和高速公路路段信息采集、整理及更新机制为基础,使用ArcGIS和TransCAD等软件搭建了高速公路流量分配路网模型,并基于TransCAD的交通流分配功能,利用全有全无分配原理实现了高速公路流量分配,将高速公路联网收费数据在高速公路路网上铺展开来,为分析路网运行情况、区域经济发展情况等相关研究及进一步的数据挖掘提供了技术支撑。(本文来源于《综合运输》期刊2018年07期）
韦中杰[2]（2018）在《基于低秩矩阵补全模型的路网交通流数据插补方法研究》一文中研究指出智能交通系统(ITS)是缓解交通拥堵、提高道路通行效率的有效途径之一。然而,由于网络传输延迟、检测器故障等原因,ITS中采集的交通流数据往往存在很多缺失值,这使得交通流预测和车辆路径规划等应用非常困难。目前,交通流缺失值插补已经成为智能交通领域的一个重要研究课题,引起了国内外学者的密切关注。最近,基于低秩矩阵补全(LRMC)模型的交通流缺失值插补问题成为一个研究热点。然而,目前的研究直接将LRMC模型应用于交通流缺失值插补,而未充分考虑到交通流数据的内在特点,从而降低了缺失值恢复的性能。本文在低秩矩阵补全模型的基础上,对路网交通流数据插补问题进行了系统的研究。主要工作包括:(1)深入分析了道路网络的交通流特性和交通流缺失数据产生的原因,并对完全随机缺失、随机缺失和混合缺失这叁种典型的缺失模式进行介绍。(2)描述了基于低秩矩阵补全模型的路网交通流数据插补问题,然后对求解低秩矩阵补全模型的一种常用优化算法——奇异值阈值迭代(SVT)作了详细介绍。(3)考虑到对整个路网交通流数据矩阵进行低秩矩阵补全时,应充分考虑到交通流数据时空相关性的不均匀性,提出一种基于交通样本相关性和集成学习的缺失值恢复算法—CLRMC-EN。描述了算法的具体流程、时间复杂性分析,并在一个公开的交通数据集—美国俄勒冈州波特兰市的公路交通流量数据库上,对算法性能进行了比较,仿真结果表明CLRMC-EN显着优于LRMC和其它一些常用的插补算法。(4)针对CLRMC-EN算法在大规模路网情况下时间复杂性高的问题,提出一种基于聚类算法和最小二乘集成学习的缺失值恢复算法—HCLRMC-EN。详细介绍了该算法的原理和流程,在大规模路网交通流数据上的仿真结果表明,HCLRMC-EN算法的恢复性能达到CLRMC-EN算法的96%,但速度快19倍,从而更适合于大规模路网的情况。(本文来源于《江苏大学》期刊2018-06-01）
李佳怡[3]（2017）在《应用智能公交和路网数据的城市公交站点出行计算模型与评价》一文中研究指出“智慧公交”是“智慧城市”的重要组成部分,是解决城市交通问题和方便居民出行的有效途径。智慧交通不仅可以诱导出行,还可以通过历史大数据的分析决策出行。公交客流量是深度挖掘交通出行大数据、研究乘客出行模式的基础。公交车到站时间更是出行者最为关心的交通信息之一。因此,以地理信息系统和数据分析为手段,展开对公交出行分析及挖掘工作,结合公交车数据结构,探讨乘客上下车站点推断和公交车到站时间预测方法,对城市交通问题的解决具有积极意义。本文在综合分析国内外对客流量和出行链研究方法的适用性、公交到站时刻模拟预测速度优缺点的基础上,结合数据源特点和人力财力,提出以单条出行链为研究对象,研究确定各站点吸引权,计算站点客流量;建立多元线性回归模型计算公交车历史平均车速,综合瞬时速度和到站距离,计算修正平均速度,预测公交车到站时间。基于深圳市AFC和GPS数据,利用时间匹配和密度聚类方法确定乘客上车站点;分析乘客出行行为以及规律,引入出行链单元公交节的概念。公交出行节连续时,依据乘坐人下次乘车的上车位置判断乘客下车站点;公交出行节断裂的乘客,结合乘客刷卡高频站点的频次和公交路线下游各站点吸引权重,判别出行节断裂时乘客下车位置坐标的可能性,并设计推断乘客下车站点算法。根据预测得到的乘客上下车站点信息,统计估算车内人数。利用K最邻近结点的方法对道路进行分段,建立多元回归速度模型估计各路段平均速度,以计算结果为历史数据依据,结合公交实时瞬时速度和距离到达站点的距离长度,预测公交的到站时刻。根据公交乘客下车站点推断算法,实例分析并预测结果,计算下游各站点的乘客可能的下车频次和分析乘客高频下车站点集,分析算法可行性,根据乘客下车预测点与真实下车站点之间的距离和各个预测点的权重判别评估预测的准确性,经过验证,表明方法是有效的。依据到站时间预测模型计算实际公交到站时间,通过与真实值对比评估,表明误差在合理范围内。利用路段平均速度的计算结果建立数据库,并对道路通畅性进行级别划分和实时可视化表达,其结论符合实际状态。(本文来源于《太原理工大学》期刊2017-06-01）
姚慧欣[4]（2016）在《融合城市路网数据模型的路径规划方案研究》一文中研究指出为了配合高速的城市生活,效率成为交通运输的最高追求,但我国的城市交通设施的建设速度与我国交通运输的现实需要之间存在巨大落差,从而导致城市道路拥挤问题日益严重,道路拥堵不仅会造成出行效率低下,同时会造成汽车燃料等相关资源一定程度的浪费,这也意味着出行成本的提高,因此,分析研究城市道路相关交通数据,寻找最优出行路径已经成为目前城市路径规划方面研究的重点。本论文以寻找耗时最短出行路径为研究目标,以北京市1600辆出租车2012年11月的历史GPS轨迹数据为基础进行研究。利用栅格法对北京市电子地图进行抽象化处理,通过对历史轨迹数据进行科学合理的处理和分析,挖掘城市路段的走行时间分布模式及路段的拥堵度,并在此基础上构建城市路网数据模型(Urban Road Network Model,后文简称URDM模型),并将城市路网数据模型分别与经典蚁群算法和经典Dijkstra算法进行结合,用以寻找综合出租车司机路径选择经验的耗时最短出行路径,并将所得结果与经典蚁群算法和经典Dijkstra算法进行比较,实验结果表明,融合城市路网数据模型的蚁群算法相比经典蚁群算法在走行时间方面平均提高了62.61%,在出行花费方面平均降低了37.14%,融合城市路网数据模型的Dijkstra算法相比经典Dijkstra算法在走行时间方面平均提高了41.75%,在出行花费方面平均降低了21.58%。(本文来源于《西南交通大学》期刊2016-05-10）
沈益明,陈凌峰,郑治勇[5]（2014）在《基于道路要素的多尺度路网数据模型》一文中研究指出GIS-T路网数据模型是实现ITS应用的前提和基础,以道路要素作为表达、存储和组织路网数据的基本单位,考虑不同尺度下的应用需求,提出了基于道路要素的多尺度路网数据模型,同时建立了道路拓扑关系与车道拓扑关系。模型在不同尺度下分为叁个层次,第一层沿用传统路网结构,以结点描述平面交叉口与立体交叉口;第二层描述路网中所有的线形地物,建立道路之间的拓扑关系,包括立交中主线或匝道间的拓扑关系;第叁层把车道作为要素,建立车道之间的拓扑关系,描述车道之间的交通组织情况。不同层次的要素之间建立了实体对应关系。(本文来源于《物流工程与管理》期刊2014年03期）
赵彦婷[6]（2012）在《基于多源数据的城市路网交通能耗和排放模型与算法》一文中研究指出随着社会经济的发展和城市化进程的加快,机动车急剧增加,其除了导致严重的交通拥堵外,同时也产生巨大交通能耗及严重的环境污染。降低交通能耗及治理其所产生的环境污染是亟待解决的城市问题之一,而城市路网交通能耗排放的准确量化,是解决该问题的关键。针对交通能耗排放测算,城市交通部门、环保部门和公安交管部门拥有丰富的数据资源,然而由于多学科领域与多部门职能的隔阂,这些数据源未能建立科学联系进而得到有效利用。因此,本文旨在分析和综合利用城市路网能耗排放相关的多源数据,建立城市路网交通能耗和排放的测算方法。首先,本文综述了国内外对城市路网交通能耗和排放测算的研究发展,从对数据源的需求、车辆行驶里程的测算、能耗排放参数类型以及能耗排放测算目标等角度,分析了不同学科机动车排放测算方法的异同与局限性。然后,本文从交通和环境交叉学科角度出发,以北京为例,分析了城市道路交通流量、速度、排放因子、排放率、车型分布以及车辆属性相关的各部门数据资源及其特征。在数据源分析的基础上,建立了能够综合利用多部门数据资源的城市路网交通能耗和排放的测算方法。测算方法中,首先以VSP分布作为连接排放率和浮动车数据源的中间变量,量化单车在城市路网行驶时的能耗和排放。在测算单车排放之后,利用视频车牌识别和车辆信息数据源获取交通流车型比例,进而结合路段交通流量、道路长度等数据源,量化路段交通能耗和排放。再后,针对交通流量和车型视频检测覆盖范围不全的问题,为测算全路网交通能耗和排放,提出了依据区域位置和道路等级为特征变量的交通流参数时变扩样方法,对交通流量和车型比例进行扩样,从而在计算得到路段交通能耗和排放量的基础上,实现城市路网范围交通能耗和排放的量化。最后,将本文建立的方法应用于北京市城市路网交通能耗和排放的量化,并从时间分布、地理区域、道路等级叁个方面分析了北京市城市路网交通能耗和排放的时空分布特征及规律。该测算和分析方法可为制定节能减排策略提供依据。(本文来源于《北京交通大学》期刊2012-06-01）
沙志仁,余志,黄敏,董倩文[7]（2012）在《基于道路要素的多尺度路网数据模型》一文中研究指出GIS-T路网数据模型是实现ITS应用的前提和基础。本文以道路要素作为表达、存储和组织路网数据的基本单位,考虑不同尺度下的应用需求,提出了基于道路要素的多尺度路网数据模型,同时建立了道路拓扑关系与车道拓扑关系。本模型在不同尺度下分为3个层次,不同层次的要素之间建立了实体对应关系。该模型在交通标志标线布设方案自动生成系统上的实验表明,其建模方法是可行、有效的。(本文来源于《测绘科学》期刊2012年03期）
王静静,林海伦[8]（2012）在《基于路网划分的交通流数据处理模型》一文中研究指出为了满足交通流数据处理的实时性、可扩展性的要求,基于路网划分提出交通流数据处理方法,并以此为基础设计并实现交通流数据处理原型系统。试验表明,所设计的交通流数据处理系统具有良好的可扩展性,并且能够有效地提高交通流数据处理的效率。(本文来源于《现代计算机(专业版)》期刊2012年08期）
郑年波,陆锋[9]（2011）在《导航路网数据改进模型及其组织方法》一文中研究指出提出了一种支持高性能车辆导航的多尺度路网数据模型,该模型根据不同功能对导航数据内容与尺度的要求,将用于计算的路网拓扑数据与用于描述的路网几何数据分离,并分别在垂直方向进行分层抽象,在水平方向进行区域划分;几何数据以显式比例尺作为分层标准,通过多弧段来描述道路几何信息;拓扑数据以道路等级作为分层标准,通过节点-弧段结构来描述路网连通关系;参照动态分段思想设计了一种弧段编码体系,以描述模型上下层弧段之间、单弧段与多弧段之间的对应关系。结果表明:提出的模型能有效地支持导航应用中的多级地图显示与分层路径规划。(本文来源于《中国公路学报》期刊2011年02期）
秦斌,方源敏,刘辉,李付伟[10]（2010）在《导航路网数据模型的研究及应用》一文中研究指出结合车载导航应用,研究导航数据模型及数据交换格式的发展,探讨路网与导航系统的关系.在研究GDF4.0标准的基础之上,结合实际对导航路网数据模型及其应用进行了研究.通过对道路网数据的提取结合数据模型,以GIS桌面软件SuperMap Deskpro为作业平台,实现了最佳路径分析,并介绍了立交桥符号的设计与实现.(本文来源于《河南科学》期刊2010年09期）
路网数据模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
智能交通系统(ITS)是缓解交通拥堵、提高道路通行效率的有效途径之一。然而,由于网络传输延迟、检测器故障等原因,ITS中采集的交通流数据往往存在很多缺失值,这使得交通流预测和车辆路径规划等应用非常困难。目前,交通流缺失值插补已经成为智能交通领域的一个重要研究课题,引起了国内外学者的密切关注。最近,基于低秩矩阵补全(LRMC)模型的交通流缺失值插补问题成为一个研究热点。然而,目前的研究直接将LRMC模型应用于交通流缺失值插补,而未充分考虑到交通流数据的内在特点,从而降低了缺失值恢复的性能。本文在低秩矩阵补全模型的基础上,对路网交通流数据插补问题进行了系统的研究。主要工作包括:(1)深入分析了道路网络的交通流特性和交通流缺失数据产生的原因,并对完全随机缺失、随机缺失和混合缺失这叁种典型的缺失模式进行介绍。(2)描述了基于低秩矩阵补全模型的路网交通流数据插补问题,然后对求解低秩矩阵补全模型的一种常用优化算法——奇异值阈值迭代(SVT)作了详细介绍。(3)考虑到对整个路网交通流数据矩阵进行低秩矩阵补全时,应充分考虑到交通流数据时空相关性的不均匀性,提出一种基于交通样本相关性和集成学习的缺失值恢复算法—CLRMC-EN。描述了算法的具体流程、时间复杂性分析,并在一个公开的交通数据集—美国俄勒冈州波特兰市的公路交通流量数据库上,对算法性能进行了比较,仿真结果表明CLRMC-EN显着优于LRMC和其它一些常用的插补算法。(4)针对CLRMC-EN算法在大规模路网情况下时间复杂性高的问题,提出一种基于聚类算法和最小二乘集成学习的缺失值恢复算法—HCLRMC-EN。详细介绍了该算法的原理和流程,在大规模路网交通流数据上的仿真结果表明,HCLRMC-EN算法的恢复性能达到CLRMC-EN算法的96%,但速度快19倍,从而更适合于大规模路网的情况。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
路网数据模型论文参考文献
[1].付一方,桑美英,姚金莹.基于通行量监测数据的高速公路路网模型构建及流量分配关键技术研究[J].综合运输.2018
[2].韦中杰.基于低秩矩阵补全模型的路网交通流数据插补方法研究[D].江苏大学.2018
[3].李佳怡.应用智能公交和路网数据的城市公交站点出行计算模型与评价[D].太原理工大学.2017
[4].姚慧欣.融合城市路网数据模型的路径规划方案研究[D].西南交通大学.2016
[5].沈益明,陈凌峰,郑治勇.基于道路要素的多尺度路网数据模型[J].物流工程与管理.2014
[6].赵彦婷.基于多源数据的城市路网交通能耗和排放模型与算法[D].北京交通大学.2012
[7].沙志仁,余志,黄敏,董倩文.基于道路要素的多尺度路网数据模型[J].测绘科学.2012
[8].王静静,林海伦.基于路网划分的交通流数据处理模型[J].现代计算机(专业版).2012
[9].郑年波,陆锋.导航路网数据改进模型及其组织方法[J].中国公路学报.2011
[10].秦斌,方源敏,刘辉,李付伟.导航路网数据模型的研究及应用[J].河南科学.2010
论文知识图
